본 논문은 기존의 단순한 모델 확장(Scaling Up) 중심의 AI 확장 패러다임을 넘어, 모델 축소(Scaling Down) 및 모델 분산(Scaling Out)을 포함하는 포괄적인 AI 확장 프레임워크를 제시한다. 모델 확장의 한계를 지적하며, 효율성, 적응성, 다양한 애플리케이션 간의 협업에 대한 요구 증가에 따라 모델 축소 및 분산이 AI의 미래라고 주장한다. 헬스케어, 스마트 제조, 콘텐츠 제작 등 다양한 분야에서의 혁신적인 적용 사례를 제시하며, 이를 통해 효율성, 개인화, 글로벌 연결성 향상을 보여준다. 또한, 모델 복잡성과 해석력의 균형, 자원 제약 관리, 윤리적인 개발 등의 주요 과제를 강조하며, 이러한 접근 방식을 통합하여 AI 연구 및 응용의 미래를 재정의하고 인공 일반 지능(AGI)으로의 발전을 위한 로드맵을 제시한다.
