오픈소스AI

3 Contents

오픈소스 AI의 IPR 쟁점

인공지능 분야에서 오픈소스 모델은 단순히 비용 효율성을 넘어 지식 축적과 투명성 확보라는 중요한 가치를 지닙니다. 최근 클로즈드 모델의 성능을 바짝 추격하며 배포되는 모델의 상당수를 차지하고 있는 오픈소스는 인공지능 특유의 블랙박스 문제를 해결할 열쇠로 주목받고 있습니다. 공동체가 함께 검증하고 위험에 대처할 수 있다는 점은 EU AI 법안(EU AI Act)에서도 일정 부분 의무를 면제해 주는 근거가 되기도 합니다. 비록 성능 면에서 클로즈드 모델을 완전히 대체하기는 어렵겠지만, 시장에서의 공존은 피할 수 없는 흐름이 되었습니다. 하지만 우리가 흔히 부르는 오픈소스 AI가 진정한 의미의 오픈소스인지는 논란의 여지가 있습니다. 오픈소스 이니셔티브(OSI)는 사용, 연구, 수정, 공유라는 네 가지 자유를 보장하기 위해 데이터 정보와 소스 코드, 파라미터 일체를 공개해야 한다고 규정합니다. 이 엄격한 기준을 적용하면 라마(Llama)나 스테이블 디퓨전(Stable Diffusion)조차 완전한 오픈소스로 보기 어렵습니다. 현실적으로 학습 데이터를 모두 공개하기 힘든 제약 때문에, 업계에서는 연구와 수정의 자유를 일부 완화한 '오픈 웨이트'라는 개념이 더 현실적인 대안으로 논의되고 있습니다. 인공지능 개발 단계에서 가장 민감한 법적 쟁점은 학습 데이터와 관련된 저작권 문제입니다. 현재 미국을 비롯한 전 세계에서는 메타나 스테빌리티 AI(Stability AI) 같은 주요 기업들을 상대로 수많은 저작권 침해 소송이 진행 중입니다. 학습 데이터를 기계적으로 활용하는 과정에 대해 유럽은 명시적인 면책 규정을, 미국은 포괄적인 공정 이용 원칙을 적용하려 하지만 법적 불확실성은 여전합니다. 오픈소스 모델이라 할지라도 데이터 수집 과정에서의 저작권 리스크에서 자유로울 수 없으며, 이는 개발자와 이용자 모두가 주의해야 할 핵심 요소입니다. 배포 단계에서는 더욱 정교한 법적 논리가 등장하고 있습니다. 최근에는 학습 데이터 자체가 아닌, 학습된 모델 그 자체를 데이터의 복제물로 보아야 한다는 주장이 제기되었습니다. 즉, 인공지능 모델이 특정 데이터를 암기하고 이를 재현할 가능성이 내재되어 있다면, 모델 배포 자체가 저작권 침해에 해당할 수 있다는 논리입니다. 비록 이러한 견해가 법적으로 확정된 것은 아니나, 모델을 '압축된 사본'이나 '콜라주 기계'로 정의하려는 시도는 배포 과정에서의 법적 리스크를 증대시키는 요인이 되고 있습니다. 마지막 사용 단계에서는 인공지능 산출물에 대한 권리와 책임의 관계를 명확히 인식해야 합니다. 많은 기업이 산출물의 권리를 이용자에게 귀속시키는 동시에 그에 따른 책임도 전가하는 전략을 취하고 있습니다. 침해를 유발하는 프롬프트 입력이나 학습 데이터 재현으로 인한 문제는 개발자의 기여 책임으로까지 확장될 수 있습니다. 따라서 개발 단계에서 암기 현상을 억제하는 필터링 조치를 취하거나, 특정 분야로의 파인튜닝 시 발생할 수 있는 리스크를 사전에 파악하는 등 기술적, 법적 대응 노력이 필수적으로 요구됩니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술

오픈소스의 역설, 소버린 AI의 균열

오픈소스 AI의 시대가 도래했지만, 우리가 믿어왔던 개방성의 가치가 흔들리고 있습니다. 리눅스처럼 수천 명의 기여자가 참여해 누구나 코드를 수정하고 배포할 수 있는 구조와 달리, 현재의 대형 언어 모델들은 코드만 공개할 뿐 그 내부의 핵심적인 학습 파이프라인은 베일에 가려져 있기 때문입니다. 진정한 오픈소스의 가치는 단순히 코드를 외부에 노출하는 것이 아니라, 누구나 동일한 조건을 통해 결과를 얻을 수 있도록 ‘재현 가능성’을 확보하는 데 있습니다. 이를 간과한다면 우리는 개방이라는 이름의 환상에 빠질 수밖에 없습니다. 현재 오픈소스 AI는 여러 기술적 함정을 내포하고 있습니다. 모델의 성능과 직결되는 학습 파이프라인이 누락된 모델 카드는 불완전한 안내서에 불과하며, 이는 재현 가능성을 불가능하게 만듭니다. 또한 라이선스가 업데이트되면서 뒤늦게 추가되는 제약 조건은 사용자의 권리를 위협하는 ‘잠자는 제한’으로 작용하기도 합니다. 특정 하드웨어 환경에 종속되어 다른 인프라에서는 효율이 급격히 저하되는 ‘보이지 않는 통제’ 역시 심각한 문제입니다. 이러한 의존성 체인은 사용자도 모르는 사이에 특정 기술 생태계에 예속되게 만듭니다. 글로벌 시장에서 벌어지는 소위 ‘오픈 워싱(Open-washing)’ 현상은 더욱 우려스럽습니다. 오픈소스 이니셔티브(OSI)의 기준에 따르면, 라마(Llama)나 딥시크(DeepSeek) 같은 주요 모델들의 개방성 점수는 절반에도 미치지 못하는 실정입니다. 특히 기술 주권을 지키려는 국가적 전략과 맞물리며, 오픈소스라는 가면을 쓴 채 내부 데이터와 운영 방식은 철저히 통제하는 이중적인 양상이 나타나고 있습니다. 이는 기술 혁신을 확산하려는 본래의 의도와는 달리, 결과적으로는 글로벌 기술 생태계의 투명성을 저해하고 특정 기업이나 국가에 대한 의존도를 높이는 결과를 초래할 수 있습니다. 소버린 AI의 구축은 단순히 국가 차원의 자체 모델 개발을 넘어서는 복합적인 문제입니다. 기존의 오픈 웨이트(Open Weights) 방식을 무비판적으로 수용할 경우 핵심 인프라에 대한 ‘그림자 종속’이 발생할 수 있으며, 반대로 독자 개발에만 매몰되면 글로벌 생태계의 진화 흐름으로부터 고립될 위험이 있습니다. 또한 데이터 수집 과정에서 발생하는 인지적 편향과 악성 백도어를 통한 보안 위협은 국가 안보와도 직결되는 사안입니다. 따라서 진정한 의미의 소버린 AI는 자체 개발과 외부 자원의 전략적 활용 사이에서 정교한 균형을 찾고, 그 안전성을 객관적으로 검증하는 체계를 갖추는 것에서 시작됩니다. 미래의 오픈소스 생태계는 기술 자립을 넘어 ‘지속 가능한 커뮤니티 자립’으로 나아가야 합니다. 투명한 데이터셋 구축과 재현 가능성 검증 네트워크를 포함하는 다각적인 프레임워크를 통해, 강제적인 규제가 아닌 혁신을 촉진하는 거버넌스를 확립해야 합니다. 정책적으로는 소버린 AI 인증 제도나 모델 레지스트리 구축을 통해 기업과 공공기관의 혼란을 줄이는 이정표를 마련할 필요가 있습니다. 결국 우리가 인공지능 시대를 살아가며 수호해야 할 가장 소중한 가치는 단순히 공개된 코드 한 줄이 아니라, 함께 검증하고 발전시켜 나가는 ‘공유된 신뢰’ 그 자체임을 잊지 말아야 합니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술

[EOST2023] LLM 3요소와 오픈소스의 발전

인공지능 기술의 발전은 지난 수십 년간 눈부신 변화를 거듭해 왔습니다. 과거에는 사람이 직접 특징을 정의하던 방식에서 딥러닝의 자동화로, 그리고 이제는 LLM의 시대로 접어들었습니다. LLM은 단순히 언어를 처리하는 도구를 넘어 산업의 근본적인 판을 흔드는 파급력을 지니고 있습니다. 특히 최근의 연구 흐름은 논문 발표와 동시에 오픈 소스를 공개하여 성능을 입증하는 방식으로 변화하며 기술의 대중화를 이끌고 있습니다. 언어 모델의 핵심은 문장에 확률을 매기는 작업에 있습니다. '백설 공주가 독사과를 먹었다'처럼 자연스러운 문장에는 높은 확률을, 어색한 문장에는 낮은 확률을 부여하며 학습합니다. 최근의 GPT와 같은 모델은 다음에 올 단어를 맞히는 과정을 통해 방대한 지식을 암기합니다. 초기에는 이 모델들이 단순히 암기한 내용을 꺼내 주는 지식 저장소 역할을 한다고 여겨졌으나, 모델의 크기가 커짐에 따라 인간의 일반 상식을 뛰어넘는 수준의 이해력을 보여주기 시작했습니다. 이제 LLM은 명시적인 알고리즘 없이도 숫자 정렬과 같은 복잡한 문제를 해결합니다. 과거에는 정렬을 위해 특정 프로그래밍 규칙이 필요했지만, 현재의 모델은 맥락을 이해하여 결과를 도출합니다. 이러한 능력은 프롬프트 엔지니어링을 통해 극대화됩니다. 예를 들어, 피자 주문을 받는 챗봇의 역할을 부여하면 모델은 사용자의 의도를 실시간으로 추론하며 적절한 답변을 생성하고 결과물을 구조화된 데이터로 요약해 줍니다. 이는 모델이 하나의 유연한 컴퓨팅 인프라로 작동함을 의미합니다. 모델의 성능을 결정짓는 세 가지 핵심 요소는 데이터, 컴퓨팅 자원, 그리고 파라미터입니다. 이들의 규모를 조절하며 확장할 때 성능이 지속적으로 향상된다는 '스케일링 법칙'은 LLM 발전의 기틀이 되었습니다. 최근에는 메타의 LLaMA나 Mistral과 같은 고성능 모델들이 오픈 소스로 공개되며 누구나 대규모 모델을 연구할 수 있는 춘추전국시대가 열렸습니다. 이는 빅테크 기업의 전유물이었던 LLM 기술이 연구 현장 곳곳으로 확산되는 계기가 되었습니다. 거대해진 모델을 효율적으로 다루기 위한 기술적 노력도 활발합니다. 모델의 연산 부담을 줄이기 위한 어텐션 메커니즘의 최적화나, 적은 비용으로도 특정 목적에 맞게 모델을 미세 조정할 수 있는 LoRA 같은 알고리즘이 대표적입니다. 특히 양자화 기술의 발전은 방대한 파라미터를 가진 모델을 일반적인 하드웨어에서도 구동할 수 있게 함으로써 기술 접근성을 획기적으로 높였습니다. 이러한 효율성 중심의 연구는 LLM이 실질적인 서비스로 구현되는 데 결정적인 역할을 합니다. 데이터의 측면에서는 단순한 양보다 질과 다양성이 더욱 중요해지고 있습니다. 최근 연구에 따르면 모델이 왜 그렇게 생각했는지 그 이유까지 함께 학습시키는 방식이 추론 능력을 비약적으로 향상시킨다는 점이 밝혀졌습니다. 또한 정형화된 템플릿보다는 실제 인간의 대화처럼 복잡하고 다양한 명령어를 포함한 고품질 데이터를 사용할 때 모델의 성능이 더 크게 개선됩니다. 이는 데이터 분석 AI를 통해 학습 데이터의 품질을 관리하는 새로운 연구 분야의 탄생으로 이어지고 있습니다. 앞으로 LLM은 여러 모델이 협력하는 멀티 에이전트 시스템이나 개인화된 인공지능, 그리고 물리적 로봇을 제어하는 뇌의 역할로 확장될 전망입니다. 하지만 한국어 전용 오픈 소스 모델의 부족이나 공정한 평가 지표 확립, 그리고 학습 데이터의 저작권 이슈 등 해결해야 할 과제도 여전히 남아 있습니다. 기술의 발전 속도에 맞춰 이러한 사회적, 기술적 문제들을 지혜롭게 풀어나가는 것이 LLM의 지속 가능한 발전을 위한 핵심이 될 것입니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술