중국이 인공지능(AI) 시스템을 학습시키기 위한 데이터를 세계 곳곳에 공급하려 한다. 더 많은 이용자를 자국 AI 생태계로 끌어들이는 동시에 미국과의 기술 격차를 좁히려는 포석이다. 이 과정에서 양안(중국과 대만) 갈등을 비롯한 중국 편향적인 정보가 각국 AI 서비스로 유입될 수 있다는 우려가 나온다.
올해 초 중국 국가데이터국은 2028년 말까지 중국을 데이터 강국으로 만들기 위한 청사진을 공개했다. 과학 연구와 산업 제조 등 20여개 전략 분야에서 고품질 데이터세트를 구축한다는 계획이다. 데이터세트는 AI 시스템을 학습시키기 위한 텍스트·이미지·영상 등 자료를 말한다.
ADVERTISEMENT
뉴욕타임스(NYT)에 따르면 중국은 미국에 비해 AI 학습 데이터가 부족하다는 평가를 받아왔다. 중국 정부의 대규모 감시체계와 알리바바·텐센트 등 민간 플랫폼을 통해 대량의 데이터를 축적했지만, 이들 데이터가 분산돼 있어 활용에 한계가 있었다. 위험관리 컨설팅업체 유라시아그룹의 루샤오멍 이사는 “중국 연구기관들이 모델에 사용할 만큼 유용한 데이터를 충분히 확보하는 데 어려움을 겪고 있다”고 말했다.
중국 연구기관들이 ‘증류’(distillation)에 의존할 수밖에 없는 이유이기도 하다. 증류는 강력한 AI 시스템에서 데이터를 수집한 뒤 이를 활용해 자체 모델을 구축하는 방식이다. 앤트로픽을 비롯한 미국 기업들은 중국 경쟁업체들이 자신들의 기술을 부당하게 복제하고 있다고 주장한다. 미국은 머코·스케일AI 등 데이터 가공업체들이 수학자·변호사 등 전문인력을 고용해 고부가가치 데이터를 확보한 덕분에 AI 모델을 정교하게 만들 수 있었다.
ADVERTISEMENT
중국 국가데이터국은 이런 격차를 좁히기 위해 대학에 데이터 주석 관련 교육과정을 만들 것을 주문했다. AI 소프트웨어가 사물을 식별할 수 있도록 하는 단순 라벨링을 넘어서 전문가형 데이터 주석을 확보하겠다는 의도다. 데이터세트를 전 세계에 공급할 계획이다. 중국은 지난달 상하이에서 열린 세계인공지능대회(WAIC)에서 개발도상국이 자체 AI 시스템을 구축할 수 있도록 데이터를 공유하겠다고 약속했다.
중국은 깃허브와 허깅페이스 등 글로벌 데이터 저장소에 대규모 데이터세트를 무료로 공개했다. 상하이AI연구소가 만든 ‘완쥐안’(만 권의 두루마리)이 대표적이다. 이 데이터세트는 역사와 스포츠, 법률, 시사, 의학, 문학 등 ‘중국의 주류 가치관’에 부합하는 정보들로 구성됐다. 중국어뿐 아니라 아랍어와 한국어, 러시아어, 태국어, 베트남어 등으로 내려받을 수도 있다.
중국에 우호적인 정보를 각국 AI에 담으려는 의도라는 해석도 나온다. 베이징공과대 연구진이 2023년 발표한 보고서에는 “챗GPT가 중국에 관한 편향된 논평을 대량으로 생성했다”며 “중국과 관련된 정치적 질문을 회피하거나 답변을 거부하지 않았다”는 내용이 담겼다. NYT가 인용한 애널리스트들은 이러한 불균형이 중국 공산당 입장에서 전략적 취약점이 될 수 있다고 설명했다. 중국의 데이터 수출 시도가 공산당 선전 영향력을 확대할 수 있다는 해석이다.
손주형 기자 handbro@hankyung.com
ADVERTISEMENT
ADVERTISEMENT
ADVERTISEMENT