사진 BalticServers.com / CC BY-SA 3.0
딥시크 충격, 합격 주제
6백억 달러를 날린 중국발 AI '딥시크'
— 다국어 언어모델 패권 경쟁
현대사회와 윤리 · 정보 사회와 인공지능 윤리 · 중어중문학 · 일어일문학 · 독어독문학 · 불어불문학 · 서어서문학 · 노어노문학 · 아랍어학
중국 스타트업 딥시크(DeepSeek)가 2025년 1월 20일 공개한 R1 모델이 약 600만 달러의 적은 비용으로 미국 최상위 모델에 맞먹는 성능을 냈습니다.
그러자 1월 27일 엔비디아 주가가 하루 17% 폭락하며 시가총액 약 6천억 달러가 증발했습니다.
딥시크 같은 거대언어모델은 100개 이상의 언어를 지원하지만 학습 데이터가 영어와 중국어에 쏠려 있습니다. 그래서 어느 언어가 'AI가 잘 다루는 언어'가 되느냐가 곧 그 언어권의 디지털 주권 문제로 떠올랐습니다.
'정보 사회와 인공지능 윤리' 단원은 인공지능이 사회에 일으키는 윤리 문제를 다룹니다.
특히 학습 데이터에 담긴 편향성을 책임성, 투명성과 함께 핵심 쟁점으로 살펴봅니다. 인공지능을 만든 개발자와 운영하는 사람, 사용하는 이용자가 각각 어떤 책임을 지는지도 함께 따져 봅니다.
'정보 사회와 인공지능 윤리' 단원은 인공지능이 일으키는 편향성 문제를 책임성, 투명성과 함께 다룹니다. 학습 데이터가 한쪽으로 쏠리면 그 결과물도 한쪽으로 기울 수 있다는 점이 핵심입니다.
언어모델은 학습한 글의 양에 따라 언어별 성능이 갈립니다. 영어와 중국어 글은 인터넷에 압도적으로 많고 한국어나 소수 언어 글은 적어, 같은 모델이라도 언어마다 응답 품질이 달라집니다. 교과의 편향성 논의를 언어 격차라는 구체적 사례로 옮겨 볼 수 있습니다.
언어모델은 인터넷의 방대한 글을 학습해 '다음에 올 단어'를 확률로 예측하는 방식으로 작동합니다. 따라서 어떤 언어의 글을 더 많이 학습했느냐가 그 언어의 응답 품질을 좌우합니다.
실제로 영어나 일본어처럼 고자원 언어는 정확한 답을 내지만, 학습 자료가 적은 저자원 언어에서는 같은 모델의 정답률이 한 자릿수까지 떨어지기도 합니다.
여기서 '어느 언어가 AI에 잘 학습되느냐'가 곧 그 언어권의 정보 접근권 격차로 이어진다는 점이 윤리 쟁점입니다. 영어권 사용자는 AI로 손쉽게 정보를 얻는데 소수 언어 사용자는 같은 도구를 제대로 쓰지 못한다면, 이는 단순한 성능 차이를 넘어 디지털 시대의 불평등 문제가 됩니다. 학습 데이터를 다양화해 이 격차를 줄이는 일이 디지털 주권을 지키는 과제로 제기됩니다.
생기부 기재 예시
딥시크 공개 기사를 접하고 다국어 언어모델의 성능 차이와 윤리적 쟁점에 호기심을 가져 탐구를 진행함. 거대언어모델이 100개 이상 언어를 지원하더라도 학습 데이터가 영어와 중국어에 편중될 때 소수 언어가 소외될 수 있음을 자료 조사와 개념 정리로 분석함. 또한 번역과 응답 품질이 언어별로 달라지는 이유를 비교하며 데이터 편중이 디지털 주권에 미치는 영향을 체계적으로 설명함. 이를 바탕으로 언어권별 접근성 격차를 줄이기 위한 학습 데이터 다양화의 필요성을 적극적으로 제시함. 중어중문학 진로와 연계하여 중국어가 AI가 잘 다루는 언어가 될 때 나타나는 문화적 파급도 함께 정리하며 보고서 작성함.
* 2026 생기부 기재 가이드라인, MOE Q&A와 FAQ, 메디컬저널 작성 공식 반영