아부다비 첨단기술연구위원회(Advanced Technology Research Council. ATRC) 산하의 글로벌 연구센터이자 응용연구 전담기관인 UAE 아부다비 '기술혁신연구소(Technology Innovation Institute. 이하, TII)'가 세계 최대 규모의 아랍어 자연어처리(NLP) 모델인 '누어(NOOR)'를 발표했다.

NOOR 모델은 크롤링, 필터링 및 큐레이션 등 단대단 파이프라인 고품질 데이터를 제공해 언어 영역을 넘어 작업을 수행할 수 있는 기능을 갖추고 있다. 또한 이 모델은 효율적인 추론과 모델 특성화를 통해 애플리케이션을 제공할 수 있는 방대한 규모의 분산형 훈련과 서비스를 활성화한다.

TII 및 어스파이어(ASPIRE)의 CEO인 레이 존슨(Ray O. Johnson) 박사는 “이번 개발로 우리는 아부다비와 아랍에미리트의 위상을 진지한 연구 생태계로 격상시키는 것은 물론 연구 역량과 적격성 향상을 위한 궤도에 진입했다”며, “우리의 전문가팀은 이 지역이 전 세계에 영향을 미칠 수 있는 획기적인 R&D 성과를 이뤄낼 수 있음을 다시 한 번 입증했다”고 말했다.

TII의 AI센터 사업단 이사인 에브테삼 알마즈루에이(Ebtesam Almazrouei) 박사는 “대규모 언어 모델이 전 세계의 자연어 처리 분야에 큰 변화를 일으켰다”며 “세계에서 가장 규모가 큰 아랍어 모델로 100억 개의 매개변수를 포함하는 첨단 모델을 개발하게 돼 자랑스럽다"라고 밝혔다.

이어 "모델 훈련을 위해 수집된 독자적인 대규모 아랍어 데이터세트는 다양한 소스를 큐레이션·스크래핑·필터링하는 등 수개월간 공들인 작업의 결과물”이라며, “NOOR가 전 세계 학계와 업계가 찾는 아랍어 분석 모델이 되도록 이 프로젝트에 힘을 쏟은 팀에 특별한 감사의 뜻을 전한다”고 덧붙였다.

TII 디지털 과학 연구 센터 및 AI 크로스센터 사업단의 수석연구원인 메루아니 데바(Mérouane Debbah) 박사는 이번 출시에 대해 “NOOR를 통해 TII는 이 새로운 세대의 AI 연구에서 여러 학문 분야에 걸친 고급 전문지식을 구축할 수 있는 대규모 언어 모델의 노하우를 활용함으로써 현대 표준 아랍어 모델의 범위를 확대했다”고 강조했다.

300억 개 이상의 단어를 포함하는 NOOR 고유의 데이터세트는 모든 영역을 망라하는 세계 최대의 고품질 아랍어 데이터세트를 체계화하기 위해 웹 데이터와 서적, 시, 뉴스 및 모델의 적용 가능성을 크게 확장하는 기술 정보를 결합한다.

에브테삼 알마즈루에이 박사는 NOOR 모델은 흔히 사용하는 변환기 아키텍처를 기반으로 한다고 밝혔다. GPT-3 구조와 유사한 디코더 전용 모델로 더 나은 위치로의 임베딩(embedding) 등 개선사항을 포함해 최신 머신 러닝 기술 발전을 반영하고 업그레이드된 아키텍처를 통해 생성 과제를 처리하도록 프로그래밍했다.

TII는 NOOR 데이터세트의 규모에 맞는 품질을 보장할 수 있도록 머신 러닝 기술을 기반으로 자동 필터링 파이프라인을 설계했다. 이 툴은 품질 참조와 같은 원문을 식별하고 스팸 콘텐츠에 노출되지 않도록 지켜준다.

한편, 첨단 3D 병렬 처리를 활용하는 NOOR는 128개 A100 GPU를 통해 고성능 컴퓨팅 리소스에 대한 훈련을 거쳐 연산 배분을 할 수 있고 하드웨어 리소스의 효율적 사용을 보장하며, 아랍어의 ‘빛(Light)’에서 이름을 딴 이 모델은 마음을 깨우쳐주는 것과 아랍어 모델의 상관관계가 성립된다는 의미를 담고 있다.