▲블록오디세이의 AI 연구소 Leaf AI가 기존 AI 모델 위에서 학습∙기억∙판단∙추론∙행동을 통제하는 ‘ASLA Intelligence OS’를 공개했다 (사진=블록오디세이)

블록오디세이 AI 연구소 ‘리프 AI’(Leaf AI)는 기존 인공지능(AI) 모델 위에서 학습∙기억∙판단∙추론∙행동을 통제하는 ‘ASLA 인텔리전스(Intelligence) OS’를 공개하고 본격적인 산업 적용과 후속 연구에 나선다고 7일 밝혔다.

ASLA는 새로운 LLM이나 파운데이션 모델을 하나 더 만드는 기술이 아니다. GPT, 클라우드, 큐원 등과 같은 대규모 언어모델(LLM), 소규모 언어모델(SLM), 산업 특화 모델 등 기존 AI 모델 상위에서 어떤 정보를 학습할지, 무엇을 기억할지, 어떤 학습 결과를 거부하거나 보류할지, 어떤 근거로 판단하고 행동할지를 제어하는 상위 인텔리전스 OS를 지향한다.

ASLA는 단독으로 동작할 수 있으며, 필요에 따라 리프 온톨로지(Leaf Ontology)와 리프 AI 팩토리(Leaf AI Factory)를 연결해 기업 AI 인프라로 확장할 수 있다. 온톨로지가 업무 의미와 관계를 제공하고 AI 팩토리가 모델의 학습∙평가∙배포를 담당하면 ASLA가 전체 학습과 지능 진화를 통제한다.

ASLA 1.0의 핵심은 ‘선택학습’이다. 외부에서 들어오는 데이터와 학습 결과를 무조건 받아들이는 대신 업무적 의미, 모델 증거, 신뢰도와 위험도를 종합 평가해 학습(Learn), 기억(Memorize), 보류(Defer), 거부(Reject), 샌드박스 검증(Sandbox), 연합 반영(Federate) 중 어떤 처리를 할지 결정한다.

즉, 데이터를 단순히 학습하는 모델이 아니라 무엇을 학습하고, 무엇을 기억하며, 무엇을 보류하거나 거부할지를 판단하는 상위 의사결정 엔진(Learning & Decision Engine)을 지향한다.

리프 AI는 비균일성(Non-IID) 환경에서 의미 기반 선택의 효과, 온톨로지∙핵심성과지표(KPI) 신호와 모델 증거의 교차검증, 그리고 트러스트의 보조 방어 효과를 핵심 가설로 검증했다. 서로 다른 데이터와 오염된 학습 결과가 섞여도 AI가 무엇을 받아들이고 무엇을 버릴지 판단하게 만드는 게 목표다.

리프 AI는 ASLA 1.0의 성능을 제조업 심화 검증과 다중 산업 일반화 검증으로 나눠 확인했다. 제조업 특화 7개 참여자 심화 시나리오에서는 대표 연합학습 기준 알고리즘 평균화(FedAvg) 0.740 대비 ASLA 0.837을 기록해 최대 9.7%p 높은 성능을 보였다.

이후 판단 코어를 변경하지 않고 도메인 지식팩만 교체해 320만 건 규모의 금융∙은행∙의료∙교육∙제조∙물류∙유통∙로봇 등 8개 산업으로 검증 범위를 확장했다.

오염 환경에서도 강건성을 확인했다. 온톨로지 정보의 50%가 오염된 조건에서 8개 산업 모두 FedAvg 대비 성능 우위를 유지했으며, 데이터 오염 20%, 온톨로지 오염 20%, 앵커 2개 공격, 무관 데이터 주입이 동시에 발생하는 복합공격 조건에서도 8개 산업 중 7개에서 기준선보다 높은 성능을 기록했다. 특히 은행은 +4.36%p, 물류는 +4.15%p, 교육은 +3.66%p의 성능 우위를 보였다.

리프 AI는 이번 결과를 ASLA의 최종 성능 한계가 아니라 범용 판단 코어의 초기 일반화 성과로 보고 있다. 향후 산업별 온톨로지와와 지식팩, 판단 정책을 최적화해 각 도메인의 성능과 강건성을 추가로 높이고, 실제 산업 개념검증(PoC)과 실데이터 검증을 거쳐 연구 결과를 글로벌 AI∙연합학습 관련 학계에 발표할 계획이다.

블록오디세이 연창학 대표는 “AI 산업의 다음 경쟁은 단순히 더 큰 모델을 만드는 것이 아니라 이미 존재하는 수많은 모델과 데이터를 어떻게 안전하고 효율적으로 학습시키고 진화시킬 것인가에 있다고 본다”며 “ASLA를 기존 AI 모델 위에서 학습과 기억, 판단, 추론, 행동을 통제하는 인텔리전스 OS로 발전시키고, 폐쇄망 제조∙로봇 등 실제 산업의 AI 학습 난제를 해결하는 기술로 글로벌 시장과 학계에 제시할 계획”이라고 말했다.