Edgen Stock·Dec 02 2025, 15:10OpenAI는 'Garlic'이라는 새로운 대규모 언어 모델(LLM)을 개발 중이며, 이는 생물의학 및 의료와 같은 전문 고가치 산업으로의 전략적 진출을 의미합니다. 이는 AI 부문의 경쟁을 심화시키고, 범용 모델을 넘어 도메인별 과제를 해결하도록 추진합니다.
널리 알려진 ChatGPT의 개발사인 OpenAI가 Garlic이라는 코드명의 새로운 대규모 언어 모델(LLM)을 개발 중인 것으로 알려졌습니다. 이러한 개발은 범용 AI에서 고가치 부문을 위해 설계된 전문 모델로의 전략적 전환으로 인식됩니다. 이 움직임은 생물의학 및 의료와 같이 높은 정밀도와 도메인별 지식을 요구하는 특정 영역에 맞춰진 파운데이션 모델을 구축하려는 이니셔티브를 시사합니다. 이 보고서는 이러한 개발, 시장에 미치는 영향, 그리고 전문가 의견을 포함하여 진화하는 AI 환경의 광범위한 맥락을 분석합니다.
The Information에 의해 처음 보도된 보고서에 따르면, OpenAI는 Garlic이라는 새로운 대규모 언어 모델 개발에 적극적으로 참여하고 있습니다. 회사로부터의 세부 정보는 여전히 부족하지만, 이 프로젝트는 경쟁이 치열한 AI 산업에서 중요한 사업을 나타냅니다. 광범위한 범용 애플리케이션을 위해 구축된 이전 모델과 달리, Garlic은 더 틈새 시장의 전문화된 작업을 목표로 하는 것으로 여겨집니다. 이러한 움직임은 성숙해가는 기술의 자연스러운 궤적을 따르며, 일반화된 플랫폼이 특정 시장 요구를 충족하기 위해 전문화된 도구로 진화합니다. 이 개발은 일반 AI 솔루션이 부족한 산업에서 가치를 포착하려는 OpenAI의 의도를 보여주며, 정확성과 신뢰성을 보장하기 위해 선별된 도메인별 데이터로 훈련된 모델이 필요합니다.
Garlic의 개발은 AI 산업이 수직적 응용 분야에 점점 더 집중하고 있는 시점에 이루어졌습니다. 생물의학 분야 LLM 시장은 유전체학 및 단백질체학에서 약물 발견에 이르는 다양한 작업을 위해 모델이 개발되면서 빠르게 확장되고 있습니다. BioBERT, Geneformer, ESM-2와 같은 모델은 이미 DNA 시퀀스에서 단백질 구조에 이르는 복잡한 생물학적 데이터를 분석하는 AI의 잠재력을 입증했습니다.
OpenAI가 이 분야에 진출하는 것은 기존 플레이어와 Gemini와 같은 자체 모델을 개발하고 의료 연구에서 강력한 입지를 가진 Google과 같은 다른 거대 기술 기업과의 경쟁을 심화시킬 것입니다. 이러한 전문 영역으로의 추진은 필요한 막대한 컴퓨팅 리소스를 강조하며, 이러한 대규모 AI 개발을 지원하는 주요 클라우드 및 하드웨어 공급업체의 시장 지위를 강화합니다. 이러한 모델의 성공은 임상 진단과 같은 복잡하고 규제된 환경에 통합될 수 있는 능력에 달려 있으며, 이는 단순한 기술적 능력 이상의 것을 요구하는 장애물입니다.
전문 LLM의 명백한 잠재력에도 불구하고, 전문가들은 이를 정보 처리의 만병통치약으로 보는 것에 대해 경고합니다. 펜실베이니아 대학교 교수인 Shiri Melumad가 공동 저술한 최근 연구는 비판적인 관점을 제공합니다. 이 연구는 ChatGPT와 같은 AI 모델에 의존하여 정보를 종합하는 것이 표준 Google 검색과 같은 전통적인 방법을 통해 학습하는 것보다 "얕은 지식"으로 이어질 수 있음을 나타냅니다.
이 연구에 따르면, 다양한 웹 링크를 탐색하고, 출처를 해석하고, 정보를 독립적으로 종합하는 데 관련된 "마찰"은 주제에 대한 더 깊고 독창적인 정신적 표상에 기여합니다. 이 과정을 자동화함으로써 LLM은 학습을 더 수동적인 활동으로 바꿀 수 있습니다. 이는 특히 깊고 일반화 가능한 지식이 가장 중요한 의학 및 과학 연구와 같은 분야의 전문가가 사용하도록 의도된 경우 Garlic과 같은 모델에 근본적인 도전을 제시합니다.
OpenAI의 Garlic 개발은 AI 산업에서 단일하고 거대한 모델을 만드는 것에서 다양한 특정 작업에 맞게 조정될 수 있는 다목적 파운데이션 모델을 구축하는 것으로의 광범위한 전환의 일부입니다. 생물의학 분야에서 LLM의 적용은 이러한 추세의 대표적인 예입니다. 과학 및 의학 도메인은 비정형 데이터가 풍부하여 AI 기반 분석에 이상적인 후보입니다. DNABERT와 같은 모델로 유전적 변이의 영향을 예측하는 것에서 Chemformer와 같은 플랫폼으로 약물 발견을 가속화하는 것까지, 전문 LLM은 이미 그 가치를 입증하고 있습니다.
그러나 의료와 같은 분야로의 통합은 많은 도전 과제를 안고 있습니다. 데이터 프라이버시, 모델 편향, AI 의사 결정의 "블랙박스" 특성 등의 문제는 여전히 중요한 장벽입니다. Garlic과 같은 모델이 규제된 분야에서 성공하려면 높은 정확도를 입증할 뿐만 아니라 투명하고 공정하며 안전해야 합니다. 또한, "환각"—확신하지만 부정확한 정보를 생성하는 것—이라는 내재된 위험을 극복해야 합니다. 이는 의료 환경에서 특히 위험한 결함입니다. 전문 LLM의 궁극적인 성공은 이러한 기술적 및 윤리적 장애물을 극복하고 기존의 인간 중심 프로세스에 대한 가치를 입증하는 데 달려 있습니다.