Scrapyard AI

논문 제목: Scrapyard AI: AI 모델의 폐기물을 활용한 지구 관측 및 채굴 영향 해석 (Project Nudge-x)

1. 문제 제기 (Problem Statement)

• AI 모델의 급속한 노후화 (Obsolescence): 대형 AI 모델의 개발 주기가 극도로 단축되면서 (수개월 내), 최신 모델이 등장하자마자 이전 모델들은 즉시 '폐기'되거나 '레거시'로 전락하고 있습니다. 이는 물리적 산업의 폐기물 야적장 (Scrapyard) 과 유사한 'AI 폐기물 야적장'을 형성합니다.
• 지속 가능성 위기: 최신 프런티어 (Frontier) 모델들의 훈련과 실행에는 막대한 계산 자원과 에너지가 소모되며, 이는 환경적 외부효과와 에너지 불평등을 심화시킵니다.
• 디지털 추출주의 (Digital Extractivism): AI 모델은 인간의 데이터와 지식을 무분별하게 '추출'하여 학습합니다. 동시에 AI 산업의 물리적 기반 (데이터센터, 반도체 등) 은 구리, 리튬 등 광물 채굴에 의존하며, 이는 지구 환경 파괴와 직접적으로 연결됩니다.
• 기존 접근법의 한계: 폐기된 모델들은 기술적으로 여전히 유효하지만 경제적 우선순위가 낮아 방치되거나, 접근이 제한된 '모델 놀이터 (Playground)'로만 존재합니다. 이를 비판적 문화 작업이나 자원 제약 하의 실험에 활용하는 체계적인 방법론이 부족합니다.

2. 방법론 (Methodology)

저자들은 Scrapyard AI라는 개념을 정립하고, 이를 구현한 프로젝트 Nudge-x를 통해 다음과 같은 기술적 파이프라인을 구축했습니다.

가. Scrapyard AI 개념 및 인프라

• 폐기 모델의 재활용: 최신 모델 대신 기술적으로 유효하지만 경제적 이유로 폐기된 (Deprecated) 모델 (예: Llama-4 Maverick, Gemini Flash 등) 을 저비용 실험 기질로 활용합니다.
• 계산의 검소함 (Frugality): 데이터 차원 축소, 근접 서버 배포, 작은 컴퓨팅 footprint 를 가진 가상 머신 사용 등을 통해 에너지와 자원을 절감합니다.

나. Nudge-x 파이프라인 (3 단계)

1. 위성 데이터 수집 및 전처리 (Observing Earth):

   • 데이터 소스: 유럽 우주국 (ESA) 의 Sentinel-2 위성 (Copernicus 프로그램) 의 오픈 소스 다중 분광 이미지를 활용합니다.
   • 대상: 전 세계 광산 사이트 (Mining sites) 의 좌표를 기반으로 100km² 범위의 이미지를 추출합니다.
   • 전처리: 모델의 제한 사항 (예: RGB 이미지만 지원) 을 극복하기 위해 다중 분광 데이터를 수학적 연산을 통해 RGB 로 변환하거나 지수 (Indices) 를 추출하여 전처리합니다.

2. 멀티모달 AI 를 통한 풍경 해석 (Multimodal Interpretation):

   • 모델: 폐기된 멀티모달 LLM 인 **Llama-4 (Maverick)**를 사용합니다.
   • 프롬프트 엔지니어링: 시스템 프롬프트와 멀티샷 (Multi-shot) 프롬프트를 통해 모델에게 광산의 환경적 영향 (지형 변화, 식생 파괴 등) 을 해석하도록 유도합니다.
   • 출력: 위성 이미지와 AI 가 생성한 텍스트 캡션 (해석) 을 결합합니다.

3. AI 에 의한 AI 평가 및 RAG (AI Evaluating AI & Retrieval Augmented Generation):

   • 자동 평가: 생성된 텍스트 캡션의 품질을 검증하기 위해 또 다른 폐기된 LLM (Gemini-Flash) 을 '비평가 (Critic)'로 활용합니다. 환경 조건, 용어 사용, 패턴 관찰 등 5 가지 기준에 따라 5 점 척도로 평가하여 저품질 캡션을 필터링합니다.
   • RAG (검색 증강 생성): 폐기된 모델의 지식 한계 (예: 2024 년 12 월 이후 데이터 미보유) 를 극복하고, 특정 지역 (예: 호주 광산) 에 대한 심층적인 맥락을 제공하기 위해 RAG를 도입합니다.
     • 수집된 캡션과 메타데이터를 벡터 임베딩 (Sentence-transformer) 하여 벡터 DB (Qdrant) 에 저장합니다.
     • 사용자 쿼리에 맞춰 관련 문서를 검색하여 최신 LLM (DeepSeek-Chat) 에 제공함으로써, 모델이 사실에 기반한 답변을 생성하도록 'Nudge(격려/유도)'합니다.

3. 주요 기여 (Key Contributions)

• Scrapyard AI 개념 정립: AI 모델의 급속한 폐기 현상을 '자원'으로 재해석하고, 이를 저비용으로 비판적 실험에 활용하는 새로운 기술 - 문화적 조건을 제시했습니다.
• 인간-AI 의 공유된 역사 재정의: AI 와 인간이 모두 '광물 추출 (채굴)'이라는 행위에 의존하고 있다는 점을 강조하며, 광산 사이트의 위성 이미지를 통해 두 존재의 공유된 환경적 역사를 시각화했습니다.
• 저비용 고효율 파이프라인 구축: 최신 고사양 모델 없이도 폐기된 모델 (Llama-4, Gemini Flash 등) 과 오픈 데이터 (Sentinel-2) 를 결합하여 고도화된 지구 관측 및 해석 시스템을 구축하는 방법을 증명했습니다.
• AI 평가 시스템의 자동화: 인간 개입을 최소화하고 폐기된 LLM 을 활용하여 생성된 콘텐츠의 품질을 검증하는 자동화 평가 메커니즘을 제안했습니다.

4. 결과 (Results)

• 성공적인 풍경 해석: Sentinel-2 위성 이미지와 Llama-4 모델을 결합하여 전 세계 광산 사이트의 환경적 파괴 (토양 침식, 수질 오염, 서식지 파괴 등) 를 시각적, 텍스트적으로 성공적으로 해석했습니다.
• RAG 를 통한 지식 확장: RAG 시스템을 통해 폐기된 모델의 지식 한계를 보완하고, DeepSeek-Chat 과 같은 다른 모델에게 호주 광산의 구체적인 환경 영향에 대한 사실 기반 답변을 생성하게 했습니다.
• 품질 필터링: AI 기반 평가기를 통해 생성된 텍스트의 오류 (예: 구름을 광산으로 오인하는 등) 를 상당 부분 걸러내어 시스템의 신뢰도를 높였습니다.
• 오픈 소스 공개: 전체 코드, 메타데이터, 프롬프트, 실험 데이터를 GitHub 를 통해 공개하여 재현성과 커뮤니티 참여를 장려했습니다.

5. 의의 및 시사점 (Significance)

• 지속 가능한 AI 연구의 대안 제시: 막대한 자원을 소모하는 프런티어 모델 개발 대신, 기존 자원을 재사용하고 효율성을 극대화하는 'Scrapyard AI' 접근법은 환경적, 경제적 측면에서 더 지속 가능한 AI 연구 패러다임을 제시합니다.
• 비판적 기술 실천 (Critical Technical Practice): AI 를 단순히 도구가 아닌, 인간과 공유하는 지구 역사의 일부로 바라보게 함으로써 AI 의 사회적, 환경적 영향을 성찰하는 장을 마련했습니다.
• 주권 및 데이터 접근성: 폐기된 모델과 오픈 데이터를 활용함으로써 특정 기업이나 국가에 종속되지 않는 디지털 주권 (Digital Sovereignty) 을 확보하고, 데이터 불평등을 해소하는 가능성을 보여줍니다.
• 미래 지향적 접근: AI 가 인간을 대체한다는 종말론적 시각 대신, 인간과 AI 가 지구 환경과 공존하며 과거의 산업적 흔적 (광산) 을 통해 미래를 성찰하는 '공존의 미래'를 제시합니다.

이 논문은 AI 기술의 빠른 진보가 남긴 '폐기물'을 새로운 가치로 전환함으로써, 자원 제약 하에서도 의미 있는 비판적 AI 연구와 지구 환경 감시가 가능함을 입증했습니다.