EU의 ‘인공지능법(AI 법)’은 동종 최초의 법으로 GDPR(General Data Protection Regulation), DSA(Digital Services Act), DMA(Digital Markets Act)와 같은 기존 규칙에 크게 의존한다. 2021년 4월 유럽위원회(EC)에서 입법 제안됐다.
AI 법은 GPT-4와 같은 AI 기술의 기반이 되는 LLM(Large Language Model)이 EU 법을 위반하는 콘텐츠를 생성하지 않도록 적절한 안전조치 설계를 의무화하고 있다. 워싱턴 포스트에 따르면, EU 법을 위반하는 콘텐츠의 대표적인 예는 아동 포르노, 일부 EU 국가의 경우에는 홀로코스트 부인 등이다.
AI 법을 위반할 경우 최대 3,000만 유로 또는 전 세계 수익의 6% 중에서 높은 금액을 벌금으로 내야 한다. 로이터는 “오픈AI를 후원하는 마이크로소프트 같은 회사가 규칙을 위반할 경우 벌금 액수는 100억 달러를 넘을 수 있다”라고 말했다.
그러나 AI가 규칙을 지키게 하는 일은 쉽지 않을 것으로 보인다. 가트너 리서치 VP 아비바 리탄은 저작권 보호 자료를 걸러 내기 위한 규칙 기반 시스템은 효과가 없을 가능성이 높다며, 오픈AI를 비롯한 LLM 개발 업체들은 최초에 훈련된 LLM에 저작권 보호 자료가 없는지 확인할 강력한 LLM을 개발해야 할 것이라고 지적했다.
현재 EU는 공정하고 위험이 관리되는 AI 사용을 규율하는 데 있어 세계를 선도하는 접근 방식을 마련하고 AI 법을 개선하는 데 여념이 없다. 하지만 라탄은 규제 당국이 LLM이 사실상 블랙박스로 작동하고 있다는 사실과 필수 개인정보 영향 평가에 필요한 투명성을 제공할 가능성이 낮다는 사실을 고려해야 한다며, “반드시 해결해야 하는 문제”라고 강조했다.
이어 “흥미롭게도 한때 AI 법은 생성형 AI 모델의 감독을 배제하려고 했으나 나중에 포함했다. 일반적으로 규제 당국은 사회 보호라는 목적을 달성하면서도 그 수단은 지나치게 규제하지 않는, 오래 지속될 수 있는 규칙을 만드는 한편, 혁신을 억누르지 않기 위해서 신중하고 체계적으로 행동하고자 하는 것”이라고 덧붙였다.
유럽과는 다른 미국의 접근 방식
지난 4월 1일, 이탈리아는 서양 국가 중 최초로 프라이버시 우려를 이유로 챗GPT의 추가 개발을 금지했다(단, 최근 금지 조치를 해제했다). 챗GPT의 추가 개발이 처음 금지된 것은 자연어 처리 앱에서 사용자 대화 및 결제 정보와 관련된 데이터 유출 사고를 겪은 후였다. 챗GPT는 오픈AI가 제작한 인기 있는 챗봇으로, 마이크로소프트가 수십억 달러를 투자했다.비슷한 시기 미국 정부와 중국 정부에서도 AI 규제와 관련된 발표가 있었다. 리탄은 “미국과 EU는 믿을 수 있고 투명하며, 공정한 AI를 달성하고자 한다는 개념에는 서로 일치하지만, 접근 방식은 판이하다”라고 설명했다. 리탄은 지금까지 미국이 “분산된 AI 위험 관리 접근 방식”을 취해 왔다고 보고 있다. 미국은 아직 새로운 규정이나 규제 인프라를 만들지 않았으며, 가이드라인과 AI 위험 관리 프레임워크에 집중하고 있다.
미국에서는 올해 1월 국립표준기술연구소(NIST)가 ‘인공지능 관리 프레임워크’를 공개한 데 이어, 2월에는 연방기관들이 공정성과 시민의 평등권을 발전시키는 방향으로 AI를 사용할 것을 지시하는 백악관 행정 명령이 발령됐다. 미국 의회는 연방 알고리즘 책임법을 고려 중이다. 해당 법안이 통과되면, 고용주는 개인의 고용 접근성과 조건 또는 가용성에 중대한 영향을 미치는 자동화된 의사결정 시스템에 대한 영향 평가를 의무적으로 수행해야 한다.
미국 상무부 소속 전기통신 및 정보청(NTIA)도 AI 시스템의 책임을 가장 잘 물을 수 있는 정책에 대한 공개 의견 요청서를 발표했으며, 각 주와 지방 정부는 개인정보 보호와 편향 문제 때문에 AI 기반 봇을 취업 지원자 물색, 선별, 면접, 채용에 사용하는 것을 제한하는 방안을 검토 중이다. 일부 주에서는 이미 그런 법률을 제정했다.
규제 당국이 해결해야 할 생성형 AI의 문제
마이크로소프트와 알파벳은 생성형 AI 챗봇을 기업과 소비자에게 제공하기 위한 경쟁을 벌이고 있다. 가장 발전된 생성형 AI 엔진은 사용자 프롬프트, 즉 사용자가 입력하는 내용을 기반으로 자신만의 콘텐츠를 생성한다. AI에 마케팅 또는 광고 캠페인 제작, 에세이 작성, 현실적인 사진 이미지 및 동영상 제작 등의 작업을 맡길 수 있다.EU AI 법의 핵심은 AI 기술이 사람의 건강과 안전 또는 기본 권리에 미칠 수 있는 위험 수준을 판단하는 분류 시스템이다. 세계경제포럼에 따르면, 이런 프레임워크는 위험 단계를 ‘용납 불가’, ‘높음,’ ‘제한됨’, ‘최소’ 등 4단계로 분류한다.
가트너에 따르면, 규제 당국이 유념해야 할 생성형 AI 플랫폼 관련 문제는 다음과 같다.
- GPT 모델은 설명할 수 없음 : 모델 출력물은 예측 불가능하다. 모델 업체조차도 모델이 내부적으로 작동하는 방식을 전부 이해하는 것은 아니다. 설명 가능성 또는 예측 가능성은 모델 투명성의 전제 조건이다.
- 부정확한 허구 답변 : 부정확성과 착각의 위험을 완화하려면, 챗GPT/생성형AI가 생성한 출력물을 수용하기 전에 정확성, 적정성, 실제적인 유용성을 평가해야 한다.
- 잠재적인 기밀 데이터 침해 : 기밀 기업 정보가 가령 저장된 프롬프트 형태로 침해되지 않는다고 입증할 수 있는 데이터 관리 및 보호 확약이 없다.
- 모델 및 출력물 편향 : 모델 개발자와 사용자는 편향된 출력물을 탐지하고 이를 회사 정책 및 관련 법적 요건에 맞게 처리하기 위한 정책이나 통제장치를 반드시 마련해야 한다.
- 지적재산권 및 저작권 위험 : 모델 개발자와 사용자는 출력물을 검토하여 저작권이나 지적재산권을 침해하지 않는지 확인한 후에 사용해야 하며, 챗GPT/생성형 AI에 적용되는 저작권 법의 변경 사항을 적극적으로 추적 관찰해야 한다. 사용자는 이제 챗GPT 출력물에 있는 저작권 보호 자료를 알아서 걸러내야 한다.
- 사이버 및 사기 위험 : 범죄자가 사이버 및 사기 공격에 사용할 수 없도록 시스템을 강화해야 한다.
2022년 11월 오픈AI에서 출시한 챗GPT는 사용자의 질의에 사람처럼 심도 있게 응답하는 정교한 능력 덕분에 즉시 입소문을 탔고 단 5일만에 사용자가 1백만 명을 돌파했다. 웹사이트 테스트 업체 툴테스터(Tooltester)에 따르면, 챗GPT 웹사이트는 현재 월 방문자가 10억 명, 활성 사용자는 1억 명인 것으로 추산된다.
언스트 앤 영(Ernst & Young) 글로벌 AI 컨설팅 리더 댄 디아지오는 챗봇이 사람처럼 응답하는 것처럼 보일지 몰라도 챗GPT는 지각이 없으며, 다음 단어를 예측하는 엔진일 뿐임을 염두에 두고 사용에 주의할 것을 촉구했다.
하지만 AI 기술이 맹렬한 속도로 발전함에 따라 AGI(Artificial General Intelligence)라는 더욱 정교한 알고리즘이 등장할 것으로 예측된다. AGI는 스스로 생각할 수 있고 시간이 지나면서 기하급수적으로 똑똑해질 수 있다.
생성형 AI 기술이 지나치게 발전하면 이를 통제할 능력을 상실할 수도 있다고 우려한 수천 명의 기술 전문가는 최근 공개서한을 통해 생성형 AI 기술 개발의 중단을 촉구했다. 비영리 단체 FLI(Future of Life Institute)에서 공개한 이 공개서한은 샌프란시스코에 위치한 오픈AI 랩이 최근에 발표한 GPT-4 알고리즘을 구체적으로 지목하며 오픈AI는 감독 기준이 마련될 때까지 추가 개발을 중단해야 한다고 역설했다. 애플 공동 창립자 스티브 워즈니악을 비롯해 2만 7,000명 이상이 서명했다.
EU 내부시장 담당 집행위원 티에리 브레톤은 2021년 성명서에서 AI는 나온 지 수십 년이 되었지만 이제 “컴퓨팅 파워에 힘입어 새로운 능력에 도달했다. AI 법은 유럽에서 AI가 우리의 가치와 규칙을 존중하도록 조치하고 AI의 잠재력을 산업용으로 활용하기 위해 제정되었다”라고 설명했다.
editor@itworld.co.kr
함께 보면 좋은 콘텐츠
Sponsored
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.
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.