"무엇을 실행할지 AI가 판단"...메타, AI 연구 속도 1.6배 끌어올린 'RPM' 개발

AI 연구의 새로운 패러다임: 메타의 'RPM'이 이끌다

AI 기술이 빠르게 발전하면서 이제는 인공지능이 자율적으로 연구 아이디어를 생성하고 실험을 수행하는 시대에 접어들었습니다. 메타의 AI 연구 조직인 FAIR(페이스북 인공지능 연구소)는 이러한 흐름에 발맞춰 AI가 실험 후보를 평가하고 무엇을 실행할지를 결정하는 'AI 연구 선호 모델(RPM, Research Preference Model)'을 개발했습니다. 이번 연구는 AI 연구의 효율성을 크게 향상시킬 수 있는 가능성을 보여주며, 향후 AI 연구의 경쟁력을 높이는 중요한 전환점이 될 것으로 기대됩니다.

AI 연구의 효율성 극대화

전통적으로 AI 연구는 실험을 위해 막대한 GPU 자원을 소모해왔습니다. 머신러닝 모델을 학습하고 성능을 측정하는 데 수시간에서 수일이 소요되기 때문에 연구자들은 어떤 실험을 먼저 실행할지에 대한 고민이 필요했습니다. 메타의 RPM은 이러한 문제를 해결하기 위해 연구 에이전트가 여러 실험 후보를 생성한 후 각 후보의 과거 연구 결과와 계획을 분석하여 가장 가능성이 높은 후보를 선택하도록 설계되었습니다. 이는 단순히 성능 점수를 예측하는 데 그치지 않고, 후보들 간의 상대적인 유망함을 비교하여 최고의 실험을 선별하는 기능을 합니다.

이러한 접근 방식 덕분에 연구자들은 더 이상 모든 후보 실험을 실행할 필요가 없어졌습니다. 대신, AI가 제안한 유망한 후보에만 자원을 집중할 수 있게 됨으로써 실험 속도와 효율성이 크게 향상되었습니다.

실험 성과의 비약적 향상

RPM을 적용한 AIRA-도조(AIRA-dojo)라는 자율형 AI 연구 에이전트 프레임워크는 흥미로운 성과를 보여주었습니다. AIRA-도조는 실험 후보를 15개 생성한 후, 이들을 토너먼트 방식으로 비교하여 최종 후보를 결정합니다. 연구진은 이 과정을 통해 기존 방식을 따랐을 때보다 연구를 완료하는 데 드는 시간을 1.61배 단축할 수 있었고, 심지어 새로운 최고 성능 기록도 수립했습니다.

에이전트형 RPM을 활용한 연구에서는 '위노그란데(WinoGrande)' 데이터셋에서 94.1%의 정확도를 기록하며 기존의 최고 기록인 90.4%를 뛰어넘었습니다. 더 나아가, 추론 전용 RPM은 SVAMP에서 95.7%의 정확도로 인간 최고 기록인 94.2%를 초과했습니다. 이러한 결과는 AI의 연구 속도뿐만 아니라 그 성능까지 크게 향상시킬 수 있는 잠재력을 보여줍니다.

AI 연구의 미래

메타의 RPM 연구는 단순히 연구 시간을 단축하는 데 그치지 않고, AI 연구의 새로운 기준을 제시하고 있습니다. AI가 스스로 연구 아이디어를 발굴하고, 실험을 계획하며, 최적의 후보를 선택하는 방식은 미래의 연구 환경을 혁신할 수 있는 가능성을 가지고 있습니다. 앞으로 더 많은 기업과 연구 기관들이 이러한 AI 기반 연구 방식을 도입하게 된다면, 과학과 기술 발전의 속도는 더욱 가속화될 것으로 보입니다. AI가 이끄는 연구의 미래를 기대해봅니다.