구글, AI가 학습 데이터 스스로 설계하는 '시뮬라' 공개..."단순 베끼기는 끝나"

구글이 발표한 ‘시뮬라(Simula)’는 AI 데이터 생성의 패러다임을 전환하는 신기술로, 이제는 단순히 기존 데이터를 복사하는 것을 넘어 데이터를 체계적으로 설계하는 단계에 접어들었다. 스위스 로잔공과대학교와의 공동 연구를 통해 개발된 시뮬라는, 데이터의 양적 증가가 아닌 질적 향상을 추구하는 새로운 프레임워크로, AI 모델의 지능을 한층 높이는 데 기여할 것으로 기대된다.

시뮬라의 혁신적 접근

기존의 AI 데이터 합성 방식은 대개 인터넷에 존재하는 방대한 양의 데이터를 기반으로 하여, 특정 패턴을 복제하거나 단순히 반복하는 데 그쳤다. 하지만 사이버 보안, 의료, 법률 등 전문성이 요구되는 영역에서는 이러한 데이터 접근이 쉽지 않아, 실제로 필요한 데이터가 부족한 상황이다. 시뮬라는 이러한 문제를 해결하기 위해 데이터 생성 과정을 ‘설계 문제’로 접근하며, 기존의 데이터를 단순히 베끼는 방식에서 벗어나 근본 원리를 바탕으로 한 데이터 구조화를 제안한다.

시뮬라는 ‘첫 번째 원칙(First Principles)’에 따라 데이터셋을 설정하는 메커니즘 디자인 방식을 채택하고 있다. 이 방식은 물리적 법칙이나 경제적 논리와 같은 기본 원리에 따라 데이터를 새롭게 구성하게 하여, AI 모델이 더 깊이 있는 추론을 가능하게 한다. 이후 여러 단계에 걸쳐 생성된 데이터는 평가 및 걸러내는 과정을 통해 점점 더 정교하게 다듬어진다.

4단계 생성 프로세스

시뮬라는 4단계로 구성된 데이터 생성 프로세스를 통해 AI 모델에 최적화된 데이터를 만들어낸다. 첫 번째 단계인 ‘글로벌 다양성(Global Diversification)’에서는 특정 분야의 개념 구조를 세분화하여 데이터를 한쪽으로 치우치지 않도록 한다. 두 번째 ‘로컬 다양성(Local Diversification)’ 단계에서는 같은 주제를 여러 방식으로 표현하여 데이터의 중복을 줄인다. 세 번째 단계인 ‘복잡도 조정(Complexification)’에서는 일부 데이터를 더욱 정교하고 어려운 형태로 만들어 모델의 사고 능력을 높이고, 마지막 ‘품질 검증(Quality Checks)’ 단계에서는 이중 검증 방식으로 데이터의 신뢰성을 높인다.

이러한 과정을 통해 연구진은 다양한 도메인에서 최대 51만 건 이상의 데이터를 생성하여 기존 AI 모델 학습에 활용했으며, 그 성능이 향상된 결과를 보고했다. 특히 시뮬라는 데이터 평가에서도 혁신적인 기준을 제시하여, 기존의 유사도 기반 평가를 넘어 데이터가 전체 개념 공간을 얼마나 잘 커버하는지를 측정할 수 있게 되었다.

실제 적용과 향후 전망

전문가들에 따르면, 시뮬라의 등장은 단순한 연구 결과에 그치지 않고 실제 서비스에도 큰 영향을 미칠 것으로 보인다. 구글은 이미 이 기술을 자사의 AI 모델 생태계에 통합하였으며, 보안 모델, 온디바이스 AI, 스팸 탐지 기능 등 다양한 분야에 활용하고 있다. 특히 실제 데이터 확보가 어려운 보안 시나리오나 미래의 위험 상황을 가정한 테스트에서 두각을 나타내고 있다.

결국 시뮬라는 데이터 부족과 개인정보 문제라는 현실적인 한계를 극복할 수 있는 유용한 해결책으로 자리 잡을 가능성이 크다. 연구진은 “합성 데이터의 가치는 단순한 양적 팽창이 아니라, AI 모델이 실제 세상의 논리와 물리 법칙을 깊이 있게 추론하도록 유도하는 데 있다”고 강조하며, 향후 더욱 발전된 AI 기술을 기대하게 한다.