작업별 필요한 LLM만 활성화, 메모리 사용량 90% ↓

중국 AI(인공지능) 스타트업 '딥시크(DeepSeek)'가 챗 GPT보다 개발 비용이 낮으면서 성능은 유사한 이른바 '고효율' AI를 내놓은 배경엔 학습 과정에서의 비용 절감이 큰 역할을 한 것으로 분석된다. 다만 과학기술계는 "딥시크가 공개한 오픈소스를 바탕으로 실제 기술력을 검증 중"이라며 신중한 접근을 강조했다.

31일 과학기술계에 따르면 딥시크가 최근 공개한 AI 모델 'R1'의 낮은 개발 비용엔 'MoE(Mixture-of-Experts)' 아키텍처가 중요한 역할을 했을 것으로 추정된다. '전문가 혼합'이라는 뜻의 MoE는 특정 분야의 여러 전문가가 모여 각자 작업을 수행하듯, 특정 작업에 특화된 여러 LLM(거대언어모델)을 한데 모은 뒤 작업의 종류에 따라 필요한 LLM만 활성화하는 기술이다.

딥시크가 공개한 기술보고서에 따르면, 딥시크-R1의 파라미터(매개변수)는 6710억개에 이르지만, 작업 시엔 이 중 340억개만 선별적으로 활성화하도록 설계됐다. 모든 매개변수를 한 번에 사용하지 않기 때문에 기존 메커니즘보다 메모리 사용량이 훨씬 낮고 작업 속도도 빠르다. 딥시크는 이를 통해 R1과 비슷한 수준의 챗PGT-o1보다 메모리 사용량을 90%까지 줄인 것으로 알려졌다.

안성수 KAIST(카이스트) AI 대학원 교수는 "작업마다 특화된 소규모의 '전용 LLM'만 활성화해 AI 학습 비용을 절감하는 게 MoE의 장점인데, 딥시크가 지난해 말 딥시크-V3에서 선보인 기술을 이번 R1에도 적용한 것으로 보인다"며 "지난해부터 연구 결과가 대거 나오기 시작한 기술인데 (딥시크가 먼저) 성능을 끌어낸 것 같다"고 봤다.

다만 딥시크가 '지도 학습(Supervised Fine-Tuning)'을 줄이고 '강화 학습(Reinforcement Learning)'에 집중해 성능을 높였다는 분석에 대해선 "(학계·산업계 차원의) 검증이 필요하다"는 시각이 나온다.

지도 학습은 AI 모델이 특정 작업을 수행할 수 있도록 추가로 학습시키는 기술이다. 강화 학습은 AI가 스스로 답을 찾을 수 있도록 추론 능력을 향상하는 기술이다. 강화 학습에 집중한다는 건 학습을 '덜' 시켜도 추론을 통해 정답을 찾을 수 있는 AI를 만든다는 의미다. 이를 통해 학습 과정에 드는 비용을 최소화한다는 것이다. 딥시크는 AI가 추론을 통해 정답을 찾았을 때 가점을 부여하는 '정확도 보상(Accuracy Rewards)'을 적용해 성능을 높인 것으로 알려졌다.

정송 KAIST AI대학원장은 "(딥시크의 주장처럼) AI의 학습 과정을 추론 과정으로 대체했다고 하더라도 대체 과정에서의 개발 비용이 만만찮을 텐데, 이 부분에 대해선 명쾌한 설명이 아직 없는 상황"이라고 했다. 또 "추론을 하려면 이를 판단할 사전 지식이 있어야 하는데, 만약 이 과정에서 자체 개발한 학습 데이터가 아닌 타사의 학습 데이터가 들어갔다면 총 개발 비용에 학습 데이터 이용료도 포함됐어야 했을 것"이라고 했다. 이 경우 딥시크-R1의 총 개발비가 현재 공개한 558만달러(약 78억원)보다 높아질 수 있다고 보는 것이다. 오픈AI는 자사 AI 학습 데이터를 딥시크가 불법으로 사용했다고 주장하고 있다.

이경하 KISTI(한국과학기술정보연구원) 초거대AI연구단장은 "딥시크가 R1의 소스와 테크니컬 리포트(AI의 세부 정보를 소개하는 논문)를 모두 공개한 만큼, 딥시크가 제시한 사양으로 성능을 재현할 수 있을지에 대한 검증이 이뤄지고 있다"고 했다. AI 오픈소스 플랫폼 '허깅페이스'의 R1 개발 코드 다운로드 횟수는 31일 기준 49만회에 이른다. 이 단장은 "딥시크가 진짜 AI 계의 '돌파구'가 될지는 검증을 마친 후 확언할 수 있을 것"이라고 덧붙였다.