넘버스
넘버스
더 강력한 생성형 AI 규제가 필요한 이유 “결국 업체가 아닌 기업이 책임지기 때문”
AI 제작자와 사용자의 책임을 강화하기 위해 여러 정부와 민간 기업 이니셔티브가 발족한 데 이어 최근에는 AI 및 법률 전문가 3명으로 구성된 패널이 기자회견을 열었다. 이퀄AI(EqualAI)의 CEO 미리암 보겔과 다른 두 명의 전문가가 모여 잠재적인 위험에 대한 대응책을 논의했다. 이퀄AI는 AI 시스템의 무의식적인 편향성을 비롯해 여러 가지 “해악”을 줄이기 위한 목적으로 5년 전에 설립된 비영리 단체다. 기업을 대상으로 책임감 있는 AI 사용에 대한 교육과 자문 활동을 하고 있다.
백악관 AI 자문위원회 위원장이자 전 법무부 차관보인 보겔에 따르면, AI가 막대한 비즈니스 효율성을 끌어낼 수 있는 강력한 툴이지만 이를 사용하는 기업은 AI 시스템이 새로운 형태의 차별을 일으킨다는 점을 “극도로 경계”해야 한다. 그는 “편향성과 이와 관련된 해악은 AI의 오래된 문제다. AI에서는 문제를 탐지하기 더 어렵고 그 결과는 훨씬 더 심각해질 수 있다”라고 말했다.
이날 토론에 참석한 이들은 AI 시스템을 포함한 알고리즘에서 규정 준수 및 안전을 감사하는 컨설팅 업체 ORCAA의 CEO 캐시 오닐, 그리고 분석 소프트웨어 업체 SAS 인스티튜트(SAS Institute)의 데이터 윤리 부문 부사장이자 이퀄AI 이사회 위원인 레지 타운센드다.
보겔과 다른 패널 2명은 AI의 안전과 편향성 관리에서 중요한 것은 기술 전문가가 아니라 여러 기술을 포괄하는 관리 프레임워크라고 강조했다. 실제로 AI는 다양한 형태로 수십년 동안 존재해왔지만 컴퓨터 프로세서가 발전해서 정교한 모델 및 챗GPT와 같은 생성형 AI 플랫폼을 지원할 수 있게 되면서 편향성, 보안 및 개인정보 보호에 대한 우려가 불거졌다. 지난 6개월간 기업의 채용 및 직원 평가, 승진에서 편향성 문제가 드러나면서 지방, 주 정부 및 미국 정부는 이 문제를 해결하기 위한 법령 제정을 서두르고 있다.
오닐은 기업은 일반적으로 라이선스 형태로 외부 업체의 AI 소프트웨어를 사용하지만 법적 책임은 AI 기술 공급업체보다는 그 기술을 사용하는 측에 더 문제가 될 수 있다고 말했다. 그는 "10년 전에 광고 기술 분야에서 일할 때는 부와 성별, 인종에 따라 지금보다 더 쉽게 사람들을 차별했다. 그것이 광고에 대한 정형화된 접근 방식이었다. 이 방식이 잘못됐다는 것은 처음부터 명확했고, 실제 사례를 쉽게 찾을 수 있다. 예를 들어 얼굴 인식 알고리즘은 백인 남성을 대상으로 할 때는 잘 작동하지만 흑인 여성에게는 제대로 작동하지 않는 경우가 많다. 그 피해는 대부분 역사적으로 소외된 사람들에게 돌아간다"라고 말했다.
어디서 잘못됐나
이퀄AI의 기업 인증 프로그램은 ‘AI가 누구에게 잘못 작동할 수 있는가?’라는 질문에 초점을 맞춘다. 오닐은 "이 질문을 통해 기업 이해관계자가 AI가 적용된 애플리케이션의 대상이 되는 사람들의 입장을 고려하게 된다"라고 말했다. 예를 들어 자동화된 입사 지원자 추적 시스템이 인성 검사 중에 정신건강 이력에 따라 사람을 차별할 가능성, 또는 보험사가 보험료를 결정하기 위해 사용하는 알고리즘이 인종, 성별 또는 기타 요인에 따라 누군가를 불법적으로 차별할 가능성이다.오닐은 “이퀄AI는 이 빈 부분을 채운다. 다른 누구도 하지 않는 일이다. 좋은 소식은 그렇게 어려운 일은 아니라는 것이다. 상황을 예측하고 사람들을 해악으로부터 보호하기 위한 가드레일을 설치하는 것은 불가능한 일이 아니다. 비행기에 탑승했는데 조종석에 아무도 없다면 어떤 기분일까? 비행기의 각 계기판은 풍속, 연료 탱크의 연료량 등 무언가를 모니터링한다. 시스템의 전체적인 작동을 모니터링하는 체계를 만들면 된다”라고 말했다.
그러나 오닐에 따르면, AI에도 조종석이 있어야 하지만 지금은 없는 상황이다. 지금 상태로는 앞을 못 보는 상태로 비행하는 경우가 많고, 기업의 어느 부분이 잘못될 수 있는지, 누가 피해를 보는지, 그것을 어떻게 측정할 것인지, 이 측정에서 바람직한 최소 및 최대치는 무엇인지를 자문해야 한다고 지적했다. 그는 “그다지 복잡한 일이 아니고 가장 중요한 것은 안전이다. EEOC(공평한 채용 기회 위원회)는 다른 모든 행위에 대해 하는 것과 같은 방식으로, 가능한 모든 시민권 법률을 활용해 AI 시스템을 감독할 것임을 명확히 밝혀왔다. 행위가 AI 시스템의 추천을 통해 이뤄졌는지 여부는 중요하지 않다. 어떤 경우든 그 행위를 실행한 측에 책임이 있다”라고 말했다.
보겔은 AI가 특정 법률을 위반할 가능성을 지적했다. 실제로 많은 AI 시스템이 미국 장애인법과 같은 법률을 위반하고 있다는 것이다. 예를 들어 음성 인식 소프트웨어는 영어가 모국어인 사람을 사용해 학습되는 경우가 많으므로 언어 장애가 있거나 억양이 강한 사람의 말을 제대로 인식하지 못할 수 있다. 얼굴 인식 소프트웨어는 소수 민족의 얼굴을 잘못 판독하거나 아예 읽을 수 없는 경우도 많다. 보겔은 “인식 소프트웨어가 학습된 정보에 따라 여성 음성 인식이 남성에 비해 떨어질 수 있다”라고 말했다.
더 강한 규정 필요
백악관과 7개 주요 AI 개발 회사는 지난 7월 21일 안전한 기술 사용을 위한 구속력 없는 합의를 도출했지만 타운센드는 여기서 다룬 내용만으로는 충분하지 않다고 지적했다. 그는 “이러한 기업은 의사 결정 테이블에 충분한 대표성을 보장해야 하지만, 그 자리에는 여성이 한 명도 없었다. 그 대화에 참여했던 사람들과는 다른 삶을 경험했고 외모와 느낌이 다른 사람들도 테이블에 앉아야 한다. 모든 기업에 이런 사람들이 있기 때문이다”라고 말했다.이날 행사가 열린 같은 날 챗GPT를 만든 오픈AI 역시 안전하고 책임감 있는 AI 시스템 개발을 장려하기 위한 산업 기구인 프론티어 모델 포럼(Frontier Model Forum)을 발족했다. 이 포럼은 AI 안전 연구의 발전과 함께 “모범 사례와 표준을 마련하고 정책 입안자와 업계 간의 정보 공유를 촉진하는 것”을 목표로 한다.
토론 참석자들은 이 포럼이 안전과 개인정보, 보안에 대한 논의에 AI 생태계 전체를 포함하는 과정을 한 걸음 진전시켰다고 평가했다. 단, “막대한 자금력을 보유한 대기업들”만으로 포럼이 구성되면 안 되며, 생성형 AI에 그치지 않고 더 넓은 범위의 철저한 검토가 필요하다고 지적했다. 타운센드는 “AI에 대한 논의는 생성형 AI 모델만 다루는 것이 아니라 범위를 더 넓혀야 한다. 금융, 소매에도 AI 모델이 있고, 스마트폰에서도 내비게이션에 AI 모델이 사용된다. 현재 AI에 대한 대화의 주제는 대규모 언어 모델이다. AI와 그들의 동기에 대해 철저히 논의해야 한다”라고 말했다.
타운센드는 AI 시스템 구축과 관리를 전기 시스템에 비유했다. 전기의 경우, 안전한 전기 발전에 대한 책임은 엔지니어와 과학자에게, 전기 시스템 배선에 대한 책임은 전기 기사에게, 그리고 적절한 전기 사용에 대한 책임은 소비자에게 있다. 타운센드는 “AI에 대해서도 생태계 또는 공급망 내의 모두가 각자의 책임과 입출력에 대해 생각해야 한다”라고 말했다. 대규모 언어 모델(LLM)은 입력을 받고 출력을 반환하는 알고리즘 또는 코드 모음이다. 출력은 강화 학습과 응답 또는 프롬프트 엔지니어링을 통해, 즉 요청에 대한 적절한 응답이 무엇인지를 모델에 가르치는 방법으로 조작할 수 있다.
소비자용 애플리케이션이든 백엔드 시스템이든 AI를 배포하는 기업은 이 문제를 빅테크와 AI 업체의 문제로 치부해서는 안 된다. 보겔은 "제품을 판매하는 기업이든 서비스를 판매하는 기업이든 일단 AI를 배포하면 스스로를 AI 기업이라고 생각해야 한다. 즉 기업이 AI 기술이 주는 모든 효율성을 받아들여야 하지만 기업이 짊어질 수 있는 기본적인 책임을 고려하는 것도 중요하다. 책임에 대한 AI 공급업체와의 계약 협상에 대해 생각하고, AI 툴을 배포하는 방식과 적용될 수 있는 개인정보 보호 법안을 고려해야 한다."라고 말했다.
이어 “다른 혁신 분야에서 생각할 수 있는 모든 일반적인 책임이 여기에도 적용된다. AI를 사용한다고 해서 일반적인 영역에서 벗어나는 것이 아니다. 그렇기 때문에 우리는 법률가를 논의에 매우 적극적으로 참여시키고 있다. 역사적으로 법률가들은 AI에 관여하지 않았지만 이제 해야 한다. 하지만 예를 들어 항공은 사람들이 일반적으로 접하는 분야지만 로스쿨에서 항공 법률 교육은 많이 이뤄지지 않는다. 여기나 다른 모든 혁신이 다 비슷한 상황이다. 우리는 위험을 이해하며 프레임워크와 안전 장치를 마련하는 데 도움을 주고 있다”라고 말했다.
토론단은 AI를 사용하는 기업은 NIST 위험 관리 프레임워크에 익숙해져야 한다고 강조했다. 또한 기업은 AI 기술을 배포하고 사용하는 직원을 위한 구심점, 즉 최종적인 책임을 지고 문제를 해결하기 위한 리소스를 제공하고 빠른 의사 결정을 내릴 수 있는 담당자를 내부적으로 마련해야 한다.
보겔은 "LLM 획득부터 내부 데이터를 이용한 학습에 이르기까지 AI 수명주기에서 프로세스를 마련해 어떤 단계에서 어떤 종류의 테스트가 필요한지도 명확히 해야 한다. 또한 AI 시스템 테스트를 문서화해서 향후 기술 평가 시 이미 검사된 부분과 되지 않은 부분을 고려할 수 있도록 해야 한다. 마지막으로, 일상적인 감사를 수행해야 한다. AI는 계속 반복을 거쳐 발전할 것이다. 한 번 하고 끝나는 상황이 아니다”라고 말했다.
editor@itworld.co.kr
Tags
Sponsored
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.
추천기사
