Recursive, AI 자율 연구로 개발한 LLM 「Flint」 공개

AI 스타트업 Recursive가 동사의 첫 대규모 언어 모델인 「Flint」를 발표했다. Flint는 코딩 용도에 특화된 로컬 동작형 모델로, 「MoE(Mixture of Experts=복수의 전문 모델을 조합하는 구조)」라고 불리는 아키텍처를 채택하며, 파라미터 수는 400억에 달한다. 개발한 것은 Google DeepMind 출신자를 중심으로 하는 팀이다.

주목할 점은 이 모델의 제작 방식에 있다. Flint는 인간 연구자가 주도하는 것이 아니라 Recursive가 AI 연구의 자동화를 목적으로 사내 개발한 「Eureka Machine」이라는 시스템을 사용하여 만들어졌다. Eureka Machine은 모델의 아키텍처(설계의 골격)를 AI 자신이 자율적으로 시행·평가·최적화하고, 연구 프로세스를 자동으로 반복하는 메커니즘이다. 즉, 「AI가 AI를 연구·개선한다」는 구조를 채택하고 있다.

개발 기간은 단 4개월이다. 통상적으로 대규모 언어 모델의 개발에는 긴 세월과 막대한 인적 자원이 필요한 가운데, 이는 두드러진 단기간이다. Eureka Machine에 의한 자동화가 개발 속도를 대폭 높였을 가능성이 있다고 보이지만, 그 상세한 메커니즘이나 효율성에 대해서는 현 시점에서 자세한 정보는 공개되어 있지 않다.

AI 연구 현장에서는 이러한 「자율적인 연구 자동화(AI 주도 연구)」에 대한 관심이 최근 몇 년간 높아지고 있다. 종래의 AI 개발은 연구자가 실험을 설계하고 시행착오를 거듭하는 인력을 많이 요하는 프로세스로, 확대에는 한계가 있었다. Eureka Machine처럼 AI가 그 설계 과정 자체를 담당하는 접근 방식은 연구의 효율화나 가속화라는 점에서 하나의 돌파구가 될 수 있다고 위치지어진다.

한편 Recursive의 접근 방식이 실제로 「자기 개선하는 AI」로 이어질지 여부는 아직 입증되지 않았다. Flint는 현 시점에서 그 시도의 첫 성과물일 뿐이며, Eureka Machine이 정말로 자율적인 연구 사이클로서 기능하고 있는지를 보여주는 독립적인 검증은 행해지지 않았다. 스타트업의 주장과 그것이 널리 인정받기까지의 사이에는 신중하게 판단할 여지가 있다.

Flint가 코딩 특화이면서 로컬 동작형이라는 점도 하나의 방향성을 보여주고 있다. 클라우드에 정보를 보내지 않고 손에 들 수 있는 단말기에서 동작하는 설계는 개인정보 보호나 보안을 중시하는 개발자나 기업에게 선택지가 될 수 있다. 또한 용도를 좁혀서 범용의 대규모 모델에 대해 비용면이나 효율면에서 우위성을 내려고 하는 전략으로도 읽힐 수 있다.

향후의 초점은 Eureka Machine이 지속적으로 모델을 개선할 수 있는지 여부에 있다. Flint는 어디까지나 그 첫 발걸음이며, Recursive가 이 접근 방식을 얼마나까지 확장·검증할 수 있는지가 동사의 방향성을 결정하는 데 있어 중요한 분기점이 된다는 견해를 할 수 있다. AI 연구의 자동화라는 개념이 실용으로서 정착되려면 재현성이나 투명성이 있는 성과의 축적이 불가결하다.