발표에서 확인된 핵심 사실

매달 나가는 AI 구독료를 결제하면서도 기업의 데이터 유출을 걱정하는 일은 이제 흔한 풍경이다. 이런 폐쇄적인 구조를 깨기 위해 얀 르쿤(Yann LeCun)은 프로젝트 태피스트리(Project Tapestry)를 추진하고 있다. 이 프로젝트는 2027년 초까지 실제 운영 가능한 프로덕션(production, 실제 서비스 단계) 진입을 목표로 한다.

현재 프로젝트 태피스트리는 이제 막 첫걸음을 뗀 초기 단계에 머물러 있다. 얀 르쿤은 이 프로젝트가 단순한 이론적 연구를 넘어 2027년 초까지는 실제 운영 가능한 수준으로 발전하기를 희망하고 있다. 기술적 검증을 마친 뒤 실제 서비스 환경에 즉시 투입할 수 있는 상태로 만드는 것이 핵심이다.

얀 르쿤은 보안이나 실존적 위험을 이유로 오픈 모델의 접근을 제한하려는 시도를 중세의 암흑주의라고 비판했다. 15세기에 정보가 널리 퍼지는 것을 막기 위해 인쇄기 사용을 제한하려 했던 모습과 지금의 상황이 매우 비슷하다는 주장이다. 인쇄기를 통해 어떤 정보가 유포될지 통제할 수 없다는 이유로 사용을 막았던 과거처럼, AI 역시 통제 불가능성을 이유로 접근을 차단하는 것은 지식의 확산을 막는 행위와 같다.

그는 AI 기술이 본질적으로 위험하다는 주장이 지나치게 과장되었다고 본다. 보안상의 이유로 접근 권한을 좁히는 것은 결국 소수만이 기술을 독점하게 만드는 결과를 초래할 뿐이다. 기술의 위험성을 핑계로 폐쇄성을 유지하기보다, 오픈 모델을 통해 누구나 기술에 접근할 수 있는 환경을 만드는 것이 옳다는 시각이다.

데이터 주권을 유지하면서 파라미터 벡터를 교환해 글로벌 AI

매달 결제되는 AI 구독료를 보며 지갑의 부담을 느끼고, 기업의 서버로 넘어가는 내부 데이터 유출을 걱정하는 사용자가 늘고 있다. 얀 르쿤은 이러한 우려를 해결하기 위해 데이터 주권을 지키며 글로벌 모델을 함께 학습시키는 Project Tapestry(프로젝트 태피스트리)를 추진한다. 각 국가나 지역, 학술 기관이 자체적인 문화 자료를 디지털화하고, 원본 데이터를 공유하지 않은 채 모델 훈련에 기여하는 연합 구조를 가진다. 최대한 개방적인 방식으로 협력하는 것이 핵심이다.

원본 데이터를 주고받는 대신 파라미터 벡터(parameter vectors, AI가 학습을 통해 찾아낸 정답의 가중치 값)만 교환해 모델을 고도화한다. 공부한 책 전체를 빌려주는 대신, 핵심 내용만 요약한 오답 노트만 공유해 서로의 실력을 높이는 방식이다. 이 과정은 전문가들이 GitHub 저장소에서 자유롭게 참여하는 바텀업(bottom-up, 실무자 중심의 상향식) 방식으로 운영된다.

1990년대 후반에는 Sun Microsystems, Dell, HP 같은 기업의 폐쇄적인 하드웨어와 운영체제를 사야만 인터넷 서비스를 운영할 수 있었다. 당시에는 특정 기업의 전용 소프트웨어 스택을 그대로 사용해야 하는 제약이 컸다. 하지만 2000년대 초반 범용 하드웨어와 오픈소스 소프트웨어 스택이 이 시장을 완전히 대체했다. AI 시장 역시 비용 효율성과 보안, 지역 특성에 맞춘 로컬라이제이션(localization, 현지화)의 용이성 때문에 폐쇄형 모델에서 오픈소스 플랫폼으로 전환되는 흐름을 보일 것이다.

오픈소스 AI가 글로벌 AI 주권과 문화적 다양성을 확보하기

매달 지불하는 구독료보다 더 무거운 비용은 내 데이터와 주도권을 특정 기업에 넘겨주는 일이다. 얀 르쿤은 미국 서부 해안과 중국의 소수 빅테크 기업이 지배하는 폐쇄형 AI 시스템이 매우 위험하다고 경고했다. 이런 구조는 문화적, 언어적 다양성을 해치고 민주주의와 인권에 위협이 된다. 소수의 기업이 AI의 중재 역할을 독점하면 전 세계의 다양한 가치와 언어가 소외될 수 있기 때문이다.

대부분의 국가는 천문학적인 자원이 들어가는 프런티어 모델(최첨단 대규모 AI 모델)을 독자적으로 구축할 자원이 부족하다. 그래서 협력적인 오픈소스 플랫폼이 폐쇄형 시스템을 능가하는 유일한 실행 가능한 경로가 된다. 오픈소스 AI를 통해 각국의 문화적 특성을 유지하며 글로벌 AI 주권을 지키는 방법을 찾는 것이다. 이는 특정 기업의 폐쇄적인 통제에서 벗어나 기술적 안전성을 확보하려는 전략이다.

한국을 비롯해 일본, 베트남, 카자흐스탄, 인도, UAE, 영국, 스위스 등 유럽 국가들이 프로젝트 태피스트리(Project Tapestry, 글로벌 공동 AI 학습 프로젝트)에 참여하며 관심을 보이고 있다. 산업계에서는 IBM, NVIDIA, AMD, Intel 같은 주요 기업들이 함께하며 기술적 기반을 다진다. 이제는 매달 나가는 고비용의 폐쇄형 모델에 의존하기보다, 로컬 환경에서 효율적으로 작동하는 오픈소스 모델을 실무에 어떻게 도입할지 판단해야 할 시점이다.

매달 결제되는 구독료와 기업 서버로 흘러가는 데이터 유출 걱정은 AI 도입의 가장 큰 걸림돌이다. 얀 르쿤의 프로젝트 태피스트리는 원본 데이터를 공유하지 않고 학습 결과물인 가중치 값, 즉 파라미터 벡터만 교환해 모델을 고도화하며 이 문제를 푼다.

이제는 고비용의 폐쇄형 모델에 의존하는 대신 로컬 환경에서 효율적으로 작동하는 오픈소스 모델의 실무 도입 가능성을 냉정하게 판단해야 한다. 결국 AI의 주도권은 데이터를 쥐고 있는 사용자에게 돌아온다.