DEVOCEAN

■ 연구 내용

• 데이터의 특성과 분포를 기반으로, 빠르고 효율적으로 Small 모델을 생성하는 기술 개발

• 제한된 자원 환경에서도 높은 성능을 발휘할 수 있는 모델 생성 기술 연구

• 기존의 점진적 업데이트 방식 대신, 데이터 기반 모델 생성 과정을 자동화하여 AI 개발의 효율성을 극대화

■ 연구 목적

• 데이터 분포를 참조하여 Small 모델 생성하는 기술을 통해 효율성 증대

• 제한된 자원 환경에서도 활용 가능한 Small 모델을 자동으로 생성하여 다양한 응용 분야에서 실용성 확보

• 모델 생성 과정을 최적화하여 AI 개발 과정에서의 시간과 자원 소모를 줄이고 성능을 향상

■ 활용 계획

• 이상탐지 모델 적용 검토 및 기타 모델들간 성능 비교 Benchmark 활용 예정

• 모델 생성 기술을 활용하여 Non-IID 환경에서 적용 가능성을 검토 및 적용

  
  

01 멘토 소개

이규남

• AI Fellowship 6기 우수팀 멘토

• 타겟 마케팅/추천 시스템 Back-end AI 개발

• 고객 관심사 분석 및 인사이트 분석

• MAU 200만 서비스 추천 시스템 개발, 연 평균 직접 매출 120억 달성

• MAU 800만 통신 서비스 추천 시스템 개발

  
  

02 프로젝트 소개

현재 인공지능(AI) 모델의 학습에는 막대한 계산 자원이 요구되며, 그중에서도 GPU는 핵심적인 역할을 담당하고 있습니다.

특히 GPT와 같은 대규모 언어 모델이나 이미지 생성 모델 등은 수천 개에서 수만 개에 이르는 고성능 GPU를 필요로 하며, 이로 인해 막대한 비용과 전력 소비가 발생하게 됩니다.

이러한 고자원 중심의 접근 방식은 단기적으로는 성능 향상에 효과적일 수 있으나, 장기적으로는 지속 가능성이 낮고, 에너지 효율이나 환경적 측면에서도 부정적인 영향을 초래합니다.

게다가, 대기업조차도 무한정한 GPU 자원을 모든 조직에 제공할 수는 없습니다.

대부분의 대기업은 제한된 수의 고성능 GPU를 중심 조직이나 전략 부서에 집중 배치하고, 나머지 부서나 실무 팀에게는 상대적으로 제한적인 리소스를 제공하는 구조를 취하고 있습니다.

이는 GPU 자원이 매우 고가이며, 물리적인 수량도 한정되어 있기 때문입니다.

결과적으로, 대기업 내에서도 AI 실험이나 개발을 하고자 하는 다양한 팀들이 자원 부족으로 인해 제약을 받는 일이 빈번하게 발생합니다.

즉, 조직의 규모와 무관하게, GPU 중심의 AI 개발은 리소스 배분의 문제로부터 자유롭지 못합니다.

이러한 상황은 중소기업이나 스타트업, 독립 연구기관에 더 큰 장벽으로 작용합니다.

이들은 고성능 GPU 인프라를 자체적으로 구축하거나 클라우드 기반의 GPU를 장기적으로 사용하는 데에 있어 비용적인 부담이 크기 때문에, AI 개발 초기 단계에서부터 진입이 어렵습니다.

이로 인해 최신 AI 기술의 혜택은 특정 소수에게 집중되고, 기술의 확산성과 공정성은 점점 약화되고 있습니다.

더불어, 현재 대부분의 범용 인공지능 모델들은 지나치게 포괄적인 범위를 다루도록 설계되어 있어, 실제 현업에 적용하려면 많은 커스터마이징과 파인튜닝이 요구됩니다.

예를 들어, 의료, 금융, 제조 등 각기 다른 산업 분야에 AI를 적용하기 위해서는 해당 도메인에 특화된 데이터 학습, 모델 재구성, 성능 조정 등이 필요합니다.

이 모든 과정은 다시 GPU 자원의 소모와 전문 인력의 투입을 필요로 하며, 결과적으로 개발 기간의 지연과 비용 상승을 초래하게 됩니다.

우리가 추진하고자 하는 프로젝트는 이러한 문제의식에서 출발하였습니다.

본 프로젝트의 핵심 목표는 사용자의 요구나 특정 도메인에 맞춰 최적화된 소형 인공지능 모델을 자동으로 설계하고 생성해내는 메타-AI 시스템을 구축하는 것입니다.

다시 말해, 하나의 인공지능이 또 다른 목적지향적 AI를 생성하는 역할을 수행함으로써, 효율성과 맞춤형 성능을 동시에 달성하는 것입니다.

이 메타-AI는 고성능 GPU 없이도 작동 가능한 경량화된 AI 모델을 생성하도록 설계되며, 특정 업무에 즉시 활용 가능한 수준의 전문성과 정확도를 갖추는 것을 목표로 합니다.

이를 통해 자원의 낭비를 줄이고, 누구나 자신만의 목적에 맞는 AI를 빠르게 구축할 수 있는 환경을 조성하고자 합니다.

이는 기술의 접근성과 지속 가능성 측면에서 매우 중요한 진전을 의미하며, 인공지능의 진정한 대중화를 앞당기는 데 크게 기여할 수 있을 것입니다.

참여자가 필요로 하는 장비 및 클라우드 예산은 필요 시, AI Fellowship 예산 내에서 활용 가능합니다.

이해를 돕기 위한 참조 이미지로 원본 이미지를 과제에 맞게 변형한 이미지 입니다.

(원본 이미지 출처 : https://humanloop.com/blog/foundation-models)

03 이런 Fellows를 찾아요!

• 최소한의 Python 개발 실력

• 새로운 패러다임을 학습하는데 두려움 없고 능동적인 자

• 창의적인 아이디어 제안에 망설임이 없으신 분

  
  

04 우대 사항

• 오픈 소스 프로젝트 (Python 언어 기반)에 직접 참여한 경험이 있는 개발자

• 데이터 분석 및 AI 학습 有 경험자

• 논문 투고 혹은 특허 제출해본 개발자

  
  

05 고려하지 않는 사항

AI 전공 무관 : AI 전공 했다면 좋은 경험을 한 것이지만, 본 프로젝트를 수행하는데 필수 역량은 아닙니다.