범용 AI가 모든 걸 이기지는 않는다
피부과 전문의 매그너스 린치의 실험에서 20분 학습한 10년 된 CNN이 피부 병변 200건 분류에서 62%를 맞혀 최신 범용 모델(42%)을 앞섰다. 좁고 데이터가 잘 쌓인 분야에서는 작은 전문 모델이 계속 이긴다. 의료 현장의 표준은 '전문 모델이 판정하고 범용 모델이 설명하는' 조합이 될 것이다.
린치 랩의 실험에서 인셉션 v3 기반 CNN은 조직검사로 확진된 병변 200건 가운데 125건(62%)을 맞혔다. GPT-6 아스트라와 클로드 페이블 5.1은 각각 84건과 85건(42%)이었다. 흑색종 30건에서도 CNN이 13건으로 앞섰다. CNN은 ISIC 아카이브 이미지 6만 8,011장으로 H100 한 장에서 약 20분 학습했다. 연구자의 자체 실험 결과다.
왜 이렇게 보나
범용 모델은 모든 것을 적당히 잘하도록 만들어진다. 피부 병변 분류처럼 정답이 분명하고 잘 정리된 이미지가 수만 장 있는 문제에서는, 그 문제만 배운 작은 모델이 더 정확하다. 이달 중순 공개된 딥마인드 논문에서 제미나이 에이전트 넷이 마인크래프트 엔딩을 보는 데는 27시간 14분과 약 520달러가 들었다. 범용 모델의 강점은 처음 보는 문제를 푸는 데 있지, 이미 잘 정의된 문제를 가장 정확히 푸는 데 있지 않다.
- 2027년 10월까지, 범용 LLM 단독으로 피부암 등 영상 진단을 수행하는 도구가 주요국 의료기기 승인을 받는 사례는 나오지 않는다.
- 대신 전문 영상 모델의 판정에 범용 모델이 설명과 기록을 붙이는 조합형 제품이 늘어난다.
- '범용 모델 대 특화 모델' 비교 실험이 의료 외에 법률·회계 같은 분야에서도 잇따라 공개된다.
틀릴 수 있는 지점
이번 결과는 200건 규모의 개인 실험이다. 범용 모델에 같은 데이터를 미세 조정하거나 도구를 쓰게 하면 격차가 줄어들 수 있다. 그래서 '중간'이다.
짧게 보고, 길게 읽으세요
30초 영상은 인스타그램과 유튜브 쇼츠로, 토론은 쓰레드에서 이어 갑니다. 새 소식은 거기에 가장 먼저 올라갑니다.
