[인공지능 기술] 작지만 오히려 좋아! 소형 언어 모델(sLLM)

01. 요즘 대세 생성형 인공지능(AI),

그리고 언어 모델

챗GPT로 대표되는 생성형 AI가 화두로 떠오른 가운데 언어 모델(Language Model)에 대한 관심도 덩달아 높아지고 있다. 언어 모델이란 대용량의 텍스트에서 언어 이해 능력과 지식을 학습하도록 훈련된 AI 모델을 일컫는다. 방대한 텍스트가 포함된 데이터로부터 정보를 추출하고 분류하는 것에서 더 나아가 직접 텍스트까지 생성해 낸다. 한 마디로 딥러닝을 통해 수많은 데이터를 미리 학습해 추론하고, 이를 문장으로 표현하며 대화를 이어나갈 수 있는 모델로서, 사실상 생성형 AI의 핵심 기술이라고 해도 과언이 아니다. 오늘날 챗GPT가 촉발한 언어 모델 경쟁은 국내로도 이어지고 있다. 국내 기업 역시 한국어 기반의 언어 모델 개발 계획을 잇따라 내놓으며 대세에 합류하는 추세다.

[그림 1] 국내 기업의 언어 모델 개발 추진 현황 (출처: KISTEP 과학기술정책센터)

세상에서 제일 유명한 생성형 AI의 대표주자, 챗GPT는 대형 언어 모델(LLM)을 기반으로 한다. 언어 모델의 크기는 통상 매개변수(파라미터) 개수에 따라 결정이 되는데 보통 1,000억 개 이상일 때 대형 언어 모델이라 분류된다. 챗GPT에 적용된 ‘GPT-3’의 매개변수는 1,750억 개이며, 구글이 개발한 ‘팜(PaLM)’의 경우 5,400억 개에 달하는 것으로 알려져 있다.

매개변수는 사람의 뇌에서 정보를 학습하고 기억하는 시냅스와 유사한 역할을 한다. 이에 이론상으로는, 매개변수의 수가 많으면 많을수록 성능이 높아지고 또 더욱 복잡하고 정교한 기능을 수행할 수 있다고 여겨진다. 내로라하는 빅테크들이 매개변수의 수를 언급하며 각자의 언어 모델에 대한 성능을 강조하는 이유도 여기에 있다.

그렇지만 과연 언어 모델에 있어 매개변수는 언제나 다다익선(多多益善)인 것일까? 해당 언어 모델이 어떤 목적으로 활용되는지에 따라 다르겠지만 그렇기 때문에 더더욱 언어 모델의 크기가 모든 경우의 유일한 해답이 되어주지는 않을 것이다. 때론 비즈니스 목표에 맞게 사전 최적화된 경량 모델을 이용하는 것이, 더욱 유리할 수도 있다는 말이다.

02. 떠오르는 샛별, 소형 언어 모델(sLLM)

이러한 배경에서 대형 언어 모델 열풍 속 소형 언어 모델(sLLM)이 등장했다. 소형 언어 모델이란 그 이름에서부터 알 수 있듯이, 대형 모델에 비해 매개변수의 수가 수십억 내지 수백억대로 비교적 크기가 작은 언어 모델을 말한다.

소형 언어 모델이 주목 받기 시작한 건 올해 초 메타의 ‘라마(LLaMA)’가 공개되고서부터다. 메타는 라마를 매개변수 개수에 따라 총 4가지 버전으로 내놓았는데, 그중 가장 작은 모델은 매개변수가 70억 개에 불과했고 가장 큰 모델 역시 650억 개로, 경쟁사들 대비 확연한 차이를 보였다. 그럼에도 메타는 이제까지와는 다른 의미로, 매개변수의 수를 강점으로 내세웠는데 개수가 적은 대신 용량을 다른 모델 대비 1/10 수준으로 낮출 수 있었기 때문이다. 이에 따라 훨씬 적은 컴퓨팅 파워가 요구돼 모바일이나 노트북으로도 활용할 수 있도록 실용성을 극대화했다고 강조했다. 게다가 메타는 이러한 장점을 더욱 돋보이게 하고자 라마를 오픈소스 형태로 공개하기도 했다.

[그림 2] 개방성과 효율성을 강조한 메타의 LLaMA (출처: Meta AI 블로그) 

그에 반해 소형 언어 모델은 훈련에 요구되는 데이터나 시간, 비용이 상대적으로 적다는 큰 장점이 있다. 스탠퍼드대학교는 메타의 라마 중 매개변수가 가장 작은 버전(7B)을 기반으로 한 소형 언어 모델 ‘알파카 7B’를 선보였다. 알파카는 5만 2000개의 데이터를 토대로 AI 반도체를 탑재한 컴퓨터 8대를 통해 단 3시간 만에 훈련을 끝냈고, 개발에 소요된 비용은 오픈AI의 API 사용 비용 약 500달러와 라마 7B 사용 비용 100달러 안팎으로 총 600달러(약 77만 원)에 불과했다. 그럼에도 연구진에 따르면 알파카가 GPT-3.5와 질적으로 비슷한 성능을 보였다고 한다. 메일 작성, 생산성 도구 등 다양한 분야에서 GPT와 비교해 보았을 때 알파카는 90개 항목에서, GPT는 89개 항목에서 성능이 상대보다 앞섰다고 연구팀은 밝혔다.

이를 이어 데이터 플랫폼 기업 데이터브릭스(Databricks)는 서버 1대에서 3시간 훈련해 개발한 매개변수 60억 개의 소형 언어 모델 ‘돌리(Dolly)’를 선보였고, AI 반도체 스타트업 세레브라스(Cerebras)는 매개변수 1억 개부터 130억 개 사이의 소형 언어 모델 7종을 개발해 오픈소스로 공개했다. 대형 언어 모델을 누구나 사용하기에는, 또 모든 서비스에 적용하기에는 너무 비싸고 무겁다. 이에 경량화하여 운영 비용을 줄이고 다양한 기기나 서비스에 적용하고자 하는 접근법이 하나의 트렌드로 떠오르는 추세다.

이러한 흐름에 발맞춰 구글 또한 최근 연례 개발자 컨퍼런스 ‘구글 I/O’를 통해 ‘팜2(PaLM2)’를 게코(Gecko), 오터(Otter), 비슨(Bison), 유니콘(Unicorn)의 4가지 크기로 세분화하여 출시한다고 밝힌 바 있다. 다양한 사용 사례에 맞게 모델의 크기를 선택하고 쉽게 배포할 수 있도록 한 것이다. 그중에서도 가장 규모가 작은 게코는 모바일은 물론 오프라인에서도 작동 가능한 것으로 알려졌다.

챗GPT가 가능한 최대한의 데이터를 끌어와 학습한, 수많은 정보를 보유하고 있는 백과사전이지만 누군가에게는 그보다 어느 한 분야에 특화된 전문 서적이 유용할 수 있다. 데이터브릭스의 CEO 알리 고드시(Ali Ghodsi)는 ‘챗GPT가 세상 모든 정보를 학습했지만, 기업은 세상의 모든 정보를 필요로 하지는 않는다. 챗GPT는 회사가 보유한 데이터를 학습한 적도 없다’라고 지적한 바 있다.

특정 산업이나 영역에 맞게 설계되고 최적화된 버티컬 AI(Vertical AI)로서 활용하기에는 소형 언어 모델이 더욱 적합하다. 비록 일상적인 대화 역량은 떨어질지라도, 학습 데이터의 깊이와 질에 따라 특정 분야에서는 대형 모델을 뛰어넘는 답변을 보여줄 잠재력이 충분하기 때문이다. 또한 다른 애플리케이션과 통합하여 사용하기에도 가볍고 유연한 모델이 더욱 효과적이다. 소형 언어 모델이 주목받게 된 가장 큰 이유이기도 하다. 미세 조정을 통해 매개변수를 줄이고 비용을 절감하며 정확도를 높이는 맞춤형 언어 모델로서 높은 활용도를 보일 것이라 기대받는다.

미국의 AI 스타트업 갓잇AI(Got It AI)는 챗봇 애플리케이션에 적용할 수 있는 기업용 소형 언어 모델 ‘엘마(ELMAR)’를 공개했다. 엘마는 작은 규모의 사내 구축형(온프레미스) 언어 모델이다. 데이터 외부 유출에 민감한 기업들을 타겟으로, 사내에 구축해 가볍게 실행할 수 있으면서도 미세 조정을 통해 성능을 높였다.

갓잇AI의 CEO 피터 레란(Peter Relan)은 모든 기업이 크고 강력한 모델을 필요로 하는 것은 아니며 오히려 데이터가 외부로 반출되는 것을 원하지 않는 기업이 많다고 언급하며, 소형 언어 모델의 또 다른 강점을 이야기했다. 폐쇄적이고 활용이 어려운 대형 모델에 비해 이러한 소형 모델은 기업의 입장에서 보다 경제적이고 신속하게 만들 수 있는 데다 보유한 데이터를 활용해 맞춤형으로 구축할 수 있기 때문이다. 이에 향후에는 정보 유출을 우려하는 기업이나 국가 정부가 저마다의 독자적인 언어 모델을 구축해 자체적으로 운영하는 모습을 볼 수 있지 않을까 조심스레 전망해 본다.

[출처] https://www.igloo.co.kr/security-information/%EC%9E%91%EC%A7%80%EB%A7%8C-%EC%98%A4%ED%9E%88%EB%A0%A4-%EC%A2%8B%EC%95%84-%EC%86%8C%ED%98%95-%EC%96%B8%EC%96%B4-%EB%AA%A8%EB%8D%B8sllm/

[TV/언론] 인플루언서의 놀이터로 전락… 소셜미디어가 서서히 죽어간다

직장인 김민지(34)씨는 12년 전 대학생 시절 페이스북에 가입했다. 사진을 찍어 일상을 친구에게 보여주고, 메신저로 대화했다. 직장인이 된 이후에도 그랬다. 그런데 3년 전부터 페이스북을 방치하기 시작했다. 김씨는 “대학 때만 해도 화장 안 한 얼굴을 올려도 어색하지 않았는데, 언제부턴가 고급 레스토랑에 명품 옷을 입은 사진을 올려야 체면치레는 하겠다는 생각이 들면서 자연스레 멀어졌다”고 말했다.

페이스북이나 X(옛 트위터) 같은 소셜미디어 이용이 조금씩 시들해지고 있다. 스마트폰 등장과 IT 기술 발달로 가입자 수가 해마다 급증했지만, 2020년대 들어 변하고 있다. 가파르던 이용자 수 증가 폭이 꺾이고 있다. 미국 데이터 분석 업체 디맨드세이지에 따르면 세계 소셜미디어 이용자 수는 2010년대 후반에는 매년 4억~5억명씩 증가했는데, 2020년대 들어서는 증가 폭이 3억명대로 줄었고, 내년부터는 2억명대로 더 줄어들 것으로 예측된다. 경제 매체 비즈니스인사이더는 “소셜미디어는 서서히 죽어가고 있다”고 했다.

일러스트=김영석

◇손흥민·블랙핑크가 지배한다

소셜미디어 인기가 시들한 원인으로는 유명인과 연관된 콘텐츠가 지나치게 많이 노출된다는 불만이 점증한다는 점을 먼저 꼽을 수 있다. 한국을 예로 들면 축구선수 손흥민이나 걸그룹 블랙핑크 같은 유명인이나 인플루언서가 눈에 많이 띄고, 주변인들이 올리는 평범한 일상은 뒤로 밀리고 있는 것이다. 소셜미디어 업체들이 알고리즘이 추천한 콘텐츠를 주로 노출하기 때문이다.

인스타그램의 경우 2010년 출시 이후 6년 동안은 언제 올렸느냐에 따라 시간 순으로 콘텐츠를 노출했다. 그런데 2016년부터 알고리즘이 추천하는 순서에 따라 콘텐츠를 노출하고 있다. 이런 변화에 대해 애덤 모세리 인스타그램 최고경영자(CEO)는 “시간에 따라 배치하다 보면 너무 많은 콘텐츠가 올라오다 보니 가입자들은 콘텐츠의 70% 정도를 확인하지 못하는 문제가 생긴다”며 “이런 문제를 막기 위해 (알고리즘을 통해) 이용자 관심사를 바탕으로 게시물 순위를 정한다”고 설명한다. 페이스북이나 틱톡 등 다른 소셜미디어도 마찬가지다.

페이스북의 새 회사명 메타의 로고. /로이터 뉴스1

이런 알고리즘이 주도하는 콘텐츠 배치에 대한 반발 강도는 점점 높아지고 있다. 미국 사진작가 타티 브루닝(22)은 지난해 ‘인스타그램을 다시 인스타그램답게 만들기’라는 캠페인을 시작했다. 인스타그램에 접속하면 ‘뽀샵(사진 보정)’ 처리된 사진이나 전문가가 제작한 동영상만 볼 수 있다고 느꼈기 때문이다. 타티는 “콘텐츠에 대한 큐레이션(편집으로 가치를 부여하는 일)이 너무 심하다 보니 정보를 파악할 수 없게 됐다”고 했다.

불만의 강도가 높아지면서 최근 소셜미디어 이용자 증가폭은 눈에 띄게 줄어들고 있다. 인스타그램의 경우 세계 이용자 수가 2021년에는 3분기와 4분기 사이 1억3500만명이 늘었는데, 작년에는 3·4분기 사이에 1500만명 증가하는 데 그쳤다. 페이스북도 2010년대 중반 매년 2억명 넘게 증가하던 가입자 수가 올해는 7000만명 증가하는 데 머물렀다.

요즘에는 소셜미디어를 사용하더라도 친구나 지인에게만 사진을 보여주거나, 아예 메신저로만 활용하는 소극적 이용자로 변하는 경우가 많다. 모세리 인스타그램 CEO도 “이용자들이 (사진 공유보다) 다이렉트 메시지(DM), 비공개 커뮤니티, 그룹 채팅으로 옮겨가고 있다”고 했다.

◇도배된 광고, 정치적 오염도 걸림돌

넘쳐나는 광고도 소셜 미디어에 염증을 느끼게 하는 원인으로 꼽힌다. 소셜미디어 영향력이 커지다 보니 기업들은 광고에 돈을 퍼부었다. 페이스북의 광고 매출은 2017년 399억달러였는데, 매년 150억달러 넘게 증가해 2021년에는 1156억달러에 달했다. X의 광고도 2020년 32억달러에서 2021년 45억달러로 40% 증가했다. 온라인 조사 업체 서베이몽키가 미국인 1200명을 대상으로 실시한 조사에서 응답자의 74%는 “소셜미디어에 광고가 지나치게 많다”고 했다.

정치에 대한 싫증이 소셜미디어를 멀리하는 이유라는 분석도 있다. 정치적인 극한 대립 탓에 특정 진영을 비방하거나 선전하는 콘텐츠가 홍수를 이루고 있어 소셜미디어를 아예 떠나는 이들이 늘고 있다는 것이다. 미국에서는 트럼프 전 대통령과 바이든 현 대통령이 맞붙었던 2020년 대선 때 특히 비방 선전물이 넘쳐났다. 요즘은 한국도 마찬가지다.

X의 경우 최근 트위터에서 이름을 바꾼 것이 거부감을 불러 이용자 감소로 이어지고 있다. 트위터를 인수한 일론 머스크 테슬라 CEO는 지난 7월 트위터 이름을 ‘엑스’(X)로 바꾸고, 트위터를 상징하는 파랑새 모양의 로고도 검은색으로 바꾼다고 했다. 이런 발표가 나온 직후 X의 주간 활성 사용자 수는 4% 줄어들었다.

◇중소형 소셜미디어, 반짝 뜨다 주춤

대형 소셜미디어가 주춤하는 사이 알고리즘 방식을 지양하는 새로운 소셜 미디어가 틈새를 파고들기 위해 애쓰고 있다. 2016년 독일의 20대 엔지니어가 개발한 ‘마스토돈(Mastodon)’은 트위터와 비슷하지만, 알고리즘을 사용하지 않는다. 마스토돈은 지난해 머스크가 트위터를 인수하자, 이에 대한 거부감을 느낀 사람들이 몰려와 36만여 명에 머물던 하루 활성 사용자 수가 한 달 만에 260여 만명으로 증가했다.

2019년 등장한 프랑스 소셜미디어 ‘비리얼(Bereal)’은 매일 정해지지 않은 시간대에 모든 사용자에게 동시에 알람을 보낸다. 알림을 받으면 2분 내에 사진을 찍어 올려야 한다. 다른 사람과 비교하지 말고 초췌한 모습이라도 당당하게 공개하라는 취지다. 2021년 71만여 명이던 비리얼의 일간 활성 사용자 수는 지난해 10월에는 2000여만 명으로 급증했다.

이런 중소형 소셜미디어들도 최근 인기가 시들고 있다. 활성 사용자 수가 마스토돈은 올해 6월 110만명 선으로 내려왔고, 비리얼도 지난 3월 기준 600만명으로 떨어졌다. 이에 대해 뉴욕타임스는 “이용자들은 말로는 진정성이 중요하다고 하지만 실제로는 재미있고 짜릿한 순간을 다른 사람과 공유하고 싶어 한다”며 “결국 온라인에서는 일상의 현실적인 모습을 잘 올리지 않게 된다”고 했다. ‘온라인상 진정성의 역설’이 있기 때문에 알고리즘 없이 자연스러움을 추구하는 소셜미디어가 인기를 얻는 데 한계가 있다는 것이다.

[출처] https://www.chosun.com/economy/weeklybiz/2023/09/14/KFQYRZGDONADDCSMMPTEKJURFY/

[인공지능 기술] [리뷰] 네이버 클로바X, 챗GPT 대항마라기엔 “조금 아쉬워”

[리뷰] 네이버 클로바X, 챗GPT 대항마라기엔 “조금 아쉬워”

• 이선율 기자

구글 바드도 보편적으로 인기가 높은 맛집 소개를 했다. 챗GPT는 맛집을 소개하긴 하지만 ‘외국음식’이라는 추상적인 표현을 쓰거나 어떤 곳은 검색을 해도 존재하지 않는 곳이 나타나는 등 정확도가 다소 떨어졌다.

[정보 (및 수학)] [주말N수학] 세상을 바꾸는 ‘인공지능’ 뒤에 ‘함수’가 있다

인문학자 이은수 서울대 철학과 교수 (왼쪽), 수학자 이승재 서울대 박사후연구원 (오른쪽). 수학동아 제공

함수는 어떤 값이 주어지면 그에 대응하는 다른 값이 주어지는 관계다. 함수라는 도구가 생기면서 복잡한 문제를 간단히 표현하고 심지어는 앞으로 벌어질 현상을 예측할 수 있게 됐다. 함수가 어떻게 발전했고 좋은 함수란 어떤 것인지 알아보면 함수가 얼마나 일상생활에서도 중요한지를 알 수 있게 된다.

○ 첫 번째 질문. 함수는 언제 처음 등장했는가.

Q(수학자). 함수는 어떤 역사가 있나요.

A(인문학자). “대응 관계와 함수를 구분해서 답해볼게요. 정해지지 않은 두 양, 즉 두 변수의 대응 관계는 오래전부터 연구됐어요. 고대 천문학에 남아있는 자료 중에는 특정 각도의 사인, 코사인 값 등을 계산해 놓은 표가 있어요. 이 표에는 각도와 계산 값 사이의 대응 관계도 담겨 있지요.

하지만 대응 관계라는 설익은 아이디어가 아니라 함수가 하나의 독립적인 수학적 탐구 대상이 된 건 17, 18세기예요. 프랑스 수학자 르네 데카르트(1596~1650)는 자신의 저서 ‘기하학’에서 임의의 두 양이 어떤 식에 의해서 상호 관계를 맺는 상황을 설명했어요. 말하자면 두 변수의 관계를 생각한 것이지요.

이후에 영국의 물리학자이자 수학자인 아이작 뉴턴(1643~1727)은 저서 ‘유율법’에서 서로 관계를 주고받는 여러 운동학적 변수 중에 다른 변수에 영향을 주는 변수를 ‘독립 변수(quantitas correlata)’, 그에 따라 바뀌는 변수를 ‘종속 변수(quantitas relata)’라는 라틴어로 구분해서 표현했어요.”

Q(수학자). 하지만 아직도 함수라는 단어가 나오지 않았어요. 언제 처음 함수라는 단어가 정의됐나요.

A(인문학자). “좋은 질문이에요. 보통 아이디어는 단어를 정의하기 전부터 존재하지만 특정한 단어로 쓰여야 그 뒤에 본격적인 발전이 일어나요. 17세기 말 독일 수학자 고트프리트 라이프니츠(1646~1716)가 남긴 원고를 보면 라틴어 동사 ‘fungor’에서 파생한 명사 funtio를 써서 대응 관계를 나타냈어요.

fungor는 영어로 말하면 perform으로, 한국어로는 ‘기능하다’라는 의미가 있어요. 그리고 이것의 명사 형태가 functio, 복수가 functiones예요. 영어로 바꾸면 함수를 뜻하는 단어인 function이 되지요.

이후 기하학적인 양 사이의 관계뿐 아니라 일반적인 양 사이에서도 함수 개념이 정립돼요. 대표적으로 1718년 ‘과학아카데미 회고록’에 스위스 수학자 요한 베르누이(1667~1748)가 함수를 새로운 수학적 대상으로서 정의한 구절이 다음과 같이 남아있습니다.”

어떤 양(y)이 특정한 방식(a)에 따라 변하는 양(x)과 변하지 않는 양(b)에 의해 구성되는 것( y = ax + b)을 변화하는 크기의 함수라고 부른다. Memoires de l Academie des Sciences 제공

 

○ 두번째 질문. 어떤 함수가 좋은 함수인가.

Q(인문학자). 수학에서는 모순이 없고 명확한 것을 가리켜 ‘well-defined(잘 정의됐다)’라고 해요. 함수 중에서도 잘 정의된 함수 소위 말해 좋은 함수가 있을 것 같아요. 좋은 함수가 되기 위한 조건이 있나요.

A(수학자). “함수는 우리가 이해하고 싶은 현상을 얼마나 잘 표현하고 얼마나 잘 예측하는지가 중요해요. 그러니까 기본적으로 예측이 틀린 함수가 나쁜 함수겠지요. 그렇지만 원하는 현상을 함수가 제대로 설명한다고 좋은 함수라고 단정 짓기는 어려워요. 함수 자체가 얼마나 변수들의 관계를 잘 표현하는지를 보여줄 수 있어야 좋은 함수지요.

아주 쉬운 예를 들어볼게요. 독자에게 ‘수학동아’를 한 권씩 나눠준다고 생각해볼게요. 독자가 1명이라면 1권, 10명이라면 당연히 10권을 나눠주면 될 거예요. n명의 독자가 있다면 n권이 필요하겠지요. 이를 함수로 표현하면 f(n) = n이에요.

단순하다고 생각할 수 있지만 여러 가지 의미로 정말 좋은 함수예요. 일단 n에 독자 수를 대입하면 우리가 원하는 값을 얻을 수 있고 식을 봤을 때 ‘이 식은 일대일대응이구나’, ‘우리는 독자 수만큼 책을 준비하면 되는구나’라고 문제를 온전히 이해할 수 있지요.”

Q(인문학자). 결국 우리가 관심 있는 현상을 표현할 수 있고 식을 이해하는 데에도 문제가 없으면 좋은 함수군요. 그런 좋은 함수를 찾는 게 어렵나요.

A(수학자). “정말 어려운 일이에요. 예를 들어 분할 함수는 자연수 n이 있을 때 이 자연수를 다른 자연수의 합으로 표현하는 방법의 가짓수를 찾는 거예요. n이 1, 2, 3일 땐 다음과 같지요.

수학동아 제공

앞의 규칙을 봤을 때 n = 4이면 4가지라고 예측하기 쉬워요. 그런데 n이 4일 때는 4가지가 아니라 5가지가 나와요. 1 + 1 + 1 + 1, 1 + 1 + 2, 1 + 3, 4를 비롯해 2 + 2가 하나 더 있습니다.

문제 자체는 이해하기 쉽지만 어떤 자연수 n을 집어넣었을 때 정확한 결과값을 내놓는 함수를 아직 찾지 못했습니다. 인도 수학자 스리니바사 라마누잔(1887~1920)이 최대한 근삿값을 찾을 수 있는 함수를 발견했지만 너무 복잡해요.

과학 혹은 일상생활에서 쓰는 함수는 많은 경우에 관측을 통해 입력값과 결과값을 보며 둘 사이의 관계를 유추한 것인데요. 이런 추론을 위해선 많은 관측값이 필요하고 아무리 관측값이 많아도 절대 정확성을 보장하지 못한다는 단점이 있어요.

예를 들어 1, 2, 4, 8, 16이라는 수열의 다음 값을 한번 예측해보세요. 아마 많은 사람이 32라고 대답하겠지요. x값이 차례로 1, 2, 3, 4, 5일 때 함수가 2의 거듭제곱인 형태, 즉 f(x) = 2x – 1이라고 생각한 결과예요.

그렇지만 ‘원 위에 x개의 점을 놓고 그 점들 사이에 선을 그었을 때 원을 나눌 수 있는 가장 많은 영역의 수’를 표현한 함수 f(x) = (x3 – 6 x2 + 23x – 18) + 1 역시 x = 1, 2, 3, 4, 5일 때 1, 2, 4, 8, 16이지만 x = 6일 때는 32 대신 31이라는 값을 내놓아요.

그러니 단순히 관측값만 가지고 ‘이 함수가 정말 우리 문제를 잘 표현하는 좋은 함수인가?’를 알기란 쉽지 않습니다. 그래서 많은 연구자가 지금까지도 어떤 현상을 정확히 표현하는 좋은 함수, 정확한 함수를 찾는 일을 하고 있지요.”

수학자 이승재 서울대 박사후연구원 (왼쪽), 인문학자 이은수 서울대 철학과 교수 (오른쪽). 수학동아 제공

Q(인문학자). 좋은 함수를 찾는 게 만만치 않은 일이라면 수학자는 한정된 시간 안에서 더 중요한 일에 집중해야 할 텐데요. 그러면 어떤 함수가 중요한 함수일까요.

A(수학자). “‘중요한 함수’를 정의하는 건 ‘좋은 함수’를 정의하는 것보다 더 어려운 문제예요. 굉장히 주관적일 수 있거든요. 그래도 보편적인 기준을 정하자면 역사적인 의미가 있는 함수, 수학뿐만 아니라 인류 문명의 발전에 기여한 함수, 범용적이고 보편적으로 활용할 수 있는 함수가 중요한 함수이지 않을까 싶습니다.

중고등학교 때 배우는 일차, 이차, 삼차 함수는 결국 직선, 포물선 등과 관련있기 때문에 중요하다고 말할 수 있어요. 삼각함수, 로그함수, 지수함수는 실제 물리적인 현상을 기술하고 우리 생활에서 떼려야 뗄 수 없을 만큼 다양한 곳에서 쓰이기 때문에 너무나 중요하지요.

물리학에도 함수가 중요하게 쓰여요. 대표적으로 뉴턴의 운동 제2법칙인 F = ma는 ‘이동하는 물체의 힘(F)은 그 물체의 질량(m)과 가속도(a)에 비례한다’는 물리 법칙을 표현하는 함수예요. 이 함수를 통해 단순히 가속도가 증가함에 따라 힘이 증가하는 것이 아니라 가속도에 비례한다고 정확히 표현할 수 있게 됐지요.

이런 여러 가지 함수의 중요성과 역사에 관심을 가질 분에게 추천하는 책이 있는데요. 이안 스튜어트 영국 워릭대 수학과 교수가 쓴 ‘세상을 바꾼 17가지 방정식’이라는 책입니다. 중요한 함수들에 대한 수학자들, 혹은 과학자들의 생각을 잘 살펴볼 수 있는 좋은 책 중 하나입니다.”

수학자 이승재 서울대 박사후연구원 (왼쪽), 인문학자 이은수 서울대 철학과 교수 (오른쪽). 수학동아 제공

 

○ 세번째 질문. 함수는 세상을 어떻게 바꿨는가.

Q(인문학자). 흔히 사칙연산만 하면 사는 데 아무 지장이 없는데 수학을 왜 이렇게 많이 배우냐고 묻는 사람이 있어요. 하지만 함수는 사칙연산 다음으로 도움되는 개념이에요. 곳곳에서 대응 관계를 파악하려는 노력을 많이 볼 수 있거든요.

예를 들어 사람들이 주식에 투자할 때 과거의 데이터로 이익률을 높이는 특정한 함수를 찾아서 막대한 수익을 얻고자 하지요. 이처럼 수학의 많은 개념 중에서는 우리 생활에서 함수가 차지하는 역할이 상당히 커요.

인문학적 관점에서 함수가 남긴 의미를 이야기해볼게요. 함수를 도입하고 난 뒤 사람들은 특정한 개체 및 단독 개념만 탐구하기보다는 두 개체 및 두 개념 사이의 관계를 본격적으로 탐구하기 시작했어요. 그러면서 지식의 확장이 일어났지요. 전혀 관계가 없어 보이는 것 사이에도 우리가 아직 알지 못하고 규명하지 못한 관계가 있다고 생각하게 된 거예요.

최근 실질적인 가치를 창출하는 스마트 데이터와 관련해 다시 주목받는 지식 그래프(개념, 사물, 사건 등의 개체의 관계를 나타내는 그래프로 정보와 지식을 구조화해 표현하는 방법)는 지식과 지식 사이를 연결한 관계망이에요. 기존에 따로따로 떨어뜨려 놓고 생각했던 지식 사이에서 관계를 찾아 연결하는 말하자면 함수적인 사고를 한 것이지요.

사회가 복잡해질수록 특정 개체에 대한 1차원적인 접근으로는 해결할 수 없는 문제가 너무나 많아요. 그래서 고도화된 관계를 이해할 수 있는 능력 자체가 훨씬 중요해졌지요. 그런 의미에서 함수가 우리의 사유하는 방식 자체에 미친 영향이 크다고 생각해요. 연구원님이 생각하기에 수학, 과학에서 함수는 또 어떤 의미에서 중요한가요.

A(수학자). “함수는 세상을 정말 많이 바꿨고 지금도 계속해서 바꾸고 있어요. 과학에서는 먼저 현상을 관측하고 이를 통해 가설을 세우고 그 가설이 사실인지 검증해요. 이때 함수는 관측, 가설, 결과, 예측 모든 것을 연결해요.

기존에 있었던 값으로부터 어떤 관계가 있을지 예상하기 위해서는 그 관계를 표현할 수 있는 함수가 필요하고 예측이 맞는지 확인하기 위해서는 예측값과 결과값이 모두 있어야 하니까요.

인공지능도 수많은 입력값, 결과값을 함께 학습시키고 그렇게 학습된 인공지능이 정말로 우리가 원하는 예측을 할 수 있는지 보는 게 본질이잖아요. 결국 입력값과 결과값을 연결할 수 있는 함수가 무엇이고 그 함수를 우리가 잘 예측하고 학습할 수 있는지가 중요하지요. 인공지능이 지금 세상을 어떻게 바꾸고 있는지 보는 입장이라면 함수가 세상을 바꿨다고도 얘기할 수 있을 것 같아요.

과학 관점에서 추가로 이야기를 드리면 뉴턴은 F = ma와 같은 함수를 이용해서 고전역학이라는 하나의 물리계를 완성했어요. 특히 뉴턴은 고전역학을 정립한 사람으로도 유명하지만 미분이 처음 등장한 ‘프린키피아’라는 책을 쓴 사람으로도 유명하잖아요.

미적분이 함수와 만나면서부터 실제 물리적인 현상을 기술할 수 있는 엄청난 도구들을 손에 쥐게 됐지요. 그다음부터 정말 새로운 세상을 만들어 갈 수 있었습니다. 이밖에도 다양한 함수가 우리가 알고 싶은 세상을 이해할 수 있게 했지요.”

김진화 기자 evolution@donga.com

[출처] https://n.news.naver.com/article/584/0000024076?ntype=RANKING

[천체물리 – 우주(과학)] 인도, 인류 첫 ‘달의 남극’ 갔다… ‘찬드라얀 3호’ 착륙 성공

 

인도 달 무인 착륙선 ‘찬드라얀 3호’가 23일(현지 시간) 달 남극 착륙에 성공했다.

 

구소련, 미국, 중국에 이어 네 번째로 달 착륙에 성공함과 동시에 인류 최초로 달 남극 착륙에 성공한 것이다. 달 남극은 얼음 등 자원이 있어 향후 달 기지 건설과 심우주 탐사의 기반 지역이 될 것으로 보인다.

이날 인도 매체들은 찬드라얀 3호가 달 남극에 안착했다고 일제히 보도했다. 찬드라얀은 산스크리트어로 ‘달의 차량’이라는 뜻이다.

 

달 남극은 다량의 물이 얼음 상태로 존재할 가능성이 커 달 기지 건설과 심우주 탐사의 교두보가 될 수 있는 지역이다.

물이 있다면 식수와 산소는 물론 로켓 연료로 쓸 수 있는 수소를 현지 조달할 수 있게 된다.

 

이를 이용하면 화성과 태양계 외행성 유인 탐사의 난도가 크게 낮아질 수 있다.

앞서 러시아의 무인 달 탐사선 ‘루나 25호’(루나-25)는 지난 20일 달 표면에 추락한 바 있다.

1957년 세계 최초로 인공위성을 쏘아 올리는 등 우주 강국을 자부해온 러시아로서는 인도의 달 남극 착륙 성공으로 체면을 구기게 됐다.

[출처] https://www.chosun.com/economy/science/2023/08/23/AJDCWGJ4QNDQ7P4Z5IWERHXAQI/

[물리] 상온에서도 작동하는 양자컴퓨터 가능성 찾았다

한국원자력연구원, 새 양자 소재 후보물질 확인

한국원자력연구원 첨단양자소재연구실 김재욱 박사가 고품질의 TbInO3 단결정을 합성하기 위해 사용되는 레이저 부유 용융로를 점검하고 있다. 한국원자력연구원 제공

한국원자력연구원 연구진이 포함된 국제공동연구팀이 상온에서도 대규모 양자 얽힘 현상을 구현할 수 있는 양자 소재 후보 물질을 확인했다.

한국원자력연구원은 김재욱 첨단양자소재연구실 선임연구원 연구팀이 터븀인듐산화물(TbInO3)이 양자컴퓨터 소자 등에 쓰일 수 있는 양자스핀액상(QSL) 물질이 될 수 있음을 실험적으로 증명했다고 23일 밝혔다. 연국 결과는 국제학술지 ‘네이처 피직스’에 17일 게재됐다.

양자컴퓨터는 양자역학의 고유 특성인 중첩과 얽힘을 이용해 한 번에 많은 정보를 동시에 처리할 수 있다. 특정 문제에 대해 기존의 슈퍼컴퓨터보다도 수 백만 배 이상 빠르게 풀 수 있어 양자 기술이 미래 산업의 판도를 바꿀 게임 체인저 기술로 주목받는다.

하지만 양자역학적 중첩과 얽힘 현상은 구현이 어렵다. 온도 변화, 불순물, 외부 전자기장 등 미세한 자극에도 다양한 오류가 발생한다. 취약한 양자 상태를 안정적으로 만들려면 절대영도(-273.15도)에 가까운 극저온 환경을 구현해야하는 등 까다로운 조건들이 필요하다.

QSL은 양자 오류를 해결할 수 있는 후보 소재 중 하나다. QSL은 새로운 자기 상태의 물질로 양자 요동에 의한 대규모 양자 얽힘이 가능하다. 양자 오류를 대폭 줄인 양자컴퓨터 구현에 필요한 강력한 후보 소재로 여겨진다.

이제까지 수 많은 QSL 후보 물질에 대한 검증이 이뤄졌지만 불순물, 무질서한 물질 구성 등으로 인해 광학전도도-주파수 제곱 비례 현상을 실험적으로 확인할 수 없었다.

연구팀은 QSL 후보 물질 중 하나인 터븀인듐산화물(TbInO3) 단결정에서 이를 실험적으로 확인하는 데 최초로 성공했다. 레이저로 녹여 구조가 고른 단결정을 제조하는 레이저 부유 용융로를 사용해 고품질의 TbInO3 단결정을 합성했다. 이후 테라헤르츠(THz) 전자기파를 물질에 쪼여 광학전도도를 측정하는 분광실험을 수행했다.

실험은 극저온에서 상온에 이르는 넓은 온도 범위와 다양한 자기장, 주파수 대역에서 진행됐다. 특히 실험에 방해가 되는 빛의 내부 반사 효과를 줄이기 위해 시료 두께를 정밀히 제어했다.

그 결과 특정 영역에서 광학전도도가 정확히 주파수 제곱에 비례함을 실험적으로 입증됐다. 영상 27도 수준의 실온에서도 광학전도도 비례 현상이 나타났다. TbInO3가 상온에서도 QSL 특성을 구현할 수 있음을 실제 확인한 최초 사례다. 연구팀은 이번 연구 결과를 바탕으로 TbInO3이 무오류 양자컴퓨터의 소자로 응용할 수 있는지 등을 더 연구할 계획이다.

연구를 이끈 김재욱 선임연구원은 “이번 연구 결과는 양자스핀액상 물질의 오래된 이론적 예측을 실험적으로 검증한 첫 사례”라며 “향후 양자컴퓨팅 및 양자 센서 소자의 설계에 큰 도움이 될 것”이라고 말했다.

스피논 준입자와 외부 전자기파의 상호작용 모식도(위) 및 TbInO3 물질의 삼각 격자 구조(아래). 한국원자력연구원 제공

박정연 기자 hesse@donga.com

[출처] https://n.news.naver.com/article/584/0000024034?ntype=RANKING

[천체물리 – 우주(과학)] 50년 전에도 갔던 달… 지금은 왜 줄줄이 착륙 실패할까

 

달의 남극으로 향하던 러시아 무인 탐사선 ‘루나 25호’가 착륙 이틀 전 궤도를 이탈해 달 표면에 충돌했다. 소련 시절 인류 최초로 우주 비행에 성공하며 우주 탐사 선봉에 섰던 러시아가 지난 2019년 중국이 성공한 달 착륙에 실패한 것이다. 루나 25호는 달 남극 보구슬라우스키 크레이터 북쪽에 착륙해 1년간 달 내부 구조와 자원 탐사 임무를 수행할 계획이었다. 로이터통신은 21일(현지 시각) “이번 실패는 냉전 시대 이후 러시아의 우주 기술이 쇠퇴했다는 것을 잘 보여준다”고 보도했다.

달 탐사에서 가장 어려운 기술은 지구에서 로켓을 발사하는 과정과 달에 착륙하는 순간이 꼽힌다. 우주 발사체 기술에 많은 투자가 이어지며 발사 성공률은 높아졌지만 달 착륙은 기술적 장벽이 낮아지지 않고 있다. 지난 4년 동안 달 탐사에 나선 이스라엘과 일본, 인도는 모두 발사 후 달 궤도에 오르는 데 성공했지만 착륙에 실패했다. 인도가 지난 8월 발사한 ‘찬드라얀 3호’는 23일 달 남극 착륙에 재도전한다.

◇관건은 ‘달 표면 연착륙’

과거 미국 아폴로 착륙선들은 모두 평지가 많은 ‘달의 앞면’에 착륙했다. 우주 탐사 경쟁을 벌이던 소련보다 먼저 달 표면에 사람을 보내는 게 시급했기 때문에 상대적으로 탐사선 접근이 쉬운 지역을 고른 것이다. 하지만 50여 년 만에 달 탐사를 재개하면서 세계 각국은 탐사 난도가 높은 달의 뒷면과 남극을 향하고 있다. 자원 채굴 등 경제적 가치가 높기 때문이다.

최근 탐사가 이어지고 있는 ‘달의 뒷면’은 표면이 울퉁불퉁할뿐더러 태양빛이 닿지 않는 ‘영구 음영 지역’이 존재해 착륙 공간을 확보하기 쉽지 않다. 특히 달의 남극은 아직 인류가 한 번도 가보지 못한 미지의 영역이다. 달의 남극은 크레이터(분화구)가 많아, 달에서도 가장 험준한 곳이다.

달의 남극은 달에서 가장 탐사선이 착륙하기 까다로운 지역이다. 운석이 달 표면에 수시로 충돌하며 생긴 미세 먼지 탓에 시야 확보가 어렵다. 달에는 공기저항이 없어 착륙 속도를 제대로 조정하지 않으면 자유낙하로 인해 달 표면과 충돌하게 된다. 이 때문에 달 지표를 향해 레이저를 쏜 뒤 반사돼 돌아오는 시간으로 고도를 계산해야 한다. 하지만 이 ‘레이저 고도계’ 방식은 미국, 유럽 등 우주 선진국에서도 아직 개발이 끝나지 않은 초기 단계에 있다. 일각에선 “미국도 달 남극에 무사히 착륙하기는 쉽지 않을 것”이라는 말이 나온다. 지난 4월 달 착륙을 시도했던 일본 탐사선도 고도 계산 오류로 추락했다.

남극으로 들어가는 탐사선은 지구와의 거리 때문에 통신 지연이 발생해 실시간 조종도 불가능하다. 특히 달의 남극은 지구와의 직접 교신이 불가능하고, 궤도선 등을 활용한 중계통신만 가능해 통신이 더 지연된다. 속도를 늦췄다 해도 끝이 아니다. 달 표면 가까이에서 역추진하면 정전기를 발생시키는 월면토에 뒤덮일 수 있기 때문에 고도 5m 정도에서 엔진을 끈 뒤 떨어지듯 착륙해야 한다. 정전기는 착륙선 하드웨어 고장의 원인이 된다.

천이진 한국항공우주연구원 위성우주탐사체계설계부장은 “지구에서 스페이스X의 재사용 로켓을 회수하는 과정은 착륙 지점에 정확한 신호를 줄 수 있기 때문에 정확한 고도나 속도 계산이 가능하다”면서 “반면 달에는 착륙 가이드 장치가 없어 지구보다 몇 배나 어렵다”고 했다.

◇우주 기술 쇠퇴한 러시아

1966년 인류 최초로 무인 달 착륙에 성공했던 러시아가 57년이 지난 뒤 실패한 것은 러시아의 우주 기술이 후퇴했다는 의미이기도 하다. 냉전 시대가 끝난 뒤 러시아는 달 같은 천체 탐사 대신 당장 사용할 수 있는 위성 발사나 우주정거장 등에 투자해왔다. 최근 우주개발 경쟁이 치열해지며 달 탐사에 다시 뛰어들었지만 그동안의 공백을 메우기에는 역부족이라는 것이다. 우주 업계 관계자는 “과거의 우주 개발은 기록보다는 과학자 자체가 노하우였다”면서 “시간이 흐르면서 달탐사에 경험이 있는 과학자들이 사라진 것도 러시아 경쟁력 약화의 원인”이라고 했다.

[출처] https://www.chosun.com/economy/science/2023/08/22/VRVHBZXNLVESHH7XKHME3PSULM/

[사회과학] 신문협회 “50년치 뉴스로 AI 언어 학습, 네이버 등이 저작권 침해”

한국신문협회는 22일 ‘생성형 인공지능(AI)의 뉴스 저작권 침해 방지를 위한 신문협회 입장’을 내고 “정당한 권원(어떤 행위를 정당화하는 법률적인 근거) 없이 뉴스 콘텐츠를 AI 학습에 이용하는 것은 언론사가 뉴스 콘텐츠에 대해 갖는 저작권 및 데이터베이스(DB) 제작자로서의 권리를 침해하는 것”이라고 밝혔다.

신문협회는 이날 입장문 발표와 함께 네이버·카카오·구글·MS 등 국내외 대형 IT(Information Technology·정보기술)업체들에 대해 ①뉴스 저작권자와 이용기준 협의 ②‘글로벌 AI 원칙’ 준용 공표 ③생성형 AI 학습 데이터의 출처 등 공개 ④뉴스 콘텐츠 이용 방식 구체적으로 명시 ⑤뉴스 저작물에 대한 적정한 대가 산정 기준 마련 등 5대 요구사항을 전달했다.

네이버가 오는 24일 초거대 AI ‘하이퍼클로바X’ 오픈을 예고하는 등 언어학습에 기반한 각종 AI 서비스의 확대를 앞두고 있는 가운데, 이들 기업을 상대로 뉴스 저작권에 대한 입장을 표명한 것이다. 예컨대 하이퍼클로바X는 뉴스 50년 치, 블로그 9년 치에 달하는 한국어 데이터를 학습했으나, 저작권자들의 허락을 받지 않은 채 뉴스 콘텐츠를 AI 학습에 이용했다는 지적을 받아왔다.

신문협회는 이날 입장문에서 “생성형 AI는 뉴스 콘텐츠로 학습해 결과물을 생성해내면서도 언론사로부터 이용 허락을 받지 않은 채 사용하고 있으며, 뉴스 콘텐츠를 이용해 생성한다는 인용 표기도 이뤄지지 않고 있다”며 “생성형 AI를 학습시키기 위해서는 뉴스 콘텐츠의 저작권자인 언론사로부터 이용 허락을 받아야 침해 행위를 벗어날 수 있다”고 지적했다. 신문협회는 “이들 업체는 생성형 AI 개발을 위한 뉴스 콘텐츠 이용에 대해 저작권법상 ‘저작물의 공정한 이용(제35조의5)’에 해당돼 저작권 침해가 아니라는 주장을 하고 있지만, 이는 공정 이용에 해당하지 않는다”며 “AI 기업이 뉴스 콘텐츠를 학습 데이터로 이용하기 위해선 언론사로부터 이용 허락을 받는 것은 물론, 사용료를 지급해야 할 것”이라고 밝혔다.

신문협회는 하이퍼클로바X와 관련, “네이버는 기사를 ‘연구’에 활용할 때는 언론사 동의를 받지 않도록 한 옛 약관을 적용해 제휴 언론사들의 기사 50년치를 AI 학습에 활용했다”며 “이는 명백한 불공정 행위”라고 지적했다. 신문협회는 “이미 AI 모델을 활용해 수익이 발생하는 상황에서 이들 기업은 손해배상을 하거나, 뉴스 콘텐츠를 활용한 것에 대해 보상을 해야 할 것”이라고 했다.

신문협회는 “향후 AI 기술 발전 등 디지털 미디어 시대에 맞는 저작권 보호 기반을 마련하기 위해 제도 개선이 필요하다”며 “뉴스 콘텐츠를 무단으로DB화 하는 것을 방지하는 등 급변하는 디지털 환경에서 뉴스 저작권 보호가 긴요하다”고 말했다.

[출처] https://www.chosun.com/culture-life/broadcast-media/2023/08/22/PY6AHWKEUNGNRBCU4JF6A2EXGE/

[천체물리 – 우주(과학)] 47년만의 도전 실패…러 달탐사선 루나25호 달에 추락·파괴

(서울=연합뉴스) 황철환 기자 = 달의 남극을 조사하기 위해 러시아가 발사한 무인 달 탐사선 ‘루나 25호'(루나-25)가 달 표면에 추락했다고 러시아 연방우주공사(로스코스모스)가 20일(현지시간) 밝혔다.

로이터 통신에 따르면 로스코스모스는 루나-25가 궤도를 이탈해 추락해 파괴됐다고 설명했다.

앞서 로스코스모스는 달 착륙을 이틀 남긴 상황에서 루나-25에 이상이 발생했다면서 “궤도 진입 명령을 내렸으나 작업 중 탐사선에 비상 상황이 발생해 정해진 조건대로 기동하지 못했다”고 전날 밝힌 바 있다.

지난 11일 오전 극동 아무르주의 보스토치니 우주기지에서 발사된 루나-25는 당초 21일 달 남극 표면의 보구슬라우스키 분화구 북쪽에 착륙해 1년간 달 내부 구조 연구와 물을 포함한 자원 탐사 등 임무를 수행할 예정이었다.

러시아가 달 탐사를 시도한 것은 옛 소련 시절인 지난 1976년 이후 47년 만이다.

한편, 사흘 뒤인 23일에는 지난달 14일 인도가 발사한 무인 탐사선 ‘찬드라얀 3호’도 달 남극 지역 착륙을 시도할 예정이다.

hwangch@yna.co.kr

[출처] https://www.yna.co.kr/view/AKR20230820043851009?input=1195m