[메디먼트뉴스 양경모 기자] 생성형 인공지능(AI)이 영어가 아닌 언어로 텍스트를 처리할 때 훨씬 많은 에너지를 소모하며 정확도 또한 떨어져 전 세계적인 불평등을 심화시킬 수 있다는 연구 결과가 나왔다.
미국 미시간대학교 공과대학 연구팀은 생성형 AI가 영어가 아닌 텍스트를 생성할 때 1.4배에서 최대 180배 더 많은 에너지를 사용한다고 밝혔다. 연구 결과는 자연어 처리 경험적 방법에 관한 학술회의(EMNLP)에서 발표됐다.
에너지 격차는 라틴 문자를 사용하지 않고 학습용 디지털 콘텐츠가 적은 언어에서 가장 크게 나타났다. 대부분의 서유럽 언어는 에너지 소비량이 2배 이하였지만, 힌디어와 벵골어는 영어보다 각각 7.9배, 15.3배 더 많은 에너지를 필요로 했다.
연구팀 제1 저자인 나이하오 덩 컴퓨터 과학 및 공학 박사과정생은 "에너지를 더 많이 소비하는 언어는 모델 출력의 정확도도 낮은 경향이 있다"며 "이중고로 인해 특정 언어 사용자들이 AI 시장에서 소외될 가능성이 있다"고 말했다.
연구팀의 측정과 인구 통계 데이터에 따르면 현재 약 52억 명의 사람들이 모국어로 텍스트를 생성할 때 영어 사용자보다 2배 이상의 에너지를 사용해야 한다.
이러한 에너지 격차는 AI가 데이터를 처리하는 기본 단위인 '토큰' 때문에 발생한다. AI 모델은 다른 언어로 작업할 때 더 많은 토큰을 생성해야 해 더 많은 에너지를 소모한다. 특히 힌디어 등에 사용되는 데바나가리 문자와 같이 문자가 결합해 수백만 개의 고유 문자를 만드는 경우 문제가 더 심각해진다.
더 많은 토큰은 컴퓨터 메모리를 더 많이 차지하고 더 많은 에너지를 소비한다. 토큰에 메모리가 많이 소모되면 정보 처리에 사용할 수 있는 공간이 줄어든다. 결국 모델은 토큰을 더 작은 묶음으로 처리하게 되는데, 이는 토큰당 더 많은 에너지를 사용하게 만든다.
연구팀은 알리바바의 '큐원 3', 구글의 '젬마 3', 메타의 '라마 3.1' 등 세 가지 오픈소스 AI 모델의 에너지 사용량을 측정해 이러한 에너지 및 정확도 격차를 발견했다.
연구팀은 문제 해결을 위해 기업들이 특정 언어에 맞춰진 모델로 사용자 질의를 보내거나, 신뢰할 수 있는 번역을 전제로 사용자 프롬프트를 영어로 번역한 후 일반 모델에 입력하는 방안을 제안했다. 교신 저자인 라다 미할체아 교수는 "AI 개발자들은 에너지 및 비용 격차가 있는 언어를 위해 더 많은 자원을 만들어야 한다"고 말했다.
Copyright ⓒ 메디먼트뉴스 무단 전재 및 재배포 금지
