메타, 광고 연산 지능 배분으로 성능 10% 향상

ai.euno.news 자동 뉴스 요약

메타(Meta)가 광고 순위 모델에 컴퓨팅 자원을 지능적으로 배분하는 ‘인텔리전트 딜리버리(Intelligent Delivery)’를 공개했다. 요청·모델·하드웨어·순위 산정 단계마다 추가 연산의 효과를 예측해, 효과가 가장 큰 곳으로 자원을 보내는 머신러닝 기반 체계다. 메타는 2017년부터 2026년 상반기까지 주요 서비스에 적용한 결과, 모델과 시스템 자체의 개선분에 더해 광고 순위 성능을 약 10% 끌어올렸다고 밝혔다.¹

이 체계가 필요한 배경에는 광고 순위 모델과 이를 구동하는 하드웨어의 성장 속도 차이가 있다. 광고 모델은 거대언어모델(LLM) 규모로 빠르게 커지고 후보 광고와 전달 구조도 복잡해지지만, 컴퓨팅 자원은 같은 속도로 늘지 않는다. 게다가 광고 제공은 제한된 처리 용량과 짧은 응답 시간 안에서 이뤄져야 한다. 단순히 연산량을 늘리는 방식만으로는 대응하기 어렵다는 뜻이다.

문제는 같은 연산 자원이라도 쓰이는 곳에 따라 효과가 달라진다는 점이다. 제품 화면, 이용자 의도, 후보 광고의 품질, 당시 시스템 상태에 따라 추가 연산의 수익이 달라진다. 인텔리전트 딜리버리는 각 광고 요청에서 조정할 수 있는 시스템 변수의 ‘한계 효용’, 즉 연산을 한 단위 더 투입했을 때 얻는 추가 효과를 머신러닝으로 추정한다. 방대한 선택지 가운데 요청별 결정을 수 밀리초 안에 내려야 한다.

개별 단계에서 가장 좋은 선택이 전체 시스템의 최적점과 일치하지 않는다는 점도 난제다. 메타의 광고 제공 체계에는 여러 단계의 순위 산정 과정, 수백 개 모델, 서로 다른 세대의 하드웨어와 여러 데이터센터가 얽혀 있다. 따라서 인텔리전트 딜리버리는 예측에 그치지 않고, 이런 경계를 넘어 자원을 옮길 수 있도록 여러 층의 제어 장치를 둔다.

최적 배분은 고정된 답도 아니다. 이용자 행동이나 모델, 칩, 아키텍처가 바뀔 때마다 기존 결정이 무효가 될 수 있다. 메타는 이를 감지하고 계속 대응하는 과정에 에이전트형 AI를 점차 확대하고 있다고 설명했다. 다만 공개 자료는 에이전트형 AI의 구체적인 모델 구성이나 독립적인 성능 수치를 제시하지 않았다. 약 10%라는 수치는 2017년부터 2026년 상반기까지 주요 서비스 전반에서 인텔리전트 딜리버리가 추가 개선에 기여한 결과다.

읽기 목록은 이 브라우저에 저장됩니다.