Apertus: 주권 AI를 위한 완전 공개 파운데이션 모델의 가능성과 한계

한 줄 요약

스위스의 Apertus는 가중치뿐 아니라 학습 데이터와 레시피까지 모두 공개하는 '완전 공개' 모델을 통해, 미국 빅테크 중심의 AI 패권에서 벗어나 데이터 주권과 과학적 재현성을 확보하려는 시도이다.

원문 핵심 내용

'완전 공개'의 정의: Open Weights를 넘어 Open Science로

대부분의 '오픈 모델'은 모델의 결과물인 가중치(Weights)만 공개하는 'Open-weights' 방식이다. 하지만 Apertus는 이를 넘어 학습 데이터(Open Data), 코드(Open Code), 학습 방법론(Open Methods), 정렬 원칙(Alignment Principles)을 모두 문서화하여 공개한다. 이는 마치 요리 완성품만 주는 것이 아니라, 식재료의 출처, 정확한 계량법, 조리 순서, 간을 맞춘 기준까지 모두 공개하는 '레시피 공개'와 같다. 이를 통해 누구나 동일한 환경에서 모델을 다시 만들어낼 수 있는 재현 가능성(Reproducibility)을 확보하는 것이 핵심이다.

기술적 제원과 다국어 전략

Apertus는 8B(80억 개)와 70B(700억 개) 파라미터 규모의 모델을 제공하며, 동급 규모의 상위 오픈 모델들과 경쟁 가능한 성능을 목표로 한다. 특히 주목할 점은 초기 학습 단계부터 1,000개 이상의 언어를 포함했다는 것이다. 보통의 모델들이 영어 중심으로 학습한 뒤 나중에 다른 언어를 추가하는 방식(Post-training)을 쓰는 것과 달리, 처음부터 다국어 데이터를 쏟아부어 언어 간 장벽을 낮추려 했다.

EU AI Act 준수와 데이터 정제 파이프라인

유럽의 엄격한 AI 규제인 EU AI Act를 설계 단계부터 반영했다. 구체적으로는 다음과 같은 장치를 마련했다.

• 옵트아웃(Opt-out) 존중: 데이터 수집 거부 의사를 밝힌 데이터는 제외한다.
• PII(Personally Identifiable Information) 제거: 이름, 전화번호 등 개인식별정보를 자동으로 삭제한다.
• 암기 방지(Prevent Memorization): 모델이 학습 데이터를 그대로 외워서 출력하는 현상을 막아 저작권 및 개인정보 유출 사고를 방지한다.

Hacker News 커뮤니티 반응

댓글 처리 기록: HN 댓글 및 요약본의 다양한 관점을 분석하여 13개의 세부 논점으로 정리함.

① '진정한 오픈소스'에 대한 정의 논쟁

• 핵심 주장: 가중치만 공개하는 것은 오픈소스가 아니다. 데이터와 레시피가 모두 있어야 진정한 오픈이다.
• 근거/사례: [dofm]는 검증 불가능한 폐쇄적 모델은 'Cutting-edge(최첨단)'일 뿐, 과학적으로 검증된 'SOTA(최고 성능)'라고 부를 수 없다고 주장한다.
• 반론/대댓글: [toss1] 등은 업계에서 SOTA는 단순히 '현재 가장 성능이 좋은 것'을 의미하는 일반 명사라고 반박한다.
• 내 판단: 기술적 정의보다 '권력의 분산' 관점에서 [dofm]의 구분이 유효하다. 투명성이 없는 성능은 블랙박스와 같다.

② 미국 기술 패권과 '데이터 피난처'의 필요성

• 핵심 주장: 미국은 더 이상 데이터를 안전하게 보관할 수 있는 곳이 아니다.
• 근거/사례: [SwellLoe]는 미국 내 정치적 불안정성과 법적 불확실성 때문에 유럽 등 비미국권 국가들이 독자적인 '기술 주권'을 가져야 한다고 강조한다.
• 반론/대댓글: 다른 사용자는 "그렇다면 다른 나라가 구체적으로 왜 더 안전한 피난처가 되는가?"라며 실질적인 대안에 의문을 제기한다.
• 내 판단: 정치적 불신이 기술 선택의 핵심 변수가 된 시대다. '주권 AI'는 성능의 문제가 아니라 '생존과 통제'의 문제로 읽힌다.

③ Apertus의 실제 성능에 대한 회의론

• 핵심 주장: Apertus의 성능은 기대 이하이며, 특히 다국어 능력에 허점이 많다.
• 근거/사례: [pferde]는 "X를 Y 언어로 어떻게 말하나" 같은 단순 질문에 환각(Hallucination)이 심하며, 존재하지 않는 단어를 만들어낸다고 증언한다.
• 반론/대댓글: [atemerev]는 RAG(검색 증강 생성)용 드라이빙 모델로 사용 중이며 꽤 유능하다고 상충되는 경험을 공유한다.
• 내 판단: 범용 챗봇으로서는 부족할 수 있으나, 특정 도메인의 데이터로 미세조정(Fine-tuning) 하려는 개발자에게는 '투명한 기반'이라는 점이 더 매력적일 것이다.

④ 중국 모델의 부상과 주권 AI의 실체

• 핵심 주장: 주권 AI의 실질적인 희망은 오히려 중국의 공개 모델들에 있다.
• 근거/사례: [anon373839]와 [trollbridge]는 중국 랩들이 RL(강화학습)과 아키텍처 면에서 미국보다 더 혁신적인 연구를 많이 공개하고 있다고 주장한다.
• 반론/대댓글: [Vaslo]는 중국 모델이 가끔 자신을 'Claude'라고 주장하는 등 정체성 혼란을 겪는 점을 들어 신뢰성을 지적한다.
• 내 판단: 중국 모델의 기술적 성취는 인정하되, 정치적 투명성 문제로 인해 '완전 공개'를 지향하는 Apertus 같은 모델이 결국 최후의 보루가 될 가능성이 크다.

⑤ 로컬 LLM의 UX 장벽: "우리는 노예가 되고 있다"

• 핵심 주장: 모델이 공개되어도 일반인이 쓰기 너무 어려워 결국 빅테크 서비스에 종속된다.
• 근거/사례: [dTal]은 llama.cpp나 GGUF 같은 설정 과정의 UX가 끔찍하며, 이 때문에 사용자들이 편의성을 위해 '자발적 노예 상태'로 걸어 들어가고 있다고 비판한다.
• 반론/대댓글: 애플 실리콘이나 NPU 탑재 노트북의 보급으로 하드웨어 장벽은 낮아지고 있다는 의견이 있다.
• 내 판단: 기술의 민주화는 '코드의 공개'가 아니라 '설치의 간소화'에서 완성된다. UX 개선 없이는 주권 AI는 전문가들의 전유물로 남을 것이다.

⑥ 개인정보 삭제의 실효성: 해시 필터링 방식

• 핵심 주장: 모델 내부의 데이터를 지우는 대신 '출력 필터'를 쓰는 방식이 독특하지만 위험하다.
• 근거/사례: Apertus는 PII 삭제 요청 시 해시 파일을 제공하고, 사용자가 이를 6개월마다 업데이트하여 출력 단계에서 걸러내라고 권고한다.
• 반론/대댓글: 이는 근본적인 해결책이 아니며, 사용자가 필터를 적용하지 않으면 무용지물이라는 지적이 있다.
• 내 판단: 학습 데이터에서 완전히 지우는 '기계 망각(Machine Unlearning)'이 어려운 현재 상황에서의 현실적인 타협안으로 보인다.

⑦ 저작권 준수 주장의 진위 여부

• 핵심 주장: Apertus가 주장하는 저작권 준수는 허구일 가능성이 높다.
• 근거/사례: [trvz]는 이전 버전 테스트 결과 저작권 보호 저작물을 그대로 출력하는 사례를 발견했으며, 이는 '완전 공개'라는 명분과 배치된다고 주장한다.
• 반론/대댓글: [627467]은 Fineweb 같은 데이터셋 자체가 이미 무단 긁어오기(Common Crawl) 기반인데, 어떻게 완전한 저작권 준수가 가능하냐고 반문한다.
• 내 판단: 현재의 LLM 학습 패러다임에서 '완전한 저작권 준수'는 불가능에 가깝다. 다만 그 과정을 '투명하게 공개'하여 논쟁의 장으로 끌어올렸다는 점에 의의가 있다.

⑧ SOTA의 재정의: 검증 가능성 vs 절대 성능

• 핵심 주장: 이제는 '가장 똑똑한 모델'이 아니라 '가장 투명하게 검증된 모델'을 SOTA로 불러야 한다.
• 근거/사례: [dofm]의 주장. 폐쇄적 기업의 성능 수치는 마케팅일 뿐, 재현 가능한 과학적 수치만이 진짜 성능이라는 논리다.
• 내 판단: 학술적 관점에서는 타당하나, 비즈니스 관점에서는 여전히 '결과값의 정확도'가 우선시될 수밖에 없는 갈등 구조다.

⑨ 하드웨어 인프라의 현실: 스위스의 저력

• 핵심 주장: 스위스는 GPU 부족 국가가 아니며 충분한 인프라를 갖추고 있다.
• 근거/사례: [T-A]는 Apertus가 10,000개 이상의 NVIDIA Grace-Hopper 칩을 갖춘 Alps 슈퍼컴퓨터에서 훈련되었음을 상기시킨다.
• 내 판단: 국가 단위의 AI 주권은 결국 '전력'과 '칩'이라는 물리적 자원 확보 싸움임을 보여준다.

⑩ 학습 비용의 효율화 가능성

• 핵심 주장: 시행착오를 겪은 팀이 다시 학습하면 비용을 획기적으로 줄일 수 있다.
• 근거/사례: Dominique Paul의 인용구를 통해, 이미 한 번 학습해 본 팀은 데이터 정제와 하이퍼파라미터 최적화 노하우가 있어 다음 학습 시 비용을 1/4로 줄이면서 성능을 높일 수 있다고 주장한다.
• 내 판단: '데이터의 양'보다 '데이터의 질과 정제 순서'가 더 중요하다는 최근의 LLM 트렌드(Small Language Models)와 일맥상통한다.

⑪ 개인적 추론(Personal Inference)의 미래

• 핵심 주장: 일반인이 자신의 데이터를 직접 호스팅하고 추론하는 시대는 오지 않을 것이다.
• 근거/사례: [627467]은 현대인들이 사진과 음악조차 클라우드에 맡기는 성향을 볼 때, AI 모델을 직접 돌리려는 욕구는 극소수에 불과할 것이라고 지적한다.
• 내 판단: 편의성이 프라이버시를 압도하는 경향은 강하지만, 의료/법률 등 초고감도 데이터 영역에서는 '로컬 추론'이 필수적인 니즈가 될 것이다.

⑫ Cohere와 같은 '서비스형 주권 AI'의 위기

• 핵심 주장: 인프라 없이 모델만 제공하는 '주권 AI' 기업들은 Apertus 같은 완전 공개 모델의 등장으로 경쟁력을 잃을 것이다.
• 근거/사례: [neom]은 Cohere가 내세우는 주권 AI 가치 제안이, 누구나 가져다 쓸 수 있는 완전 공개 모델 앞에서 어떻게 차별화될지 의문을 제기한다.
• 내 판단: 단순 모델 제공보다는 그 모델을 특정 산업(예: 의료)에 최적화하여 배포하는 '운영 능력'이 핵심 경쟁력이 될 것이다.

⑬ 비트토렌트 방식의 학습(Crowdsourced Training)

• 핵심 주장: 미래에는 추론뿐 아니라 학습 자체도 분산형으로 이루어질 수 있다.
• 근거/사례: 일부 사용자는 BitTorrent처럼 전 세계의 유휴 GPU를 엮어 모델을 학습시키는 크라우드소싱 모델의 가능성을 언급한다.
• 내 판단: 통신 지연(Latency) 문제로 인해 거대 모델 학습은 어렵겠지만, 미세조정(Fine-tuning) 단계에서는 충분히 가능성이 있는 시나리오다.

새로운 시각

'AI의 민주화'에서 'AI의 과학화'로의 전환

지금까지의 오픈소스 AI 논의는 "누구나 쓸 수 있게 하자(민주화)"에 집중했다. 하지만 Apertus의 접근은 "어떻게 만들어졌는지 증명하라(과학화)"로 관점을 옮긴다. 이는 AI를 단순한 '제품'이 아니라 '학문적 성과'로 되돌리는 시도다. 만약 이 모델이 성공한다면, AI 개발은 '비밀 레시피를 가진 연금술'에서 '투명한 수식의 화학'으로 변모할 것이다.

'데이터 주권'의 실체: 법적 보호 vs 기술적 격리

토론에서 나타난 '주권'의 의미는 두 가지다. 하나는 EU AI Act 같은 '법적 제도'로 보호받는 것이고, 다른 하나는 미국 서버가 아닌 '물리적 로컬 서버'에 데이터를 가두는 것이다. Apertus는 이 두 가지를 동시에 해결하려 한다. 특히 '해시 필터'를 통한 개인정보 삭제 방식은 법적 요구사항(삭제권)을 기술적 구현(필터링)으로 연결하려는 흥미로운 시도이며, 이는 향후 모든 주권 AI의 표준 인터페이스가 될 가능성이 있다.

자녀와 미래에 대한 시사점

교육과 진로: '모델 사용자'에서 '모델 설계자'로

단순히 ChatGPT를 잘 쓰는 '프롬프트 엔지니어링'의 시대는 끝날 것이다. Apertus처럼 데이터셋과 레시피가 공개되는 시대에는, 특정 목적에 맞게 데이터를 큐레이션하고 학습 파이프라인을 설계하는 'AI 아키텍트'의 역량이 중요해진다. 자녀에게는 AI 도구의 사용법보다, 데이터가 어떻게 수집되고 정제되어 지능으로 변하는지의 '과정(Pipeline)'을 이해하는 논리적 사고력을 가르쳐야 한다.

의료 분야로의 함의: '신뢰할 수 있는 로컬 의료 AI'

소화기·종양학 분야의 정밀 데이터는 극도로 민감하며, 이를 미국 빅테크 서버로 보내는 것은 의료 주권 및 환자 개인정보 보호 측면에서 위험하다. Apertus 같은 '완전 공개 모델'이 있다면, 병원 내부의 폐쇄망(On-premise)에서 의료 데이터로만 미세조정된 '초전문가 로컬 모델'을 구축할 수 있다. 이는 외부 유출 걱정 없이 환자의 내시경 영상과 조직검사 결과만을 학습한, 세상에서 가장 안전하고 정확한 '나만의 진단 보조 AI'를 갖게 됨을 의미한다.