AI 소식

KBS는 안저 사진에서 신경·혈관 변화를 찾아 치매 고위험군을 선별하는 연구와, 뇌경색 진료 정보를 정리하는 AI 활용 사례를 소개했습니다. 서울대병원과 고대구로병원 의료진은 AI가 조기 검사 연결과 정보 정리를 돕는 방식으로 쓰인다고 설명했습니다. 이런 의료 현장의 도구는 전문가 검증을 거치며, 일반인이 사용하는 생성형 AI의 의료 답변과는 평가 과정이 다릅니다. 보도는 AI에 오진 가능성이 남아 있고 개인에게 맞는 판단이 필요하므로, 증상이 있다면 의료진에게 확인해야 한다고 강조했습니다.

TJB는 스마트안경으로 시험지를 보는 상황을 모사한 독일 연구와 국내 논술·자격시험의 부정행위 적발 사례를 전했습니다. 공개 SAT 720문항에 원근 왜곡·흐림·노이즈를 더한 시험에서 제미나이 1.5 프로-002는 82.78%, GPT-4o는 75.69%를 맞혔습니다. 이 결과는 CSEDU 2025에서 발표된 연구로, 실제 안경을 연결해 시험장에서 검증한 것이 아니며 한 화면에 한 문항만 제시한 조건입니다. 교육부는 올해 수능 시험장마다 스마트안경 판별 전담 인력을 배치할 계획이며, 보도는 기기 착용과 소지에 따른 시험 무효 등 제재도 안내했습니다.

이데일리는 마이크로소프트 보고서를 인용해 북한 해킹 조직이 한국 사용자를 겨냥한 개인 맞춤형 PDF 유인 문서 100개 이상을 제작했다고 전했습니다. 몇 분 사이 수십 개 문서가 만들어진 패턴 등을 근거로 MS는 AI 플랫폼 활용 가능성을 높게 평가했습니다. 보고서는 가짜 기업·채용 담당자 프로필 제작과 악성코드 개발 보조 등에서도 AI 활용 정황을 제시했습니다. AI가 인간 지휘 아래 공격의 속도와 규모를 높이는 상황이라는 분석으로, 익숙한 채용 제안이나 자연스러운 문서도 신원·출처 확인이 중요해진 사례입니다.

MBC는 알파벳과 인텔의 실적 발표 뒤 주가 급락을 계기로 AI 산업의 성장과 기업의 수익성 사이에 생긴 간극을 분석했습니다. 알파벳은 3분기 전체 매출이 25% 늘었지만 검색 광고 매출이 기대에 못 미쳤고, 대규모 설비투자로 잉여현금흐름도 적자를 기록했습니다. 인텔은 AI 서버 반도체 수요가 늘어도 주력 PC용 반도체 매출이 전년보다 5% 줄어 부담을 겪었습니다. 보도는 투자 회수 속도에 대한 의문이 국내 반도체주에도 영향을 줄 수 있다고 설명하면서, 단기 주가 하락을 AI 수요 전체의 둔화로 단정하기는 어렵다고 짚었습니다.

복기왕 의원이 천안·아산·원주 등의 AI 특화도시 조성을 뒷받침하는 스마트도시법 개정안을 대표발의했다고 이데일리가 보도했습니다. 가명정보 활용과 심의 절차를 간소화하는 도시데이터 특례구역, 데이터센터 전력 직거래와 전기차 양방향 전력거래 등이 제안됐습니다. 자율주행·드론·로봇 실증을 위한 규제 특례와 인허가 일괄처리도 담되, 데이터 무단 이용·반출 등에 대한 책임을 강화하는 내용입니다. 지역의 AI 인프라와 생활 서비스를 바꾸려는 구상이지만, 현재는 발의된 법안이므로 특례 시행이나 도시 조성이 확정된 단계는 아닙니다.

매일경제는 구글이 프로젝트 선캐처 시제품 위성의 TPU에서 젬마4 모델을 실행해 우주를 주제로 한 짧은 시를 생성했다고 전했습니다. 구글은 이를 데이터센터급 TPU의 첫 궤도 AI 응답으로 설명했으며, 우주에서 언어모델을 실행한 사례 자체는 이전에도 있었습니다. 시제품은 전력 제약 때문에 TPU 한 개를 약 20분씩 가동하는 수준으로, 다음 단계에서는 열과 방사선이 칩·메모리에 미치는 영향을 확인합니다. 구글은 2027년 위성 두 기의 추가 발사와 광통신 실험을 계획하고 있어, 아직 상용 우주 데이터센터의 경제성이 입증된 단계는 아닙니다.

연합뉴스는 AI 생성물을 다음 모델의 학습에 반복 사용하면서 드문 표현과 예외적 정보가 사라지는 ‘모델 붕괴’를 해설했습니다. 기사는 2024년 네이처 연구와 2025년 ICML 연구를 바탕으로, 합성 데이터가 원래 데이터를 계속 대체할 때 성능과 다양성이 낮아질 수 있다고 설명했습니다. 반면 실제 데이터와 합성 데이터를 함께 누적하는 방식은 연구진의 시험 조건에서 모델을 안정적으로 유지했습니다. AI가 만든 자료를 쓰는 것만으로 문제가 생긴다는 뜻은 아니며, 출처 관리와 오류·중복·편향 점검, 사람이 만든 다양한 자료의 지속적 확보가 관건입니다.

개발자 Thomas Kim은 llama.cpp 서버가 여러 토큰으로 나뉜 UTF-8 문자를 버퍼링하면서 토큰 ID나 로그 확률 기록을 누락하는 문제를 분석했습니다. 생성 문장은 정상이어도 확률 기반 평가·증류·강화학습에 저장한 기록은 영향을 받을 수 있어, 토큰 수와 바이트 대응을 함께 점검해야 합니다. Qwen3.5-9B로 총 2만4천 요청을 비교한 시험에서 패치 빌드는 확인 가능한 기록 검사에서 결함이 사라졌지만, 한 모델·설정에 한정된 결과입니다. 수정 PR #31244는 확인 시점에 미병합 상태이며, 채팅 경로의 토큰 정체성이나 로그 확률의 절대 수치 정확성까지 검증한 것은 아닙니다.

DiffuSpace가 전체 350억·활성 30억 파라미터의 MoE 확산 언어모델 Clover-35B-A3B-Preview를 공개했습니다. 이전 문맥은 Gated DeltaNet의 순환 상태로 압축하고 현재 블록은 양방향 어텐션으로 처리하며, 블록 크기에 따른 보정도 학습합니다. 개발팀은 SWE-bench Verified 73.6점과 GB300 한 장·BF16·배치 1의 내부 에이전트 작업에서 초당 680토큰을 보고해, 해당 조건의 자체 평가로 해석해야 합니다. 모델 가중치와 코드는 Apache 라이선스로 제공되며 SGLang과 llama.cpp 추론을 지원해, 자체 서비스에서 품질과 실제 지연시간을 비교할 수 있습니다.

NVIDIA가 AI Cluster Runtime(AICR)으로 Dynamo 추론 환경의 GPU 드라이버·자원 할당·스케줄러·관측 도구를 버전 고정 레시피로 구성하는 절차를 설명했습니다. 클러스터 상태를 수집한 뒤 레시피와 배포 묶음을 만들고, 런타임 배포 및 적합성 검사를 통과한 다음 모델 워크로드를 설치하는 흐름입니다. Dynamo 프런트엔드 라우터와 Kubernetes Gateway API 기반 경로를 비교하고, KV 캐시를 가진 워커로 요청을 보내는 구성도 다룹니다. 검사 항목은 선택한 레시피에 따라 달라지며, 실제 GPU를 사용하는 성능 검증은 배포·적합성 검사와 별도로 수행해야 합니다.

NVIDIA는 OpenClaw·Hermes Agent·LangChain Deep Agents에 Nemotron 모델과 NeMo 도구, OpenShell 실행 제어를 결합하는 NemoClaw 청사진을 설명했습니다. 기존 에이전트의 도구 사용과 메모리 구조를 유지하면서, 프롬프트·도구·미들웨어 조정과 실행 추적을 함께 적용하는 구성입니다. Hermes 예제에서는 OpenShell이 파일·프로세스·네트워크 접근을 관리하고, 추론 및 MCP 연결용 자격 증명을 샌드박스 밖에 보관합니다. NemoClaw 자체는 별도 에이전트 하니스나 런타임이 아닌 구성 청사진이며, 비용 절감 수치도 글에서 소개한 특정 모델·하니스 비교 조건에 한정됩니다.

NVIDIA가 DGX Spark 64GB에서 TensorRT Edge-LLM 0.11.1로 모델 다운로드·엔진 생성·로컬 OpenAI 호환 API 제공을 연결하는 실습을 공개했습니다. Nemotron-3.5 Lightning NVFP4 모델에 DSpark 초안 토큰 3개를 적용한 HumanEval 프롬프트 시험에서는 평균 생성 속도가 초당 73.4에서 126.9토큰으로 높아졌습니다. 이 수치는 첫 토큰 대기시간을 제외하며, 배치 1·동시 요청 1·출력 최대 128토큰 조건이고 첫 토큰 지연은 98.1에서 98.7ms로 측정됐습니다. CUDA 13과 지원되는 TensorRT 10.x 환경이 필요하므로, 임베디드 배포 전 자신의 모델·하드웨어에서 메모리와 지연시간을 다시 확인할 수 있는 출발점입니다.

개발자 Bryan Thornbury가 CTC 모델의 프레임 점수와 정답 전사를 받아 단어 시점을 찾는 Fast Forced Aligner의 구현과 비교 실험을 공개했습니다. 전용 CUDA 동적 계획법에 가변 길이 배치 처리와 128프레임 청크 병렬화를 결합하고, 경계 충돌은 재계산하거나 전체 계산으로 되돌립니다. RTX 3090의 10개 작업군 합산 정렬 시간은 최적화 모드 30.44ms로, 비교한 k2 CUDA 6.34초보다 짧았지만 음향 모델 추론 시간은 제외했습니다. 일부 작업에서는 최적화 모드가 더 느렸고 별도 경계 시험에서 타임스탬프 차이도 확인돼, 음성 데이터 특성에 맞춘 속도·정렬 품질 검증이 필요합니다.

JOSIE-Voice 개발자는 오프라인 인식 API를 누적 음성의 반복 전사로 감싸고, LLM 응답을 문장 단위로 나눠 음성 합성과 재생을 겹치는 구현을 설명했습니다. 부분 전사는 이전 결과를 교체하며, 도구 호출 경계에서 대기 중인 발화를 명시적으로 내보내는 처리가 필요합니다. 사용자가 말을 끊으면 생성 취소와 재생 큐 비우기, 오래된 출력 차단이 함께 작동해야 하며 문장별 합성은 억양 연결에도 제약이 있습니다. 누적 음성의 반복 처리량은 발화가 길수록 크게 늘어 장시간 받아쓰기에는 불리하고, 제시된 지연 예시는 실제 기기 벤치마크가 아닌 가정 기반 설명입니다.