FOCUS Spec

개요

AI 모델의 규모와 영향력이 확대되면서, 단순한 기술 성능을 넘어서 **책임성(Accountability), 투명성(Transparency), 안전성(Safety)**에 대한 요구가 높아지고 있습니다. 특히 다양한 산업 분야에서 AI를 도입하는 과정에서 신뢰 가능한 공개 프레임워크와 검증 기준의 부재는 도입의 장애 요소로 작용하고 있습니다. 이를 해결하기 위해 Meta AI, MLCommons, Hugging Face 등 주요 기관들이 협력해 제안한 것이 바로 **FOCUS(Frontier Open-Compute Unified Specification)**입니다. FOCUS Spec은 생성형 AI 시스템의 개발 및 배포 시 필수적인 기술·윤리적 속성을 명시하는 **공개 사양(Specification)**으로, AI 신뢰성 구축의 실질적 기준을 제시합니다.

---

1. 개념 및 정의

FOCUS Spec은 LLM(대규모 언어 모델)을 포함한 Frontier AI 모델의 개발, 평가, 공개에 필요한 핵심 정보를 통합적으로 명세한 공통 사양 체계입니다. 모델의 목적, 구조, 데이터, 학습 과정, 활용 제한, 테스트 결과 등을 표준화된 방식으로 공개함으로써, AI의 책임성과 투명성 확보를 지원하는 것이 주요 목적입니다.

---

2. 특징

항목	설명	기존 관행과의 차이점
명세 기반 AI 거버넌스	공개된 구조·데이터·리스크 등 포함	마케팅 중심의 리드미(RedMe)와 차별화
다기관 합의	Meta, HuggingFace, MLCommons 공동 제안	산업계 + 연구계 협업 구조
규제 대응 중심	EU AI Act, NIST RMF 등과 정합성 고려	정책-산업 간 연결 지점 제공

FOCUS Spec은 LLM 공개 시 단순 API 문서 이상으로 신뢰와 검증을 동반한 문서화를 촉진합니다.

---

3. 구성 요소

구성 요소	설명	예시
Purpose & Intended Use	모델의 용도, 사용 범위 명시	Chat, Retrieval, Coding 등
Model Card + Dataset Card	모델 구조, 파라미터, 학습 데이터 정보	Transformer, 7B, C4 기반 등
Known Limitations	편향, 리스크, 제한사항 명시	사회적 편향 경향, 오류 사례 등
Evaluation Metrics	안전성, 독성, 정확도 등 테스트 결과	TruthfulQA, HellaSwag, toxicity score 등
Responsible Disclosure	재사용, 파생 모델 조건, 윤리 기준	Apache 2.0, RLAIF 금지 등

구성은 YAML/JSON 기반 표준 문서로 관리되며 자동화된 생성 툴체인도 도입 예정입니다.

---

4. 기술 요소 및 연계

기술 요소	설명	연관 표준/도구
Model Card++	기존 Model Card를 구조화된 스펙으로 확장	Open Model Initiative, HuggingFace DSL
Dataset Provenance	학습 데이터 출처 및 정제 방식	LAION, RefinedWeb, OpenWebText2 등
Evaluation Benchmarks	안전성, 편향성 중심 멀티 메트릭스	HELM, BIG-Bench, ToxiGen 등
정책 연계 항목	EU AI Act, NIST RMF와 구조 호환	고위험군(High-Risk) 분류 시 대응 근거 제공

FOCUS는 단순 문서화가 아닌 AI 책임성 메타데이터 구조로 기능합니다.

---

5. 장점 및 기대 효과

항목	설명	기대 효과
모델 신뢰성 확보	목적, 리스크, 성능 등을 구조화 공개	사용자/도입자 신뢰도 제고
규제 대응성 강화	법적 기준과 정합성 확보 가능	EU AI 법안 선제 대응
산업 협력 기반 마련	다양한 벤더 간 모델 교차 비교 가능	모델 선택 및 보안 기준 정립
투명한 공개 생태계 기여	OSS 기반 LLM 배포 시 품질 검증 구조 제공	데이터 거버넌스 강화

FOCUS는 미래 AI 공급망의 투명성과 검증 구조 기반을 마련합니다.

---

6. 주요 활용 사례 및 고려사항

사례	설명	고려사항
OSS LLM 공개 프로젝트	GPT-NeoX, Falcon 등 모델에 FOCUS Spec 부착	학습 데이터 정합성 문서화 필요
기업 LLM 책임 공개	기업용 GPT 모델의 투명 공개	API 기반 개인정보 처리 여부 포함해야 함
정부 정책 대응용	고위험 AI 분류에 따른 사양 제출	리스크 클래스 정의 기준 정합성 필요

활용 시에는 자동 생성기, 버전 관리, 평가 연동 체계의 통합이 효과적입니다.

---

7. 결론

FOCUS Spec은 Frontier AI 시대에 필수적인 책임성 기반 개발 및 공개 체계의 기준점이자, 신뢰할 수 있는 생성형 AI의 조건을 명확히 제시하는 공개 사양입니다. 향후 EU, 미국, OECD 등의 AI 규제 및 법제화 흐름과도 연동되어, LLM 및 생성형 AI 시스템의 신뢰 기반 유통과 경쟁력 확보를 위한 글로벌 표준으로 자리 잡을 것으로 기대됩니다.