국가 과학 프로젝트에 오픈소스 AI가 들어갔어요
미국 정부가 추진하는 '제네시스 미션(Genesis Mission)'이라는 프로젝트가 있는데요. 행정명령으로 시작된 국가 단위 과학 AI 이니셔티브예요. 이게 뭐냐면, 미국 에너지부(DOE) 산하 국립연구소들이 가진 슈퍼컴퓨터, 수십 년간 쌓아온 실험 데이터, 그리고 최신 AI 모델을 하나로 묶어서 과학 연구의 속도를 끌어올리겠다는 계획이거든요. 신약 개발, 신소재 발견, 핵융합 같은 난제를 AI로 풀어보겠다는 거죠. 그런데 이 프로젝트의 첫 번째 결과물들에 메타의 오픈소스 AI 모델이 핵심 부품으로 들어갔다는 소식이에요. 로렌스 버클리 국립연구소(LBNL)가 메타의 SAM과 DINO를 연구 현장에 투입하고 있다고 해요.
SAM과 DINO가 뭐길래
SAM(Segment Anything Model)은 이미지에서 '이 부분만 잘라줘'라고 하면 객체의 경계를 정확하게 따주는 모델이에요. 포토샵에서 누끼 따는 작업을 AI가 자동으로 해준다고 생각하면 쉬운데요. 클릭 한 번이나 대략적인 박스만 그려줘도 픽셀 단위로 정확한 분할(세그멘테이션)을 해줘요. 이게 과학 연구에서 왜 중요하냐면, 현미경으로 찍은 세포 사진에서 세포 하나하나를 구분하거나, 재료의 전자현미경 이미지에서 결정 구조를 분리하거나, 위성 사진에서 특정 지형을 골라내는 작업이 전부 세그멘테이션이거든요. 지금까지는 대학원생들이 몇 달씩 손으로 하던 일이에요.
DINO는 조금 더 재미있는 모델인데요. 자기지도학습(self-supervised learning)이라는 방식으로 훈련된 비전 모델이에요. 이게 뭐냐면, 보통 AI한테 이미지를 가르치려면 '이건 고양이, 이건 강아지' 하고 사람이 일일이 정답(라벨)을 달아줘야 하잖아요. 그런데 DINO는 라벨 없이 이미지만 잔뜩 보여줘도 스스로 이미지의 구조와 특징을 파악해요. 과학 데이터에서 이게 결정적인 이유가 있어요. 전자현미경 사진에 라벨을 달려면 박사급 전문가가 필요해서, 라벨링된 과학 데이터가 세상에 거의 없거든요. DINO 같은 모델을 기반(백본)으로 깔고 소량의 데이터만 얹어서 파인튜닝하면, 라벨 부족 문제를 크게 우회할 수 있는 거죠.
오픈 웨이트라서 가능했던 일
여기서 주목할 포인트가 하나 있는데요. 국립연구소들이 메타 모델을 쓸 수 있었던 건 이 모델들이 가중치까지 공개된 오픈 모델이기 때문이에요. 정부 연구소는 보안과 규제 때문에 민감한 연구 데이터를 외부 상용 API로 보낼 수가 없거든요. 대신 모델 파일을 통째로 받아서 내부 슈퍼컴퓨터에 올리고, 자기네 데이터에 맞게 뜯어고칠 수 있어야 해요. 메타가 수년간 밀어온 오픈소스 전략이 공공 연구 영역에서 결실을 맺는 장면이라고 볼 수 있어요.
업계 흐름에서 보면
'AI로 과학을 한다(AI for Science)'는 흐름은 이미 대세가 되고 있어요. 딥마인드의 알파폴드(AlphaFold)가 단백질 구조 예측으로 노벨상까지 이어졌고, 마이크로소프트는 신소재 생성 모델을, 엔비디아는 기후 시뮬레이션 플랫폼을 밀고 있죠. 챗봇 경쟁에 가려져 있지만, 실질적인 과학적 성과는 이런 특화 모델들에서 조용히 나오고 있는 중이에요. 메타 입장에서는 FAIR 연구소가 만들어온 기초 연구용 모델들이 국가 프로젝트의 인프라가 됐다는 점에서 의미가 크고요.
우리한테는 어떤 의미일까
한국 개발자 입장에서 두 가지를 챙겨볼 만해요. 첫째, SAM과 DINO는 지금 당장 가져다 쓸 수 있어요. 의료 영상 분석, 제조 라인 불량 검출, 위성·드론 이미지 처리처럼 라벨 데이터가 부족한 도메인이라면, 이 모델들을 백본으로 깔고 파인튜닝하는 접근이 사실상 표준이 되어가고 있거든요. 둘째, 국가 차원의 시사점인데요. 한국도 국가 AI 컴퓨팅 인프라 이야기가 한창이잖아요. 미국 사례를 보면 핵심은 GPU 개수가 아니라 '축적된 과학 데이터에 AI를 어떻게 연결하느냐'예요. 모델은 오픈소스로 구할 수 있어도, 데이터와 도메인 전문가를 잇는 파이프라인은 각 나라가 직접 만들어야 하니까요.
한줄 정리: 메타의 오픈소스 비전 모델 SAM과 DINO가 미국 국가 과학 프로젝트의 첫 인프라로 채택됐고, 라벨 없는 과학 데이터 분석의 표준 도구가 되어가고 있어요.
여러분이 다루는 도메인에도 라벨이 부족해서 못 건드리고 있는 데이터가 있나요? 파인튜닝으로 풀 수 있을 만한 문제가 있다면 어떤 게 있을지 궁금하네요.
🔗 출처: Hacker News