[판도 바꾼 딥시크]'딥시크 쇼크' 만든 오픈소스…AI 산업 패러다임 변하나

외부 전문가 액세스 용이한 ‘오픈소스’ 관심
샘 올트먼 “오픈소스 전략 만들 필요 있어”
스스로 추론하는 ‘강화학습’으로 시간·비용 절감도
데이터 도용·개인정보 유출 등은 여전히 한계

▲딥시크 앱의 모습. AP연합뉴스

중국의 ‘딥시크 쇼크’가 전 세계를 강타하며 ‘저비용ㆍ고성능’ 인공지능(AI) 전략에 관심이 쏠리고 있다. 딥시크 개발의 효율화 비결은 오픈소스와 강화학습 기술을 통한 비용 절감으로 꼽히기 때문이다.

물론 데이터의 무단 학습이나 개인정보 유출 등 문제가 거론되기는 하지만, 아직은 성과에 초점이 맞춰진 모습이다.

3일 AI 업계에 따르면, 중국의 AI 스타트업 ‘딥시크’의 빠른 추격을 가능케 했던 오픈소스 생태계에 관심이 집중되고 있다. 오픈소스는 소프트웨어의 개발 과정을 외부에 모두 공개해 누구나 이를 응용할 수 있도록 하는 개발 방식이다. 외부 전문가에게 AI 모델을 공개함으로써 지속적인 소프트웨어 개발을 촉진한다는 점이 특징이다.

기존 AI 분야의 선두주자인 오픈AI나 구글은 자사 AI 모델을 소스 코드나 설계 과정을 사용자에게 공개하지 않는 ‘폐쇄형’ 방식으로 개발했다. 이들은 폐쇄형 방식으로 AI 모델의 학습 데이터나 훈련 방식 등을 보호할 수 있었다. 반면, 빠른 추격자인 딥시크와 알리바바 클라우드, 텐센트 등 중국의 AI 기업들은 자사 모델을 공개함으로써 기술 격차를 빠르게 따라잡았다.

이에 기존 폐쇄형을 고집하던 빅테크가 오픈소스 생태계에도 눈을 돌리고 있다. 샘 올트먼 오픈AI 최고경영자(CEO)는 온라인 커뮤니티 레딧에서 “우리는 (오픈소스 소프트웨어와 관련해) 역사의 잘못된 편에 서 있었다”며 “오픈AI의 모든 사람이 이런 견해를 공유하는 건 아니지만, 개인적으론 다른 오픈소스 전략을 만들 필요가 있다고 생각한다”고 했다.

딥시크의 개발 비용을 획기적으로 줄인 ‘강화학습(RL)’에도 이목이 쏠리고 있다. 강화학습은 AI가 스스로 답변을 찾을 수 있도록 추론하는 기술이다. 딥시크는 기술 보고서에서 “이전엔 모델 성능을 높이기 위해 대량의 지도 데이터에 의존해 왔다”며 “(딥시크 R1은) 콜드 스타트로 지도 데이터의 미세조정(파인튜닝)을 사용하지 않고도 대규모 강화 학습을 통해 추론 능력을 높였다”고 밝혔다.

기존 AI 모델의 경우 대량의 데이터를 수집해 모델을 훈련하는 ‘사전학습’, 특정한 용도에 맞게 모델을 추가 훈련하는 ‘미세조정(파인 튜닝)’, 사람이 직접 AI 모델의 응답을 평가하는 ‘휴먼 피드백 기반 강화 학습(RLHF)'의 단계를 거친다. 빅테크는 이 같은 과정을 거쳐 정확성을 올렸다. 반면, 딥시크는 사전학습을 줄이고 강화학습에 집중해 RLHF 과정까지 단축했다. 이를 통해 개발 비용과 시간을 줄일 수 있었다.

물론 딥시크의 성과가 오픈소스를 활용한 결과라는 점에서는 많은 의혹이 제기되고 있다.

먼저 딥시크가 오픈AI의 AI 모델을 ‘증류’해 딥시크 R1을 개발했다는 의혹이 일고 있다. 증류는 기존 AI 모델의 출력 결과를 새로운 AI 모델 훈련에 이용하는 방식이다. 블룸버그 등 외신은 딥시크가 오픈AI의 데이터를 무단으로 수집해 활용했는지에 대해 오픈AI와 마이크로소프트가 조사하고 있다고 보도했다.

또 딥시크의 보안 문제도 지적되고 있다. 딥시크에 입력된 사용자의 개인정보가 중국 정부로 유출될 수 있다는 우려에서다. 딥시크의 개인정보 보호 정책에 따르면 AI 모델 학습 등을 위해 사용자의 데이터를 수집할 수 있으며 해당 정보를 공공기관에 공유할 수 있다고 명시돼 있다. 개인정보 보호 관련 규제 테두리 안에서 개발을 진행하는 다른 모델들과는 다른 중국의 특수성이 작용하고 있다는 지적이다. 실제 미국, 일본 등 각국 정부는 딥시크를 쓰지 말라고 권고하기도 했다.

이와 관련 AI 업계 전문가는 "딥시크 쇼크는 미국에 스푸트니크(구 소련이 발사한 최초의 인공위성) 쇼크에 버금가는 충격을 줬다"며 "제기되는 많은 논란에도 불구하고 오픈소스가 주요 기업 및 국가의 AI 전략 수립에 많은 변화를 가져올 것이라는 점은 자명해 보인다"고 밝혔다.