저자: BIGDATADOCTOR · 한국인
요약 보기
테슬라 FSD v12 등 자율주행 문제 해결에는 데이터 양보다 좋은 데이터를 정의하는 온톨로지가 핵심이라고 설명. 팔란티어는 온톨로지 중심 접근으로 FDE를 파견해 기업별 맞춤 구축을 해왔으나, 제이콥스의 자체 구축 사례와 AIP(언어 인공지능+개발툴)로 확장성 문제가 해결되며 대량생산 가능성이 커졌다고 주장. 결론적으로 AI 전쟁보다 온톨로지(질문 설정) 전쟁이 될 것이라는 견해.
다듬은 글
오늘 영상은 지난 온톨로지 영상을 먼저 보고 오시면 이해가 더 쉽습니다. 최근 올라온 FSD 버전 12 영상 보셨나요? 보시고 어떤 생각이 드셨는지 궁금합니다. 저는 팔란티어가 떠오르더라고요. 과거 테슬라 AI 수장이었던 안드레이 카르파시가 이런 트윗을 올린 적이 있습니다. AI로 주행 능력을 높이려면 데이터의 양이 아니라 좋은 데이터를 고르는 능력이 중요하다는 내용이었죠. 실제로 FSD 시연 영상에서도 일론 머스크가 비슷한 얘기를 했습니다. 주행 능력을 개선하려면 데이터의 질이 중요하고, 나쁜 데이터를 넣으면 오히려 운전을 망친다고요. 그래서 어떤 데이터를 넣느냐가 핵심인데, 그 선별 과정이 생각보다 훨씬 어렵습니다. FSD가 베타라는 말을 떼어내려는 지금, 테슬라가 밝힌 이 고민이 바로 온톨로지 이야기로 이어집니다.
온톨로지를 이야기하면 팔란티어를 빼놓을 수 없습니다. 팔란티어는 지난 20여 년간 문제를 해결하는 수단으로 온톨로지에 집중해 왔기 때문이죠. 온톨로지의 기본 개념은 어떤 대상에 대한 개념을 정의하는 것입니다. 예를 들어 '나쁜 운전이란 무엇인가', '좋은 운전이란 무엇인가'를 구체적인 특성으로 정의하는 일이 여기에 해당합니다. 문제를 근본적으로 해결하려면 이 개념을 정의하는 일이 매우 중요해집니다.
왜일까요? A 지점에서 B 지점까지 자율주행을 한다는 문제만 놓고 보면, 사람들의 운행 데이터를 모아 인공신경망에 넣고 돌리면 됩니다. 그러면 AI가 데이터의 공통분모를 찾아 사람처럼 운전하는 답을 내놓겠죠.
그런데 "A에서 B까지 안전하게 자율주행한다"로 문제를 더 구체적으로 설정하면 이야기가 달라집니다. 인공신경망에 데이터를 넣기 전에, 안전하게 운전하는 것, 즉 좋은 운전과 나쁜 운전의 데이터를 구분해서 정의하는 일이 먼저 이루어져야 하니까요.
챗GPT가 거짓말을 하는 현상을 오픈AI가 처음부터 예측했을 것 같지는 않습니다. 통계적으로 빈도가 높은 데이터를 고르는 인공신경망을 언어 데이터에 적용했을 뿐이니까요. 그런데 결과적으로 알게 된 것이 있습니다. 언어 데이터 자체가 개념 정의가 명확하지 않은 무규칙 데이터여서, 헛소리의 빈도가 높으면 명확한 기준이 없기 때문에 AI는 그냥 헛소리를 택하게 된다는 점입니다.
비슷한 현상이 테슬라 FSD에서도 보입니다. 대부분의 사람들이 정지 표지판에서 완전히 멈추지 않으니, FSD도 멈추지 않는 데이터를 택하죠. 좋은 운전이 무엇인지 정의되지 않은 채로 데이터가 인공신경망에 들어갔기 때문입니다.
그래서 팔란티어는 이 부분을 늘 강조합니다. 문제를 근본적으로 해결하려면 먼저 문제를 구체적으로 정의하고, 그에 맞춰 데이터를 정의하고 선별해야 한다는 것이죠. 여기서 '그에 맞춘다'는 규칙이 바로 온톨로지, 즉 문제 해결을 위한 규칙입니다. 이런 관점으로 보면 테슬라가 자율주행이라는 문제를 구체적으로 정의한 시점은 그리 오래되지 않았을 것으로 예측해 볼 수 있습니다.
제 추측으로는 운전자들에게 운전 습관에 따라 세이프티 스코어를 부여하기 시작한 무렵이 아닐까 싶습니다. 세이프티 스코어는 무질서한 주행 영상 데이터에 '안전'이라는 규칙을 점수로 부여해 좋은 운전과 나쁜 운전을 구분한 지표이니까요. 즉 세이프티 스코어는 온톨로지의 한 지표라고 볼 수 있습니다.
정리하면 이렇습니다. 슈퍼컴퓨터로 엄청난 빅데이터를 인공신경망에 넣고 돌린다고 자율주행이라는 문제가 기본적으로 해결되는 것은 아닙니다. 그보다 먼저 데이터의 온톨로지가 적용되어야 합니다.
이제 팔란티어 이야기를 해보겠습니다. A라는 기업이 팔란티어에 문제 해결을 의뢰합니다. 팔란티어는 A를 위한 빅데이터 분석 시스템을 구축해야 하고, 그러려면 온톨로지가 필요하죠. 그렇다면 온톨로지가 문제 해결의 규칙이라고 할 때, 그 산업군의 온톨로지를 가장 잘 아는 곳은 어디일까요? 팔란티어일까요? 아닙니다. 그 산업에서 활약하고 있는 기업 A입니다. 지금 시점에서 좋은 운전과 나쁜 운전을 가장 잘 정의할 수 있는 기업이 테슬라인 것과 같은 이치입니다. 너무 당연한 이야기죠.
문제 해결의 규칙을 알려면 그 산업의 흐름을 이해하고 있어야 하니까요. 자신들의 온톨로지는 자신들이 가장 잘 만들 수 있다는 뜻입니다. 그런데 기업 A에는 이런 빅데이터 분석 시스템을 만들 능력이 없는 경우가 많습니다. 그래서 팔란티어가 개발자를 파견합니다. 이렇게 파견되는 팔란티어 개발자를 FDE(Forward Deployed Engineer)라고 부릅니다. 팔란티어를 다룬 다큐멘터리를 보면 두산인프라코어와 팔란티어가 협업해 시스템을 구축하는 과정이 나오는데, 여기서 FDE의 역할이 두드러집니다. FDE가 기업 구성원들과 지속적으로 소통하며 산업의 흐름을 이해하고, 온톨로지를 함께 구축해 가는 장면이 인상적이었습니다.
핵심 포인트는 이것입니다. 기업이 빅데이터로 문제를 해결하려면 반드시 온톨로지가 구축되어야 하고, 실질적인 온톨로지가 구축되려면 해당 산업에 대한 깊은 이해가 필요합니다. 그래서 문제를 해결하는 분석 시스템을 제대로 만들려면 커스터마이징이 필수입니다. 모두에게 일괄 적용되는 범용 소프트웨어로는 불가능합니다. 각자의 문제 해결 온톨로지가 다르니까요. 커스터마이징이 좋다는 건 누구나 압니다. 문제는 커스터마이징 방식이 대량 생산이 어려워 확장성이 떨어진다는 점이죠.
전 세계에 기업이 얼마나 많은데, 팔란티어 개발자들이 그 기업들을 하나하나 찾아가 설치해 줄 수는 없습니다. 현실적으로 불가능하죠. 그런데 올해 초 CES에서 흥미로운 소식이 나왔습니다. 팔란티어와 협업 중인 제이콥스라는 기업이 팔란티어 프로그램 구축 후기를 소개했는데, FDE 없이 자기 회사 개발자들만으로 팔란티어 프로그램을 직접 구축했다는 겁니다. 이게 어느 정도 사실인지는 모르겠습니다. FDE가 구축 과정에서 일부 관여했는지, 아예 관여하지 않았는지, 아니면 제이콥스 소속 개발자가 과거 팔란티어에서 일했던 사람인지 알 수 없습니다. 그러나 사실 여부를 떠나 핵심은 이것입니다. 자사 개발자가 있다면 FDE 없이도 팔란티어 프로그램을 구축할 가능성이 생겼다는 것이죠.
팔란티어 홈페이지만 봐도 확장성에 대한 고민이 얼마나 큰지 알 수 있습니다. 팔란티어는 온톨로지를 구축할 때 새로운 문제마다 완전히 새로운 온톨로지를 만드는 것이 아니라, 기존 온톨로지를 기반으로 확장해 나가는 방식을 취합니다. 모든 산업에 공통으로 적용되는 큰 온톨로지가 있고, 거기서 산업별로 파생되며, 그 안에서 다시 세분화되는 구조입니다. 무에서 유를 창조하는 방식은 아니라는 뜻이죠.
온톨로지를 개발하는 툴도 초등학생용 코딩 프로그램처럼 코드를 최대한 쓰지 않고 클릭만으로 시스템을 구축하는 방향을 지향하는 것으로 보입니다. 회사에 개발자만 있다면 누구나 쉽게 팔란티어 프로그램을 구축할 수 있다는 느낌이죠. 제이콥스가 그것을 스스로 해냈다는 사례를 공식 자리에서 한 번 더 보여준 셈입니다.
여기서 한 번 더 놀라운 일이 생깁니다. 팔란티어 프로그램에 언어 인공지능이 붙었습니다. 바로 AIP입니다. 지난 6월 AIP를 시연한 컨퍼런스에서는 AI와 개발 툴이 만나는 장면이 소개됐습니다. 시연 중 채팅창에 "이러이러한 위젯을 만들어 줘"라고 요청하자 AI가 알아서 위젯을 만들어 주는 모습이 연출되었습니다.
저는 여기서 이런 생각이 제일 먼저 들었습니다. 잘만 된다면 개발자가 아닌 사람도 시스템 구축에 참여할 수 있겠구나. AI와 채팅하면서 온톨로지를 구축하는 것이 가능해지기 때문입니다. 즉 산업을 잘 이해하는 사람이라면 누구나 구축을 시도해 볼 수 있는 가능성이 열린 것이죠. 그러면 어떤 일이 벌어질까요? 이전보다 훨씬 쉽게 스스로 시스템을 구축할 수 있으니 프로그램의 대량 생산이 가능해집니다.
이게 실현된다면 엄청난 혁신입니다. 정리해 보죠. 문제를 해결하려면 결국 온톨로지가 필요하고, 온톨로지는 산업마다 다르므로 커스터마이징이 필요합니다. 그런데 AI가 커스터마이징을 도와준다면 팔란티어 개발자를 파견하지 않아도 되니, 커스터마이징 상품에도 대량 생산의 길이 열립니다. 맞춤 제작과 대량 생산은 원래 동시에 성립하기 어려운 관계인데, 이것이 깨지는 것이죠. 사실 커스터마이징은 타 기업과 비교했을 때 팔란티어의 유일한 단점이었는데, 이제는 장점이 될 수 있습니다.
작년 국제 포럼에서 팔란티어 CEO 알렉스 카프가 "우리는 순수한 소프트웨어를 대량으로 공급한다"는 취지의 말을 했는데, 이제 그 의미가 다르게 보입니다. 팔란티어 CTO 샴 페케르도 최근 인터뷰에서 언어 인공지능이 마치 지난 20년 동안 온톨로지를 기다려 온 것 같다고 말했습니다. 여러 의미가 있겠지만, 저는 이렇게 생각합니다.
예전에 커뮤니티에서 이런 글을 본 적이 있습니다. 팔란티어의 고담이 전쟁에서 이기게 해 주는 프로그램이라면, 양쪽 나라가 모두 고담을 쓰면 누가 이기느냐는 질문이었죠. 그때는 웃어넘겼지만, 지금은 답을 얻은 것 같습니다.
챗GPT는 모든 사람에게 동일한 인공신경망일 뿐입니다. 하지만 내가 어떤 질문을 하느냐에 따라 얻는 답의 퀄리티는 천지 차이입니다. 온톨로지도 마찬가지입니다. 내가 문제를 어떻게 설정하느냐에 따라 문제 해결의 온톨로지도 달라집니다. AIP로 팔란티어 프로그램이 대량 생산되어 대부분의 기업이 쓰게 되더라도, 질문을 어떻게 하느냐에 따라 서로 다른 온톨로지를 얻게 됩니다. 같은 파운드리를 쓰더라도 결국 서로 다른 파운드리가 되는 셈이죠.
미래에는 AI 전쟁이 펼쳐질 거라고 늘 이야기하잖아요. 그런데 실상은 우리 모두 같은 AI를 쓰고 있습니다. 그렇다면 실제 전쟁은 AI 전쟁이 아니라 온톨로지의 전쟁이 될지도 모르겠습니다. 온톨로지는 우리의 질문에서 시작됩니다. 팔란티어가 AIP를 통해 그 채팅창을 열어 준 것이죠.
Comments 0