Hugging Face가 화이트하우스 AI 정책에 오픈소스 AI 시스템의 필수성을 제시해 성능·효율성·보안 기준 충족 가능성 입증

Context

현재 AI 개발 환경에서 API 기반 상용 모델이 주도하고 있으나, 오픈 모델의 성능이 이를 추월하고 있으며 더 짧은 개발 시간과 효율적인 리소스 활용으로 실현되고 있습니다. 또한 소규모 개발자와 연구자들이 고비용 컴퓨팅 인프라 접근의 제약으로 AI 기술 도입에 어려움을 겪고 있습니다.

Technical Solution

• 오픈소스 기반 AI 개발 우선순위 설정: PyTorch, Hugging Face 라이브러리, Transformer 아키텍처 등 기존 오픈 소프트웨어 기초 위에서 계속된 투자 필요
• 효율성 중심 모델 개발: 7B 파라미터 규모의 소형 모델 및 엣지 디바이스 배포 가능한 경량 모델 구축, OlympicCoder를 통해 Claude 3.7 수준의 복잡한 코딩 작업 성능 달성
• 공개 트레이닝 데이터 및 레시피 공개: OLMo 2 모델의 완전 오픈 트레이닝 데이터와 포스트트레이닝 레시피 제공으로 재현성 확보
• 중규모 조직 훈련 지원 인프라: 중간 수준의 컴퓨팅 자원을 가진 조직이 자체 모델을 훈련할 수 있는 기술적 역량 구축 지원
• 투명한 AI 시스템 보안 강화: 트레이닝 데이터와 절차 공개, 에어갭 환경 배포 가능한 오픈 웨이트 모델, 오픈소스 도구를 통한 완전 제어 환경 제공

Impact

• OlympicCoder가 7B 파라미터로 Claude 3.7 성능 달성
• AI2의 OLMo 2 모델이 o1-mini 성능 수준 달성

Key Takeaway

오픈소스 및 오픈 사이언스 기반 AI 개발은 성능 달성뿐만 아니라 자원 효율성과 보안 투명성을 동시에 확보하는 핵심 전략이며, 공개 인프라 투자와 광범위한 컴퓨팅 자원 접근성은 기술 채택과 혁신의 확산을 위해 필수적입니다.