인터뷰 시리즈 ⑧ 남경필 포니링크 대표
인터뷰 시리즈 ⑦ 류정혜 과실연 AI미래포럼 공동의장
인터뷰 시리즈 ⑥ 이성엽 고려대 기술법정책센터장
인터뷰 시리즈 ⑤ 노정석 비팩토리 대표
인터뷰 시리즈 ④ 김한규 더불어민주당 의원
인터뷰 시리즈 ③ 윤성로 서울대 전기·정보공학부 교수
인터뷰 시리즈 ② 박태웅 한빛미디어 의장
인터뷰 시리즈 ① 임문영 미래전환 대표

윤성로 서울대 전기·정보공학부 교수는 인공지능(AI), 빅데이터 연구 분야 권위자이자 총리급의 4차산업혁명위원회 위원장을 지낸 인물이다. 민관을 오가며 일한 흔치 않은 이력을 지녔다. 그는 위원장 재임 시절, 데이터의 중요성을 거듭 강조했다. ‘유연한 데이터 거버넌스’를 내세워 마이데이터 활성화를 이끌며 범정부 체질개선에 힘썼다.

학계로 돌아간 그는 현재 AI 연구에 매진하고 있다. 광풍이라 불릴만한 생성형 AI, 거대언어모델(LLM), 인공일반지능(AGI) 등 최신 트렌드가 그의 연구 분야다.

지난 3월엔 윤성로 교수의 협동과정 인공지능 전공 소속 연구진이 엔비디아 ‘아카데믹 그랜트 프로그램(Academic Grant Program)’에 선정되는 쾌거를 전하기도 했다. 엔비디아가 AI 연구진들 중 심사를 통해 AI 연구에 필요한 하드웨어, 소프트웨어를 무상 지원하는 사업이다. 엔비디아로부터 총 2만6000 GPU시간을 연구 지원 형태로 기부받았다.

최근 윤 교수 연구실을 찾았다. AI 패권 경쟁이 미중 중심으로 흘러 자칫하면 우리나라가 경쟁 대열에서 낙오될 우려가 제기되는 가운데 윤 교수는 긍정론을 부각했다. 연구 현장에 있으면서 우리나라의 가능성을 봤다는 것이다.

물론 쉽지 않다는 현실 진단도 꺼내 놨다. 독자 모델 구축도 좋지만, 기업이 현업에서 쓸만한 기술 수준까지 끌어올려야 하고 이를 윈도우를 대체하려는 과정에 비유했다. 그만큼 어렵다는 것이다.

그는 독자 모델을 갖춘 이후라도 이를 어떻게 응용하느냐가 중요하다고 역설했다. 인터뷰 도중 데이터 재활용으로 인한 AI 모델의 성능 감소가 학계 고민이 된 상황을 전하며 저작권 문제와 데이터 사일로(칸막이) 해결을 강조했다. 제조업을 AI와 연결시키는 것에도 방점을 짚었다.

AI 연구 최전선에 있는 그에게 대중이 궁금해할 ‘초지능은 언제 오는가’에 대한 질문을 던지기도 했다. 윤 교수는 범용적인 초지능 출현에 대해 “2030년내 올 것 같다”며 출현 시점이 점점 빨라지는 현황을 전했다.

윤성로는 누구?
윤성로 서울대 전기·정보공학부 교수는 동 대학 전기공학부 출신으로, 미국 스탠포드대에서 전기공학 석·박사 학위를 수료하고, 인텔 선임연구원, 고려대 공과대 전기전자전파공학부 조교수, 서울대학교 공과대학 부학장 등을 거쳤다.
윤 교수는 문재인 정부 시절인 지난 2017년 9월 출범한 대통령 직속 4차산업혁명위원회의 2대 위원장에 발탁됐다. 위원장 재임시절, 그는 우리나라 AI 관련 인프라 혁신과 함께 범부처 데이터 컨트롤타워 역할을 하며 마이데이터 제도 안착 등에 힘썼다.
현재 딥러닝 등 기계학습 기반 인공지능, 빅데이터 분석을 위한 병렬화 및 지능시스템, 인공지능 기반 지능형 바이오·메디컬 응용 등을 연구주제로 삼고 있다.

AI 방향성 좋다…디테일 챙겼으면

범정부 컨트롤타워 역할을 했던 윤 교수에게 현 정부가 AI를 국정 핵심 의제로 내건 것을 물었더니 “어떻게 보면 필연적 흐름”이라고 말했다.

지금 AI로 많은 사회가 바뀌려는 그런 찰나인데 정부에서 역할을 할 수 있다라고 하는 타이밍은 매우 좋은 것 같고 적극적으로 역할을 해 주셨으면 좋겠습니다. 조금 속도감 있게 인수위도 없이 바로 시작을 하셨잖아요. AI나 과학기술 정책뿐만 아니라 많은 면에서 속도감 있게 추진을 하실 것 같고요.

방향성은 좋습니다. 그런데 디테일에 있어서 혹시 놓치는 게 있을 수도 있어서 세심하게 살펴 주셨으면 좋겠어요.

독자 AI, 기업이 쓸 수준의 모델 나와야

윤 교수는 AI 정책의 디테일 중 하나로 독자 AI 모델의 성능 수준을 짚었다. 기업들의 현업에서 쓸만한 수준이 돼야 비로소 의미를 갖게 된다며 냉정하게 볼 것을 조언했다. 현재 AI 모델 간 성능 경쟁은 1,2% 끌어올리는 것에도 목숨을 거는 수준이라고 했다.

우리만의 독자 모델이 있으면 당연히 좋고, 특히 AI라는 게 국방 등 민감한 분야, 우리나라가 꼭 이제 갖춰야 되는 그런 분야하고 접목이 직결됩니다.

예를 들면 러시아하고 우크라이나 전쟁하는 걸 보면 드론이 중요한 역할을 차지하게 되는데 드론 한두 대는 사람이 조정하지만 수십 대 수백 대 수만 대가 되면 사람이 조정을 못하거든요. 그런 경우에 AI를 쓸 수밖에 없고 그러면 AI의 성능이 그 나라의 국방력을 좌우하게 되는 시대가 곧 올 거고요.

이미 그렇다고 볼 수 있고, 독자 AI를 갖춘다는 건 누구도 부인할 수 없을 만큼 중요한 일은 맞습니다.

그런데 현실적으로 가면 독자 AI라는 게 성능이 얼마나 나올 거냐 특히 민간에서는 굉장히 중요한 측면이 있습니다. 1,2%에 목숨을 걸거든요. 현재 월드베스트LLM을 정부가 야심차게 추진하고 있는데, 목표치를 보면 전 세계 최고 모델 대비 95% 수준까지 올라가는 걸 목표로 삼고 있거든요.

기업 입장에선 보면 5% 떨어지는 모델을 쓸 수 없을 거예요. 만약에 잘못되면 우리나라만 쓰는 모델, 호환이 안되는 거죠. 정부와 일하려면 이걸 써야 되지만 기업은 딴 걸 또 쓰고, 이런 사례가 되면 안 됩니다. 현실성 있게 누구나 사용할 수 있고, 경쟁력 있는 모델이 나오도록 신경을 써 주셨으면 좋겠습니다.

독자 AI 하려면 제대로 해야…반론 전하기도

윤 교수의 진단은 이미 현실화됐다. 실제로 기업들에게 물어보면 국내 LLM을 쓴다는 얘기를 전해듣기 어렵다. 현업 관계자들은 추론 성능 등에서 GPT, 라마, 클로드 등이 낫다고 평가를 내린다. 이 때문에 독자 AI 모델을 추진하려면 글로벌 모델과 겨뤄서도 제대로 된 성능이 나올 수 있도록 해야 한다고 강조했다.

우리의 목표는 마이크로소프트의 윈도우를 대체하는 뭔가를 만들겠다는 것에 비유할 만큼 중요하면서도 어려운 일입니다. 윈도우를 대체하려고 수많은 나라에서 수십년간 노력했지만 결국 그렇게 성공적이지 못했잖아요.

기업에 계신 분들이 많이 하시는 얘기가 (외산) AI 모델을 다운로드 받아 내재화해서 돌리면 보안 위협도 없다고 하거든요. 외국으로 데이터가 나가는 게 아니니까 그렇게 잘 써서 성능을 올리면 되는거 아닌가 이런 얘기도 만만치 않게 들립니다.

우리가 노력하는 와중에 미국이나 중국은 가만히 있지 않을 것이고, 계속 쫓아가게 될 수도 있는 우려도 있기 때문에 독자 모델을 구축하는 것만큼 어떻게 쓰느냐도 중요하게 봐야 합니다.

한국은 우등생

AI 패권 경쟁에서 미중은 훌쩍 앞섰다. 미중과 격차를 둔 가운데 한국은 3위권(G3)으로 분류된다. 이 G3 내 경쟁이 치열하다.

한국은 상당히 우등생입니다. 앞쪽에 있는 것은 분명하고, 한국만큼 하는 나라가 몇 개 없습니다. 그런데 이쪽 생리가 1등 2등까지만 기억하고 그 다음은 의미가 없는 상황이 많잖아요. 대부분 크롬 브라우저를 쓰시지 엣지를 안 쓰는 것처럼요. 제3의 브라우저가 뭐가 있는지 사람들은 거의 신경을 안 쓸 겁니다.

우리나라가 조금 잘하고 있는 쪽은 ‘온디바이스 AI’죠. 모바일 폰도 잘하고 반도체도 잘 만드니까 이런 특화된 일부 분야에 대해선 우리나라 경쟁력이 상당히 높습니다. 반면에 다른 영역은 영국이나 프랑스가 나은 분야도 있고 싱가포르가 앞선 분야도 있고 (G3에서) 혼전 양상이 맞습니다.

AI의 불모지로 불렸던 일본이 전격적으로 움직이는 상황에 대해서도 진단했다.

일본 정부가 각성을 한 뒤로 추격을 하고 있습니다. 두려운 점은 방향성을 정하고 거기에 꽂히면 추진력이 사실 상당하거든요.

분위기상 한국 정부가 오픈AI에 얼마를 투자해 이런 건 보기 어려운 뉴스일 텐데 일본이나 싱가포르는 정부에서 해외 유수 기업과 협력하는 거에 대해서 한국보다는 덜 주저하는 것 같아요. 만약에 그런 식으로 협력을 한다면 일본이 얻을 수 있는 노하우나 경쟁력은 무시 못할 수준이 될 가능성이 있습니다. 전통 기계공학이나 로봇의 경쟁력은 일본이 상당합니다. AI를 이런 것에 접목한다면 상당한 시너지가 날 수 있습니다.

제조업과 AI 연결해야

윤 교수는 4차산업혁명위원회 위원장 재임 시절에도 ‘데이터 활용’을 강조해왔다. 제조 분야와 AI 연결을 짚었다.

제가 보기에 기업 입장에서 핵심 경쟁력은 AI 모델보다는 데이터 확보가 중요하다고 봅니다. 특히 제조업에서 데이터가 중요합니다. 영세한 제조 기업들이 상당히 많은 가운데 AI를 접목하는 방향이 맞다는 건 알지만 감히 시도를 못하는 경우가 많이 있습니다. 정부 지원이 들어가면 어떨까 싶고요. 보존해야 할 제조 기술이 있다면 회사 규모를 떠나 AI 기업과 연결시켜주는 것도 중요한 방향성이 될 수 있습니다.

특히 중국이 엄청나게 노력을 많이 기울이고 있습니다. ‘다크 팩토리’ 들어보셨죠. 사람이 없으니까 기계에겐 불이 필요 없죠. 이미 중국은 자동화를 많이 하고 있고, 두려운 면이 있습니다.

바이오·메디컬, AI 경쟁력 있다

윤 교수는 제조 AI 분야에서 중국과 계속 경쟁할 수 있겠냐는 관점에서 동시에 국가전환을 위한 선진국형 산업 육성도 필요하다고 언급했다. 그 중 하나가 바이오·메디컬 분야다.

우리나라 가장 우수한 인재들은 다 바이오·메디컬로 가고 있습니다. 의대를 졸업하고 공대 쪽으로 와서 기업을 설립하시는 이런 일이 점점 많아지고 있어요. 그것을 전통적으로는 의사 과학자라고 표현을 했는데 조금 범위를 넓히면 의사 공학자, 의사 과학자입니다. 의학과 다른 공학이나 과학 기술을 접목하는 그런 분들을 키워주는 것이 필요합니다.

최근 서울대도 카이스트도 그렇고 조금씩 시작하고 있습니다. MD(의무 석사)를 따고 PhD(박사)를 자연대나 공대에 와서 따는데 공대 풀타임 대학원생의 수준으로 집중 양성을 하는 거죠. 그랬을 때 상당한 경쟁력이 있음을 확인했고요. 저희 연구실에도 의대를 졸업하고 인턴까지 마치고 연구실에 와서 인공지능 연구를 하고 있는데 아주 뛰어납니다.

데이터 재활용, 아날로그 복사와 비슷

윤 교수는 데이터가 격리돼 공유되지 않는 ‘데이터 사일로’ 해소를 강조하며 생성형 AI의 데이터 재활용 현황을 지적했다.

지금 상황이 아날로그 복사기하고 비슷한 상황이에요. 무슨 얘기냐 하면 생성형 AI를 써서 데이터가 만들어지잖아요. 그걸 이용해서 생성형 AI 학습을 또 시켜요. 그걸로 또 학습을 시키고 몇 번 하면 성능이 확 감소합니다. 그런 문제를 전문 용어로 ‘모델 컬랩스(붕괴)’라고 얘기하고 학계에서 이미 우려를 시작하고 있습니다. 좀 지나면 진짜 데이터 비율보다 가짜 데이터 비율이 많아질 거거든요.

그렇게 되면 우리의 AI 모델이 어떻게 될거냐, 모델 자체의 성능이 내려가는 게 첫 번째 문제입니다. 저작권 문제도 있습니다. 지금 갖고 있는 데이터도 수년 내에 고갈이 될 텐데, 저작권 이슈를 생각하면 더 제한되고 더 빨리 고갈될 수 있습니다. 현대적인 AI라는 게 데이터를 먹고 학습해서 능력을 발휘하는 스타일인데 데이터가 없다면 이건 큰 문제입니다.

물론 우리 학자들은 믿는데, 데이터를 안 쓰는 AI가 틀림없이 나올 겁니다. 그런데 아직은 요원한 일이죠. 그런 면에서 볼 때 기업이라면 자신만의 데이터를 확보하는 게 너무나 중요합니다. 지재권 이슈 없는 진짜 데이터를 확보하고 축적해야 합니다.

개별 연구자 지원 많아졌으면

윤 교수에게 AI 발전을 위해 해소해야 할 규제를 묻자, 연구자에 대한 실효성 있는 지원이 필요하다고 했다.

한 우물을 파거나 꾸준히 연구할 수 있는 펀딩이 상당히 부족합니다. 지원이 많지 않더라도 원하는 연구를 계속할 수 있어야 하는데 언제나 실효에 따라 큰 과제에 여러 명을 모아놓고 쫓아다니는 그런 식이 됐습니다. 개개인 연구자를 도와주는 게 낫지 큰 돈을 주고 알아서 팀을 짜라고 하면, 목돈을 받아 다 나눠 줄 겁니다. 대학 연구자의 생리가 되게 독립적이라 절대로 같이 모여서 으쌰으쌰하는 것이 성공하기가 쉽지 않습니다.

LLM 진단, 중요한 시점

윤 교수는 현재 집중하는 연구 분야와 관련해 점점 복잡해지는 LLM을 분석한다고 전했다.

최근에 LLM이 워낙 복잡해지면서 사람의 두뇌 스케일에 필적할 정도입니다. 지금은 인공지능 쪽에서도 LLM한테 이러이러한 걸 했더니 이렇게 되더라 논문도 많이 나와요. 결국 LLM에 대한 분석이 중요한 시점이고 마치 의사가 사람의 병 같은 걸 진단하고 고치듯이 LLM을 이렇게 들여다보고 문제와 개선 방향은 뭐고 LLL에 대한 해석이나 평가 같은 연구들을 많이 하고 있습니다. 앤트로픽도 LLM 바이올로지 이런 식의 이름을 붙이며 LLM에 대한 진단을 조금씩 하고 있습니다.    

초지능 출현 시점, 점점 빨라져

윤 교수는 인공일반지능(AGI)인 초지능 출현 시점에 대해선 “2030년내 올 것 같다”고 했다. 언어 영역 등 특정 분야에서 초지능은 이미 도래했다.

얀 르쿤(메타 수석AI과학자)이라는 그분이 얘기하신 게 AGI가 언제 오느냐 질문을 많이 받는데 (어느 날 갑자기 오는 게 아니라) 점진적인 현상이라고 예측했습니다. 저도 그렇게 생각합니다. 모든 면에서 한순간에 인공지능이 사람을 훨씬 뛰어넘는 일은 생기기 어렵습니다. LLM은 수백가지 언어를 하잖아요. 그런 분야는 이미 왔고, 코딩도 이제 오고 있는 것 같고, 아직 못하는 건 종합적인 상황 판단, 법적인 판단은 조금 어렵죠. 아직 물리적인 능력은 없잖아요. 순차적으로 올 것이라 보고, 결국은 올 것이다, 그러면 언제 올 것이냐, 작년 재작년에는 제가 은퇴할 때까지 (범용적인) 초지능이 안 온다라고 봤거든요. 그런데 지금은 2030년 내로 올 거 같습니다.

글. 바이라인네트워크
<이대호 기자> ldhdd@byline.network