전력 소모 100배 줄인 '하이브리드 AI' 등장...'에너지 블랙홀' 걱정 '뚝'

인공지능(AI) 기술이 소프트웨어의 패러다임을 바꾸고 있지만, 그 이면에는 심각한 '전력 갈증'이 도사리고 있다.
최근 국제에너지기구(IEA)의 발표는 충격적이다. 2024년 미국 내 AI 시스템과 데이터 센터가 소비한 전력량은 약 415테라와트시(TWh)에 달했다. 이는 미국 전체 에너지 생산량의 10%를 넘어서는 막대한 양이다. 문제는 여기서 끝이 아니다. 현재의 추세라면 2030년에는 전력 소비량이 지금의 두 배로 폭증할 것으로 예견된다.

이런 수치는 AI의 미래에 무거운 질문을 던진다. 천문학적인 운영 비용과 환경 파괴를 감수하면서까지 더 큰 모델, 더 많은 컴퓨팅 인프라를 구축하는 방식이 과연 지속 가능하냐는 것이다. 업계에서는 이미 '지능의 임계점'보다 '에너지의 임계점'이 먼저 올 것이라는 우려가 팽배하다.


28일(현지시각) 과학 전문매체 사이테크데일리에 따르면 이런 에너지 위기 상황에서 미국 터프츠 대학교 공과대학의 마티아스 슈츠(Matthias Scheutz) 교수 연구팀이 획기적인 해법을 제시했다. 연구팀은 기존의 표준적인 AI 시스템보다 에너지를 최대 100배 적게 사용하면서도, 특정 작업에서 훨씬 정확한 결과를 내놓는 '신경 기호 인공지능(Neuro-Symbolic AI)'의 개념 증명(Proof of Concept)에 성공했다고 밝혔다.
이 기술의 핵심은 '하이브리드'에 있다. 현재 챗GPT나 제미나이 같은 모델들이 사용하는 '신경망(Neural Network)' 방식은 방대한 데이터를 통계적으로 처리하며 패턴을 찾아낸다. 반면 '기호 추론(Symbolic Reasoning)'은 인간이 문제를 단계별로 나누고 규칙과 범주를 적용해 해결하는 방식과 유사하다. 슈츠 교수는 이 두 가지를 결합해, 통계적 유연성과 논리적 정확성을 동시에 잡는 데 성공했다.


연구팀은 특히 로봇이 시각 정보와 언어 입력을 해석해 물리적 동작을 수행하는 '시각-언어-행동(VLA)' 모델에 집중했다. 기존의 VLA 시스템은 블록 쌓기 같은 단순 작업에서도 잦은 오류를 범한다. 그림자 때문에 블록의 위치를 잘못 파악하거나, 물리적 균형을 고려하지 못해 구조물이 무너지는 식이다. 이는 LLM이 허위 정보를 생성하는 '할루시네이션(환각)' 현상과 궤를 같이한다.

그러나 신경 기호 체계는 '질량 중심'이나 '기하학적 규칙' 같은 추상적 개념을 AI에게 미리 학습시킨다. 덕분에 AI는 수많은 시행착오를 거치지 않고도 가장 신뢰할 수 있는 계획을 즉각 수립할 수 있다.
사이테크데일리에 따르면 슈츠 교수는 "신경 기호 기반 VLA는 대규모 데이터의 통계적 결과에만 의존하지 않고 명확한 규칙을 적용하기 때문에 해결책에 도달하는 속도가 압도적으로 빠르다"고 설명했다.


실제 실험 결과는 놀라웠다. 고전적인 '하노이 탑' 퍼즐 테스트에서 신경 기호 시스템은 95%의 성공률을 기록했다. 기존 표준 모델이 34%에 그친 것과 대조적이다. 더 놀라운 점은 학습하지 않은 복잡한 변형 퍼즐에서도 78%의 성공률을 보였다는 사실이다. 기존 시스템은 이 테스트에서 전량 실패했다.

에너지 효율 면에서는 가히 '혁명적'이라는 평가가 나온다. 표준 모델이 훈련에 하루 반 이상의 시간과 막대한 전력을 소모할 때, 신경 기호 시스템은 단 34분 만에 학습을 끝냈다. 훈련 에너지는 기존의 1%, 실제 가동 에너지는 5% 수준에 불과했다. 구글 검색 시 AI 요약 정보가 일반 검색보다 100배 많은 에너지를 쓴다는 점을 감안하면, 이 기술이 가져올 파급력은 상상을 초월한다.

현재 전 세계 기업들은 수백 메가와트급 전력을 사용하는 거대 데이터 센터 구축 경쟁에 매몰되어 있다. 그러나 터프츠대 연구진은 이런 방식이 장기적인 기반이 될 수 없다고 경고한다. 이번 연구는 AI가 반드시 '거대화'될 필요가 없으며, 인간의 사고방식을 적절히 모방함으로써 훨씬 적은 자원으로도 더 높은 지능을 구현할 수 있음을 증명했다.

신경 기호 AI는 에너지 자원에 대한 인류의 부담을 완화하고, 동시에 AI의 신뢰성을 높일 수 있는 가장 현실적인 대안으로 부상했다. 지능의 진화가 환경의 재앙이 되지 않도록, '지속 가능한 인공지능'을 향한 패러다임 전환이 이번 연구를 기점으로 가속화될 전망이다.


이인수 글로벌이코노믹 기자 tjlee@g-enews.com