AI 요약
최근 인공지능(AI)과 데이터 센터의 급격한 성장은 막대한 에너지 소비 문제를 야기하고 있으며, 국제에너지기구(IEA)에 따르면 2024년 미국 내 AI 시스템의 전력 사용량은 국가 총 생산량의 10%를 넘어서는 415TWh에 달했습니다. 이러한 지속 가능성 우려 속에서 터프츠 대학교 공과대학 마티아스 쇼이츠(Matthias Scheutz) 교수팀은 전력 소모를 최대 100배까지 줄이면서 성능은 오히려 향상시킨 새로운 AI 접근 방식을 공개했습니다. 연구팀은 기존의 신경망 기술에 인간과 유사한 논리적 추론(심볼릭 추론)을 결합한 '뉴로-심볼릭 AI'를 통해 로봇이 시행착오를 반복하는 대신 논리적으로 사고하도록 설계했습니다. 이 기술은 특히 시각 정보와 언어 지시를 물리적 행동으로 연결하는 시각-언어-행동(VLA) 모델에 초점을 맞추고 있으며, 이는 샌디아 국립연구소나 xAI의 콜로서스(Colossus) 같은 대규모 서버 시설의 에너지 부담을 획기적으로 줄일 수 있는 대안으로 주목받고 있습니다.
핵심 인사이트
- 에너지 소비 데이터: 2024년 미국 AI 시스템 및 데이터 센터는 총 415테라와트시(TWh)의 전력을 소모했으며, 이는 2030년까지 두 배로 증가할 것으로 전망됩니다.
- 기술적 혁신: 터프츠 대학교 마티아스 쇼이츠 교수팀이 개발한 뉴로-심볼릭 AI는 기존 시스템 대비 전력 사용량을 최대 100배(100x) 절감합니다.
- 발표 일정: 이번 연구 결과는 2026년 5월 오스트리아 빈에서 개최되는 '로봇공학 및 자동화 국제 컨퍼런스(ICRA)'에서 발표될 예정입니다.
- 주요 인프라 언급: 기사는 마이크로소프트와 OpenAI가 건설 중인 '스타게이트(Stargate)'와 멤피스의 'xAI 콜로서스' 등 대규모 서버 시설의 막대한 에너지 요구량을 배경으로 설명합니다.
주요 디테일
- 뉴로-심볼릭 하이브리드: 전통적인 딥러닝 신경망의 데이터 처리 능력과 인간의 단계적 논리 추론 방식을 결합하여 효율성을 극대화했습니다.
- VLA 모델 특화: ChatGPT나 Gemini 같은 언어 모델을 넘어, 카메라의 시각 데이터와 언어 명령을 로봇의 팔, 바퀴, 손가락 움직임으로 변환하는 VLA(Visual-Language-Action) 모델에 적용되었습니다.
- 논리 기반 행동: 로봇이 블록을 쌓을 때 단순히 수많은 데이터를 통한 시행착오를 겪는 대신, 사물의 카테고리와 논리적 단계를 이해하여 정확도를 높였습니다.
- 데이터 의존도 감소: 데이터 집약적인 브루트 포스(Brute-force) 방식에서 벗어나 논리적 구조를 활용함으로써 연산 부하를 획기적으로 줄였습니다.
- 환경적 지속 가능성: 미국 전력의 10% 이상을 차지하는 AI 에너지 수요 폭증 문제를 해결할 수 있는 실질적인 증명(Proof-of-concept) 사례를 제시했습니다.
향후 전망
- 로봇 산업의 가속화: 전력 효율이 높은 VLA 모델의 보급으로 배터리 기반 모바일 로봇의 가동 시간이 비약적으로 늘어날 것으로 예상됩니다.
- AI 하드웨어 설계 변화: 에너지 효율이 핵심 경쟁력이 됨에 따라, 뉴로-심볼릭 아키텍처에 최적화된 새로운 반도체 및 하드웨어 수요가 증가할 전망입니다.
출처:sciencedaily