과학기술정보통신부와 정보통신기획평가원(IITP)이 지원하는 SW컴퓨팅산업원천기술개발사업 과제에서 와이즈넛이 모델 경량화와 통신 효율 성과를 확인했다. 도메인 특화 AI 에이전트 전문기업 와이즈넛(대표 강용성)은 분산형 데이터 연합컴퓨팅 기술(deFAI) 개발 및 실증 과제의 3차년도 연구를 진행하고 있다. 연구기간은 2024년 7월부터 2028년 12월까지다.
deFAI(decentralized federated AI)는 이 과제의 명칭에 쓰이는 약칭이다. 이 과제는 개인정보나 기밀 데이터를 외부로 반출하지 않고도 기관 간 공동 분석과 AI 학습을 가능하게 하는 것을 목표로 한다. 연구 주관기관은 한국과학기술연구원(KIST)이며, 와이즈넛은 피씨엔, 세종대학교 산학협력단과 함께 공동연구개발기관으로 참여한다.
올해 연구에서 확인한 세 가지 수치
와이즈넛은 올해 연구 과정에서 8비트 양자화 기법을 적용해 AI 모델 크기를 기존 대비 72% 줄였다고 밝혔다. 회사는 기존 성능을 유지한 채 얻은 결과라고 설명한다. 와이즈넛은 이번 과제에서 스마트폰·웨어러블처럼 연산 자원이 제한된 환경에서도 AI를 활용할 수 있도록 모델 크기를 줄이고, 중앙 서버와 지역 단말 간 데이터 전송 부담을 낮추는 기술을 개발하고 있다.
통신 효율 쪽에서는 중앙 서버와 지역 서버 사이에 지역 캐시 기술을 도입했다. 그 결과 두 서버 간 데이터 전송량이 기존 대비 8.06배 감소했다.
프라이버시 보장 연합 분석 기술에서는 암호화된 상태로 데이터를 분석했다. 원본 데이터 분석 결과와 암호화 처리 데이터 분석 결과가 얼마나 일치하는지를 나타내는 데이터 유용성 지표는 0.85 이상으로, 과제 목표치를 달성했다.
이 성과는 해당 연구의 실험·평가 조건에서 확인된 것이다. 모든 운영 환경에서 같은 성능이 보장되는 것은 아니다.
전역 계층형 학습과 현장 실증
전역 계층형 학습 기술도 주요 연구 대상이다. 중앙의 대형 모델과 단말의 소형 모델을 비교하고 연계하는 방식이다.
연합학습(Federated Learning)은 원본 데이터를 각 기관에 보관한 채 AI 모델을 공동으로 학습하는 기술이다. 각 기관이 원본 데이터를 직접 보유하며 공동 분석과 학습에 참여하는 환경을 만들면, 데이터 외부 반출에 따른 위험을 줄이면서 기관 간 협력 분석에 필요한 기술적 기반을 확보할 수 있다.
AI 에이전트가 기업 내부 문서, 업무 시스템, 전문 데이터를 활용하는 사례가 늘면서 데이터 보안과 활용을 동시에 충족하는 기술의 중요성도 커지고 있다.
강용성 와이즈넛 대표는 “민감한 데이터를 안전하게 지키면서 학습·분석할 수 있는 연합컴퓨팅 기술은 앞으로 AI 에이전트가 보안이 중요한 현장으로 확산되는 데 핵심적인 역할을 할 것”이라고 말했다.
공공·제약·금융 실증과 적용 확대 방침
와이즈넛은 공공·제약·금융 분야 현장 실증도 추진한다. 공공 분야는 서울연구원, 제약 분야는 대웅제약, 금융 분야는 한국은행이 실증기관이다. 이들 분야에서 실제 데이터 기반 응용 서비스를 구축하고, 연합학습 결과를 관리하는 체계를 마련할 예정이다.
와이즈넛은 연합컴퓨팅 기술을 자사 AI 기술 역량과 연계해, 보안 요구 수준이 높은 산업 현장으로 적용 범위를 넓힌다는 방침이다. 강용성 대표는 “와이즈넛이 축적해 온 AI 기술 역량과 연계해 안심하고 데이터를 다룰 수 있는 AI 환경을 마련하는 데 기여해 나가겠다”고 밝혔다.