무슨 일이 일어났나요?
동아사이언스는 한국 과학기술정보통신부가 데이터 기반 학습과 물리학 및 수학 원리를 결합한 AI 개발을 목표로 2026~2031년 연구 프로그램을 시작했다고 보도했다. 국토부는 KAIST, DGIST, 서울대 등이 주도하는 4개 사업을 선정해 6년간 200억 원, 2026년 20억 원의 예산을 편성했다.
동아사이언스는 과학기술정보통신부가 지난 8월 24일 시무식 보고를 열고 '차세대 AI+과학기술 기반기술 개발사업' 신규 선정과제 4건에 대한 연구개발에 착수했다고 밝혔다. 기사에 따르면 정부는 첫해 20억원을 포함해 2026년부터 2031년까지 200억원을 투자할 예정이다. 보고서는 이 이니셔티브를 상용 제품 출시나 즉시 사용 가능한 AI 시스템이 아닌 기초 연구로 설명합니다.
프로젝트 중 두 개는 물리학과 수학을 사용해 변화하는 조건에서 과학적 현상을 해석하고 예측하는 AI 모델에 중점을 둘 것입니다. 동아사이언스에 따르면 KAIST 석하우 교수팀은 조건이나 환경이 변화하더라도 데이터로부터 인과구조와 지배방정식을 추론하는 수학과 물리학 기반의 인과 AI 모델을 개발할 예정이다. DGIST 유재석 교수팀은 다양한 현상에 걸쳐 어떤 물리적 법칙이 지배적인지 보여주고 AI 시스템이 해석 전략을 선택할 수 있도록 돕는 'AI 다이내믹리스트'를 개발할 예정이다.
다른 두 프로젝트는 AI 아키텍처와 교육에 관한 것입니다. 동아사이언스는 서울대 오민환 교수 연구팀이 긴 컨텍스트를 보다 효율적으로 처리하는 아키텍처와 훈련 방법을 만드는 것을 목표로 컨텍스트 길이가 증가함에 따라 계산 요구량이 증가하는 현재 AI 모델의 한계를 수학적으로 연구할 것이라고 보도했습니다. KAIST 윤철희 교수팀은 학습을 통해 생성 AI가 어떻게 향상되는지 연구하고, 이를 활용해 아키텍처 설계, 훈련, 신뢰성 검증을 포괄하는 방법론을 개발할 예정이다. 국방부는 GPU 컴퓨팅 인프라를 제공할 계획이며, 기사에는 프로젝트에서 생성된 연구 데이터와 모델이 개방형 플랫폼을 통해 제공될 것이라고 나와 있습니다.
왜 중요한가요?
이 프로그램은 데이터 기반 AI의 실질적인 약점을 다룹니다. 조건이 훈련 데이터와 다를 때 시스템 성능이 저하될 수 있으며 종종 출력에 대해 제한적인 설명을 제공할 수 있습니다. 보고된 연구가 성공하면 반도체, 배터리 등 과학 연구와 산업에 활용되는 AI의 신뢰성과 전이성이 향상될 수 있다.
이 프로그램은 현재 많은 AI 시스템의 핵심 한계를 목표로 한다는 점에서 중요합니다. 익숙한 패턴에 대한 강력한 성능이 반드시 기본 조건이 변경될 때 신뢰할 수 있는 동작을 의미하는 것은 아닙니다. 동아사이언스에 따르면 과학부는 다양한 환경에서 과학적 현상을 해석하면서도 안정적으로 유지되는 모델을 원한다고 합니다. 방정식과 물리적 제약이 중요한 과학 및 엔지니어링 환경에서 이러한 기능은 AI 시스템의 작동 조건이 바뀔 때마다 AI 시스템을 재설계, 재해석 또는 검증할 필요성을 줄일 수 있습니다.
제안된 작업은 또한 예측보다는 인과성과 설명에 중점을 둡니다. 동아사이언스에 따르면 KAIST 프로젝트는 데이터에 내재된 지배방정식과 인과구조를 탐구하고, DGIST 프로젝트는 특정 현상을 지배하는 물리법칙이 무엇인지 조사할 예정이다. 이러한 목표가 달성되면 연구자들은 모델이 결과에 도달한 이유와 그 결과가 알려진 과학적 원리와 일치하는지 여부를 조사하는 더 명확한 방법을 얻을 수 있습니다. 기사에서는 제안된 시스템이 아직 그러한 결과를 달성했다는 증거를 제공하지 않지만 AI 지원 연구를 더 쉽게 감사할 수 있습니다.
아키텍처 작업은 AI의 비용과 실용성에 더 광범위한 영향을 미칠 수 있습니다. 긴 컨텍스트 처리는 리소스 집약적이며 서울대학교 프로젝트는 현재 설계에 대한 대안을 조사하기 위한 것입니다. 동아사이언스에 따르면 KAIST 2차 프로젝트는 상대적으로 적은 양의 데이터와 컴퓨팅 자원을 활용해 안정적인 모델을 지원하는 것이 목표라고 한다. 국방부는 이러한 노력을 한국의 AI 경쟁력과 반도체 및 배터리의 잠재적 이익과 연결하지만 보고서는 성능 목표, 기준 비교, 배치 약속 또는 산업적 활용 증거를 제공하지 않습니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
다음에 무엇을 볼 것인가
핵심 테스트는 프로젝트가 훈련 조건 밖에서 측정 가능한 이득을 창출하는지 여부와 결과 모델이 실제로 더 해석하기 쉽고 효율적이며 신뢰할 수 있는지 여부입니다. 동아사이언스는 프로젝트 데이터와 모델이 개방형 플랫폼을 통해 출시될 예정이지만, 보고서에는 출시 일정, 라이선스 조건, 벤치마크, 모델 크기, 컴퓨팅 요구 사항 또는 독립적인 평가 계획이 명시되어 있지 않다고 밝혔습니다.
가장 먼저 살펴봐야 할 문제는 기술 검증입니다. 동아사이언스는 변화된 조건에서의 안정성, 인과 추론, 물리법칙 해석 및 효율적인 장기 상황 처리와 관련된 목표를 보고하지만 사용될 데이터 세트, 테스트 환경, 기본 모델 또는 성공 기준은 공개하지 않습니다. 의미 있는 평가는 신중하게 선택된 연구 과제에 국한된 성과 향상과 진정한 일반화를 구별해야 합니다. 또한 프로젝트가 독립적인 연구자에 의해 테스트될지, 아니면 선도적인 물리학 기반 과학 기계 학습 시스템과 비교할지 여부도 알 수 없습니다.
두 번째 문제는 계획된 오픈 플랫폼이 사용 가능한 공공 자원을 제공하는지 여부입니다. 기사에는 프로젝트 데이터와 AI 모델이 제공될 것이라고 나와 있지만 플랫폼, 출판 시간표, 라이센스 조건, 문서 표준 또는 민감하거나 독점적인 연구 데이터에 대한 제한 사항은 식별하지 않습니다. 코드 및 모델 가중치의 가용성은 컴퓨팅 요구 사항에 따라 달라질 수도 있습니다. 보고서에는 팀이 GPU 인프라를 받게 될 것이라고 나와 있지만 해당 지원 규모에 대한 세부 정보는 제공하지 않기 때문입니다.
세 번째 문제는 실행과 책임입니다. 국토부의 프로그램은 2031년까지 진행될 예정이어서 보고서는 완성된 역량보다는 장기간의 연구 노력을 기술하고 있다. 어떤 프로젝트가 배치 가능한 시스템을 생산할 것인지, 과학적 오류를 어떻게 처리할 것인지, 결과가 높은 산업 결정에 모델을 사용할 것인지, 해당 모델의 설명을 도메인 전문가에 대해 어떻게 확인할 것인지는 아직 알려지지 않았습니다. 따라서 연구, 반도체 및 배터리의 이점에 대한 국방부의 기대는 결과, 벤치마크 및 실제 시연이 발표될 때까지 계속 전망적입니다. 자세한 내용은 동아사이언스의 계정을 기반으로 합니다. 이러한 주장은 제공된 자료의 공개 기본 문서에서 독립적으로 확인되지 않았습니다.