머신 언러닝

머신 언러닝은 이미 다 배운 AI 모델한테서 특정 기억만 콕 집어 지우는 기술이다. 학생이 여러 해 동안 방대한 교과서로 공부한 뒤, 그중 한 페이지 내용만 머릿속에서 지우고 나머지 지식은 그대로 유지하게 만드는 상황을 떠올리면 된다. 말은 쉽지만 실제로는 매우 어려운 일이다.

이런 기술이 필요한 이유는 명확하다. AI 모델은 학습 과정에서 수많은 글, 사진, 개인정보가 섞인 자료를 통째로 흡수한다. 그런데 나중에 누군가 자신의 개인정보를 빼달라고 요청하거나, 저작권이 있는 글을 그대로 외워서 뱉어내는 문제가 발견되거나, 잘못되거나 위험한 내용을 기억하고 있다는 게 드러나면 곤란해진다. 원칙대로라면 그 자료를 빼고 처음부터 다시 학습시켜야 하지만, 이는 엄청난 시간과 비용이 든다. 그래서 처음부터 다시 만들지 않고 이미 만들어진 모델에서 문제가 되는 기억만 지우는 지름길을 찾는 게 머신 언러닝 연구다.

다만 특정 기억만 정확히 골라 지우면서 다른 능력은 그대로 두는 일이 기술적으로 까다로워, 이를 어떻게 정교하게 해낼지가 활발한 연구 주제로 남아 있다.

기사에서는 아마존의 대학 연구 지원 프로그램 수혜 연구 주제 중 하나로 "머신 언러닝을 위한 기억화 인식 선호 최적화"가 언급된다. 오해하기 쉬운 점은, 이것이 모델을 통째로 다시 학습시키는 일이 아니라 이미 만들어진 모델에서 특정 기억만 지우려는 시도라는 것이다.