AI 전력 소비 100배 줄이는 뉴로-심볼릭 AI 연구 발표

AI가 전기를 너무 많이 먹는다는 건 이미 잘 알려진 문제다. 현재 미국 전체 전력의 10% 이상을 AI가 소비하고 있고, 수요는 계속 늘고 있다. 이 문제에 대해 Tufts 대학 Matthias Scheutz 교수 연구팀이 꽤 인상적인 결과를 내놨다. 에너지 사용을 최대 100배까지 줄이면서 정확도는 오히려 올리는 방법이다.

핵심 아이디어는 뉴로-심볼릭 AI{{neuro-symbolic-ai}}(neuro-symbolic AI)다. 기존 신경망(neural network)에 인간처럼 논리적으로 추론{{inference}}하는 심볼릭 추론(symbolic reasoning)을 결합한 것이다. 기존의 AI가 엄청난 양의 데이터를 무차별적으로 처리하는 방식이라면, 뉴로-심볼릭 AI는 문제를 단계별로 분류하고 논리적으로 접근한다. 사람이 문제를 풀 때와 비슷한 방식이라고 보면 된다.

이 연구는 특히 로보틱스 분야의 VLA 모델(Visual-Language-Action model, 시각·언어·행동을 통합하는 모델)에 적용됐다. ChatGPT 같은 범용 언어 모델이 아니라, 로봇이 실제로 보고, 이해하고, 움직이는 데 쓰이는 모델이다. 연구팀은 ‘하노이의 탑’ 퍼즐로 테스트했는데, 기존 VLA 모델의 성공률이 34%에 그친 반면 뉴로-심볼릭 VLA는 95%를 달성했다.

효율성 수치도 눈에 띈다. 훈련 시간이 기존 하루 반(약 36시간)에서 34분으로 줄었다. 훈련에 드는 에너지는 기존의 1%만 사용했고, 실제 운용 시에도 5% 수준이었다. ScienceDaily 보도 기준으로 “최대 100배” 에너지 절감이라는 표현이 과장이 아닌 셈이다.

물론 제한점도 있다. 이 연구는 로보틱스용 특수 모델에서의 성과이고, GPT나 Claude 같은 대규모 언어 모델에 바로 적용할 수 있는 건 아니다. 하지만 “무조건 더 큰 모델, 더 많은 데이터”라는 현재의 AI 개발 방향에 대한 의미 있는 대안을 제시한다는 점에서 주목할 만하다. 이 연구는 5월 비엔나에서 열리는 ICRA(International Conference of Robotics and Automation)에서 공식 발표될 예정이다.

AI 전력 소비 문제는 한국에서도 데이터센터 건설 논의와 맞물려 중요한 이슈다. 이런 효율화 연구가 실용 단계에 오르면, 데이터센터 인프라 투자의 방향 자체가 바뀔 수 있다.