오픈소스 AI, 인공지능의 핵심 기반으로 자리매김

미래 인공지능 분야에서 중재 문제가 해결되지 않는다면 사람들은 기본적으로 개방형 방식을 택할 것이라고 전문가들은 전망합니다. 이는 사용자들이 가드레일을 제어하고 신뢰할 수 있는 사용 사례를 확보하려는 경향이 강해지기 때문입니다. 독점적인 폐쇄형 시스템에 대한 불신과 통제권에 대한 요구가 오픈소스 AI의 성장을 촉진하는 주요 요인으로 작용하고 있습니다.

현재 오픈소스 AI 모델과 선도적인 프론티어 모델 간의 기술적 격차는 거의 없다는 주장이 제기되었습니다. 초기에는 클로즈드소스 모델이 기술적으로 앞선다는 인식이 있었지만, 빠른 발전 속도로 인해 이러한 간극이 상당히 줄어들었다는 분석입니다. 이는 오픈소스 생태계의 활발한 연구와 개발 덕분에 가능했으며, 앞으로도 기술 격차는 더욱 좁아질 것으로 예상됩니다.

오픈소스 모델이 핵심 인프라로 부상한 중요한 전환점은 2023년 챗GPT의 대중화 이후로 꼽힙니다. 사이먼 모는 사람들이 애플리케이션이나 일상적인 생산성을 위해 오픈소스 모델에 의존하기 시작하면서 그 중요성이 커졌다고 설명합니다. 특히 깃허브 코파일럿과 챗GPT 같은 도구들이 보편화되면서, 사용자들은 더 이상 이러한 AI 모델 없이는 업무나 일상생활을 영위하기 어렵게 되었고, 이는 오픈소스 AI가 필수적인 기반 기술로 자리 잡는 계기가 되었습니다.

맷 본스타인은 약 1년 전부터 많은 소규모 기업이나 새로운 애플리케이션 기업들이 '어떻게 해야 OpenAI 위에 덧씌우는 것이 아닌, 독립적인 AI를 만들 수 있을까'를 고민하기 시작했다고 밝혔습니다. 이러한 고민 끝에 많은 스타트업이 오픈소스 모델을 해결책으로 선택했습니다. 이는 독점적인 API에 의존하지 않고 자체적인 AI 솔루션을 구축하려는 움직임이 활발해졌음을 시사하며, 오픈소스가 혁신적인 스타트업의 핵심 기술 기반으로 자리 잡았음을 보여줍니다.

AI 모델 배포는 연구팀마다 경험과 역량 차이가 큽니다. 사이먼 모에 따르면, 일부 연구실은 이미 가상 머신(VM)을 활용해 모델이 작동하도록 시스템을 구축하고 코드 검토 및 병합까지 요청할 정도로 숙련되어 있습니다. 그러나 다른 연구실들은 오픈소스 생태계에 어떻게 적응하고 모델을 배포해야 할지 몰라 어려움을 겪기도 합니다. 이러한 편차는 오픈소스 모델의 확산을 위해 기술 지원과 교육의 필요성을 보여줍니다.

Mistral AI의 초기 모델 배포는 사용자들에게 큰 어려움을 주었습니다. 2023년 초, Mistral은 첫 모델을 P2P 토렌트 링크로만 제공하여 많은 사용자가 모델을 구동하는 데 애를 먹었습니다. 이때 VM 팀이 Mistral 팀과 협력하여 백그라운드에서 VM용 추론 엔진 지원을 위해 노력했고, 이는 모델 배포의 난관을 극복하는 데 결정적인 역할을 했습니다. 이 사례는 오픈소스 모델의 성공적인 확산을 위해 전문적인 배포 및 지원 팀의 역할이 얼마나 중요한지 보여줍니다.

Infact는 '오픈웨이트 및 미국 AI 리더십' 서약에 서명하며 오픈웨이트 모델의 중요성을 강조했습니다. 사이먼 모는 독점 API에 의해 세상이 통제되고 오픈웨이트 모델의 개발과 연구가 차단되거나 금지되어서는 안 된다고 강력히 주장했습니다. Infact는 이러한 생태계를 돕고 육성하고자 서명에 참여했으며, 이는 개방형 AI 모델의 자유로운 발전과 확산을 지지하는 강력한 의지를 보여줍니다. 그들은 개방형 모델이 AI 기술의 민주화와 혁신에 필수적이라고 믿고 있습니다.

오픈웨이트 모델은 단순히 비용 절감 이상의 가치를 제공합니다. 사이먼 모는 K3와 같은 모델의 경우, 사용자가 인텔리전스를 소유할 수 있는 수준을 제공한다고 설명합니다. 이는 성능 제어, 고객과 모델 간의 상호작용 제어, 데이터 보존 제어, 보안 및 규정 준수 제어 등 다방면에서 사용자에게 통제권을 부여한다는 의미입니다. 즉, 기업과 개발자들이 자체적인 환경에서 AI 모델을 완벽하게 제어하고 최적화할 수 있도록 지원하여, 독점 API 모델에서는 불가능했던 수준의 유연성과 보안을 확보할 수 있게 합니다. 이러한 통제권은 민감한 데이터를 다루는 기업이나 특정 산업 분야에서 특히 중요하게 작용합니다.

과거 오픈 웨이트 모델들은 아파치 2.0과 같이 '마음대로 수정하고 사용하라'는 개방적인 라이선스를 따랐습니다. 그러나 최근에는 이러한 추세에 변화가 감지되고 있습니다. 사이먼 모는 모델 훈련, 연구, 데이터 구축 비용이 워낙 비싸지면서 모델 연구소들이 수익 모델을 고민하기 시작했다고 언급했습니다. 예를 들어 메타의 라마 모델은 일일 활성 사용자 수나 연간 반복 매출이 특정 기준을 넘으면 상업적 계약을 맺도록 하는 조건을 포함하고 있습니다. 이는 오픈소스 모델이더라도 개발 비용 회수와 지속 가능한 운영을 위해 새로운 라이선스 모델을 모색하고 있음을 보여줍니다.

맷 본스타인은 오픈소스 모델 연구소들이 탐욕을 부리는 것이 아니라, AI 모델은 소프트웨어와 다르다는 점을 강조했습니다. 오픈소스 소프트웨어는 개인 개발자나 대기업의 시간 기부로 지원되었지만, AI 분야에서는 수십억 달러의 컴퓨팅 자원이 필요하기 때문에 이러한 방식으로는 지속 가능성이 낮다는 설명입니다. 그는 AI 모델 개발의 지속 가능성을 위해 경제적 인센티브와 자금 지원 방식이 필수적이며, 이러한 경제적 구조가 앞으로 더욱 중요해질 것이라고 강조했습니다. AI 모델 개발은 막대한 초기 투자와 지속적인 운영 비용이 수반되는 만큼, 새로운 형태의 재정 모델이 필요하다는 주장입니다.

AI 모델 개발의 지속 가능성을 확보하는 것은 제약 산업의 신약 개발 R&D 과정과 유사하다고 사이먼 모는 설명합니다. 제약 회사들은 신약이 출시될 때 발생하는 경제적 인센티브를 통해 막대한 R&D 비용을 회수하고, 이를 다시 다음 연구에 투자하는 선순환 구조를 가지고 있습니다. AI 모델 개발 역시 이러한 수익이 다음 R&D 노력으로 이어지는 구조를 만들어야 한다는 것입니다. 이는 모델 개발에 필요한 막대한 자원을 충당하고 지속적인 혁신을 가능하게 하는 중요한 방안으로 제시됩니다.

오픈소스 모델이 공개되면 커뮤니티 전체가 모델 최적화를 위해 적극적으로 노력합니다. 사이먼 모는 모델이 특정 하드웨어와 아키텍처에서 훈련되지만, 출시되면 모든 사용자가 다른 클러스터 토폴로지와 사용 사례를 갖게 된다고 지적합니다. 이에 따라 커뮤니티는 모델을 엣지 디바이스나 대규모 환경에 적용하고, 음성 및 코딩 에이전트와 같은 다양한 사용 사례에 맞춰 실행 가능하도록 최적화하는 데 집중합니다. 이러한 커뮤니티의 노력은 모델을 더욱 전문화하고 안정적으로 실행되도록 하여, 오픈소스 생태계의 발전과 확산에 핵심적인 역할을 합니다.

오픈소스는 AI 모델의 배포 규모를 키우고 더 많은 사람이 모델을 실행하도록 하여 전반적인 사용자 경험을 개선합니다. 이것이 바로 클로즈드소스 엔진이 아닌 오픈소스 추론 엔진이 현재 주도적인 방식으로 자리 잡은 이유입니다. 오늘날 많은 추론 클라우드와 서비스형 API가 내부적으로 오픈소스 추론 엔진을 사용하고 활용하는 것도 이 때문입니다. 오픈소스 환경에는 수많은 검증된 방식이 존재하며, 이를 기반으로 새로운 시스템을 구축하고 개선할 수 있는 장점이 있습니다. 사이먼 모는 오픈소스가 현재 모델을 실행하는 데 가장 앞선 방법이라고 단언하며, 이는 AI 기술의 확산과 보편화에 필수적인 요소로 인정받고 있음을 시사합니다. 개방형 접근 방식은 협력과 공유를 통해 기술 발전의 속도를 높이고, 다양한 환경에서 모델이 효과적으로 작동하도록 돕습니다. 결과적으로 오픈소스는 AI 모델을 효율적이고 안정적으로 배포하고 확장하는 데 있어 없어서는 안 될 핵심적인 인프라로 기능하고 있습니다.

사이먼 모는 통제권 문제에 있어서 오픈소스가 폐쇄형 독점 모델보다 훨씬 낫다고 주장합니다. 허깅페이스 사건의 경우처럼, 폐쇄형 모델 API의 가드레일은 다소 임의적이며 적용하기 매우 어렵습니다. 이는 가드레일에 오탐(false positive)이 너무 많아 합법적인 사용 사례가 차단될 가능성이 크다는 것을 의미합니다. 이러한 문제는 소셜 미디어 시대에도 늘 존재했던 콘텐츠 필터링 및 중재의 어려움과 일맥상통합니다. 중재 문제가 쉽게 해결되지 않는다면, 사용자들은 항상 모델을 알고 신뢰할 수 있는 모델을 게시하고 사용할 수 있는 오픈 모델을 찾게 될 것입니다. 즉, 신뢰할 수 있는 사용 사례의 경우 사람들이 기본적으로 오픈 모델을 선호하게 될 것이며, 이는 가드레일을 완화하거나 신뢰할 수 있는 사용 사례에 대해 가드레일을 제어할 수 있다는 확실한 인식이 있기 때문입니다. 오픈소스는 사용자에게 더 큰 투명성과 통제권을 제공하여, 불필요한 제약 없이 AI를 활용할 수 있게 합니다.

엘레나 버거와 맷 본스타인은 소셜 미디어와 AI의 문제가 인간 활동을 중앙 집중화한다는 점에 있다고 지적했습니다. 소셜 미디어 이전에는 사람들이 자유롭게 대화하고 기사를 발행했지만, 수익을 추구하는 기업에 중앙 집중화되면서 인센티브가 변질되었다는 것입니다. AI도 마찬가지로 코드를 작성하거나 스프레드시트를 만들고 건강 조언을 얻는 등 모든 작업이 한두 곳에서 이뤄집니다. 문제는 이 플랫폼들이 소셜 미디어처럼 '플랫폼에서 발생하는 일에 책임이 없다'는 면책 조항을 가지고 있지 않다는 점입니다. 앤트로픽 같은 일부 기업들은 법적 요구 이상으로 윤리적 입장을 취하며 과도한 중재를 시도하기도 하는데, 이는 사용자들에게 불필요한 제약을 만들 수 있습니다. 예를 들어 특정 언어와 콘텐츠 조합이 정치적으로 민감하다는 이유로 번역 시도가 차단되는 경우도 발생하고 있습니다. 이러한 과도한 중재는 AI의 잠재력을 제한하고 사용자 경험을 저해할 수 있다는 우려를 낳고 있습니다.

결론적으로 오픈 웨이트 모델과 클로즈드 웨이트 모델의 본질적인 기술적 차이는 크지 않다는 주장이 나왔습니다. 오히려 이 둘의 차이점은 유통 전략이나 시장 출시 전략에 가깝다는 분석입니다. 기능적인 측면에서는 오늘날에도 큰 차이를 발견하기 어렵다는 의견입니다. 이는 모델 자체의 역량보다는 어떤 방식으로 시장에 접근하고 확산하는지에 따라 구분될 뿐이라는 시각을 반영합니다.

일각에서는 중국이 주로 오픈 모델 연구를, 미국이 클로즈드 모델 연구를 한다는 인식이 있지만, 전문가들은 연구자들이 오픈소스나 클로즈드소스라는 입장에 얽매이지 않고 흥미로운 문제에 이끌린다고 설명합니다. 다만 오픈 웨이트 모델은 모델의 영향력을 확대하는 데 긍정적인 동기가 된다는 점을 인정했습니다. 즉, 연구자들의 주요 동기는 기술적 도전과 혁신이지, 특정 라이선스 모델에 국한되지 않는다는 것입니다.

오픈소스와 오픈 웨이트 모델은 혁신을 촉진하는 데 크게 기여합니다. 이는 모두가 서로에게 배우고, 각 플레이어가 AI 개발 경쟁에서 어디에 있는지 볼 수 있는 경쟁 환경을 조성하기 때문입니다. 이러한 개방적인 환경을 통해 개발자들은 서로의 어깨 위에 서서 자신을 개선할 수 있으며, 결과적으로 모두가 더 빠르게 기술 발전을 이룰 수 있습니다. 오픈소스는 지식과 경험의 공유를 통해 전반적인 AI 생태계의 혁신 속도를 가속화하는 핵심적인 역할을 합니다.