AI 소식

복지부와 한국보건사회연구원 조사에서 15~18세 응답자 201명의 69.2%가 위로나 고민 상담 등 정서적 목적으로 생성형 AI를 이용했다고 답했습니다. 언제든 대화할 수 있다는 편리함과 사람에게 말하기 어려운 주제가 주요 이용 이유였습니다. 정부와 의료계는 AI에 과도하게 의존하거나 답변을 그대로 믿는 문제를 예방할 이용 지침을 발표했습니다. 지침은 대화 범위를 미리 정하고 AI 답변을 결론으로 삼지 않으며, 보호자가 자녀와 이용 규칙을 함께 설정하도록 권고합니다.

기업이 AI 서비스를 이용할 때 쓰는 인증정보인 API 키가 해커들의 새로운 표적이 되고 있습니다. 공격자는 훔친 키로 피해 기업에 비용을 떠넘기며 AI를 호출하거나, 키를 다른 범죄자에게 판매할 수 있습니다. 깃가디언 보고서는 지난해 공개 깃허브에서 발견된 AI 관련 인증정보가 약 127만 개로 전년보다 81% 늘었다고 집계했습니다. 국내 금융권 사고에서 AI 키 유출이 확인된 것은 아니며, 기사는 기업의 키 보관·권한·사용 한도 점검 필요성을 짚었습니다.

국회에 제출된 자료를 통해 범정부 AI 공통기반의 사업자별 모델 탑재 목록이 공개됐습니다. 삼성SDS 5건과 네이버클라우드 6건을 합친 11개 탑재 항목 중 국산 모델은 4건, 해외 모델은 7건이며 GPT-OSS는 양쪽에 포함됐습니다. 이 플랫폼은 문서 작성·요약·검색·번역 등 업무별로 여러 모델을 선택하고 중앙부처와 지자체가 연산 자원을 공동 활용하도록 지원합니다. 기사는 해외 모델 의존에 대한 우려와 함께, 기술·사업 여건을 고려하면서 국산 모델 활용을 늘려야 한다는 업계 의견을 전했습니다.

촬영과 AI 질문을 지원하는 스마트 안경이 확산되면서 주변 사람의 사생활과 시험·보안 시설 이용 문제가 커지고 있습니다. 기사는 노르웨이가 일부 공공장소 사용을 한시적으로 금지하는 법안을 추진하고, 여러 나라의 법원·학교 등에서도 사용을 제한하고 있다고 전했습니다. 카운터포인트리서치는 올해 상반기 세계 AI 안경 출하량이 전년 동기보다 263% 증가했다고 집계했습니다. 한국에서도 제품군과 판매처가 늘어나는 가운데, 과기정통부가 무단 촬영과 시험 부정행위 예방을 위한 이용 지침 마련에 착수했다고 보도했습니다.

서울아산병원 연구팀이 피부 병변의 모양을 유지하면서 피부색을 바꾸는 생성형 AI 기술을 개발했습니다. 밝은 피부 사진에 편중된 학습 자료를 보완해, 데이터가 부족한 어두운 피부에서도 진단 성능을 높이려는 연구입니다. 합성 사진을 추가로 학습한 모델은 양성·악성 피부종양을 구별하는 평가 지표 AUC가 0.56에서 0.66으로 개선됐습니다. 연구는 국제 피부과 학술지에 게재됐으며, 평균 성능뿐 아니라 피부색 등 환자별 조건에서도 일관된 성능을 확보하는 과제를 짚었습니다.

네이버·다음 등 국내 포털이 검색량과 뉴스·콘텐츠를 AI로 분석해 관심이 급증한 이슈를 추천하는 서비스를 확대하고 있습니다. 네이버는 숏텐츠와 AI탭의 추천 질문을 활용하고, 다음은 이슈 10개를 10분 단위로 갱신하는 실시간 트렌드를 운영합니다. 다음은 반복 검색과 자동화된 검색을 걸러내고 여러 출처의 반응을 비교하며, 이상 징후가 나타나면 갱신을 중단하는 장치를 마련했습니다. 기사는 과거 실시간 검색어의 조작 논란을 줄이면서 이용자에게 시의성 있는 정보를 제시하려는 포털 간 경쟁을 설명했습니다.

Ai2가 우선순위 경쟁 대신 최근 7일의 GPU 사용 시간과 팀별 예산을 반영하는 클러스터 스케줄러를 공개했습니다. 작업의 최소 실행 시간을 보장한 뒤 필요하면 중단·재대기시키고, 남는 자원은 예산 없는 작업에도 배분합니다. 도입 후 30일 동안 약속된 GPU 시간의 98%를 제공했고, 수동 운영 개입은 74% 줄었다고 보고했습니다. 대화형 작업의 상태 복원과 대규모 작업에 필요한 자원 조각화 문제는 남아 있어, 체크포인트 설계와 함께 검토할 필요가 있습니다.

앤트로픽이 신청한 오픈소스 프로젝트를 정기적으로 검사하는 무료 OSS Scanner를 발표했습니다. 보고서에는 취약점 설명과 재현 방법을 제공하며, 가능한 경우 원인 변경점이나 수정안도 포함합니다. 초기 평가에서 48개 프로젝트의 고위험 취약점 후보 97건 중 85건이 공개 절차의 검증 기준을 충족했습니다. 서비스에 전문가 검토가 포함되지는 않으므로, 유지보수자가 중복 보고·오탐·실제 위협 조건을 확인해야 합니다.

칭화대 등의 연구진이 한 응답 안에서 작은 모델과 큰 모델을 전환하는 TokenRouter와 코드를 공개했습니다. 개발자는 요청 중심으로 전환 규칙을 작성하고, 실행 계층은 모델별 서버와 지연 배치 방식으로 대기 시간을 줄입니다. A100 80GB GPU 서버에서 5개 라우팅 알고리즘과 3개 작업 유형을 평가해 비교 기준 대비 2.01~64.15배의 처리량 향상을 보고했습니다. 이 수치는 특정 모델 조합과 토큰 라우팅 구현의 비교 결과이므로, 단일 모델 서비스의 일반적인 속도 향상으로 해석해서는 안 됩니다.

엔비디아가 KDD Cup에서 2위를 차지한 KGMON의 데이터 분석 에이전트 설계를 설명했습니다. CSV·JSON 등을 SQL로 일관되게 처리하고, 문서 검색과 답안 저장 경로를 제한해 잘못된 조인이나 상태 손상을 줄였습니다. 실행 기록을 분석해 오류 원인을 분류하고, 여러 시도의 답이 엇갈리는 작업에는 추가 평가를 배분했습니다. 반복 실행은 비용과 지연을 늘리고 자동 개선은 벤치마크에 과적합될 수 있어, 별도 검증 과제와 변경 검토가 필요합니다.

허깅페이스가 ML Intern으로 데이터 준비부터 미세조정, 기준 모델 비교까지 수행한 실험을 공개했습니다. 감귤 질환 분류 사례에서는 Qwen3.5-2B를 이미지 3,017장으로 학습하고 별도 테스트 이미지 335장으로 평가했습니다. 두 차례 학습 후 정확도가 14.9%에서 52.8%로 올랐으며, A10G 한 대의 학습 연산 비용은 약 1.90달러였습니다. 이는 제한된 데이터의 실험 결과와 학습 연산 비용이므로, 실제 현장 성능이나 전체 구축 비용을 보장하지 않습니다.

LightOn이 Apache 2.0 라이선스로 LightOnOCR-3 모델과 문서 변환 도구를 공개했습니다. 0.8B·4B 모델 등을 통해 텍스트뿐 아니라 표, 차트와 이미지 설명 및 영역의 위치 정보를 추출하도록 설계했습니다. 4B 모델은 olmOCR 평가에서 86.3점을 기록해 더 큰 비교 모델들과 비슷한 수준의 결과를 보였습니다. 오래된 스캔 문서나 머리말 등에서는 성능 차이가 남아 있어, 실제 문서 유형별로 추출 정확도와 후처리 비용을 확인해야 합니다.

허깅페이스가 12억 매개변수 모델 Carbon-A와 이를 활용한 공개 유전체 주석 자료를 소개했습니다. 98,304개 염기 길이의 문맥을 처리하며, 42개 유전체 평가에서 평균 F1 점수 0.944를 보고했습니다. 48,167개 유전체 조립본에 적용해 약 5억6,600만 개의 단백질 암호화 영역 후보를 예측했습니다. 이 후보는 모두 실험으로 확인된 유전자가 아니며, RNA 관측 결과만으로 단백질의 생성이나 기능까지 입증할 수는 없습니다.