AI100 보고서, 데이터·연산 비용을 확장 제약으로 지목

본문

스탠퍼드대 AI100의 세 번째 보고서는 학습 데이터와 컴퓨팅 비용의 제약, 최첨단 AI 개발 주체의 집중을 다뤘다고 크립토브리핑이 보도했다. 스탠퍼드대의 인공지능 100년 연구(AI100)가 더 많은 데이터와 연산 자원을 투입해 AI 성능을 높이는 방식의 한계를 짚었다. 이는 스탠퍼드대가 공개한 세 번째 AI100 보고서 'AI의 주류화: 확장의 시대와 생성형 AI의 부상'(AI Goes Mainstream: The Scaling Era and the Rise of Generative AI)에 담긴 내용이다. AI100은 2014년 시작된 장기 연구로, 연구진은 5년마다 AI 기술의 발전과 사회적 영향을 평가한다. 이번 보고서가 살핀 '확장'은 모델 학습에 쓰는 데이터와 연산량을 늘리는 방식이다. 그러나 AI100 보고서는 규모가 커지면 성능도 일정하게 개선된다는 기존의 경험칙이 실제 활용 능력을 충분히 설명하지 못한다고 지적했다.

보고서 저자들은 최첨단 AI 개발이 미국과 중국의 소수 주체에 집중된 점을 거버넌스 문제로 규정하고, 더 명확한 거버넌스 구조와 대중 참여가 필요하다고 주장했다고 크립토브리핑은 전했다. 중복 자료를 덜어내고 유용한 자료를 선별하면 전체 데이터 규모를 비례해 키우지 않아도 성능을 개선할 수 있다는 것이다. 보고서 핵심 요약은 AI가 많은 사람의 일과 교육에 영향을 미치지만, 개발과 배포 방향을 정하는 과정에 대중이 참여할 기회는 적었다고 지적했다. AI100은 확장 국면이 언제 끝날지, 이미 끝나고 있는지 단정하기 어렵다고 밝혔다. 모델 크기와 데이터 양만으로 성능을 판단하기 어려워졌으며, 연산·데이터·알고리즘을 함께 살펴야 한다는 것이다. 본 기사는 시장 데이터 및 차트 분석을 바탕으로 작성되었으며, 특정 종목에 대한 투자 권유가 아닙니다.