한 고등학생 개발자가 파이썬(Python) 기반 AI 데이터 파이프라인의 고질적인 문제점을 해결하기 위해 Rust 기반의 새로운 언어 및 플랫폼 'Xazz'를 공개했습니다. Xazz는 AI 프로토타이핑 과정에서 흔히 발생하는 런타임 타입 오류, 불필요한 메모리 복사, 그리고 미흡한 보안 계층 문제를 근본적으로 개선하고자 설계되었습니다. 이는 AI 개발의 생산성과 안정성을 동시에 높일 수 있는 잠재력을 보여줍니다.
Xazz는 파서(parser), 추상 구문 트리(AST), 정적 타입 검사기, 샌드박스, 딥러닝 컴파일 엔진 등 모든 요소를 Rust로 직접 구현했습니다. 특히, `.xzz` 스크립트 하나로 CSV 전처리(Polars)부터 딥러닝 학습(Burn)까지 통합 처리하며, `Option<T>` 타입을 통해 컴파일 시점에 널(null) 안전성을 확보하고 오타 및 타입 오류를 미리 잡아냅니다. 또한, 제로카피 텐서(zero-copy tensor) 구조로 데이터 복사를 최소화하여 성능을 향상시키고, 정책 코드(Policy-as-Code) 가드레일과 차등 프라이버시(Differential Privacy) 기능을 내장해 민감 데이터 처리의 보안성을 강화했습니다. 시각적 IDE(Visual IDE)를 제공하여 파이프라인을 그래픽으로 구성하고 즉시 실행할 수 있도록 지원하는 점도 특징입니다.
실제로 서울시 공기질 데이터(최대 409만 행)를 Xazz로 처리했을 때, 기존 판다스(pandas) 대비 최대 2.62배 빠른 성능을 기록했습니다. 이는 단순히 Polars의 멀티스레딩(multithreading) 효과뿐만 아니라, 한 프로세스 내에서 언어 경계를 넘나드는 데이터 복사를 제거한 제로카피 구조 덕분입니다. Xazz의 컴파일 단계에서 결측치와 타입을 정적으로 검사하는 방식은 대규모 분산 학습에서 불필요한 GPU 자원 낭비를 줄이는 효과로 이어질 수 있습니다. 나아가, 금융·의료와 같이 민감한 데이터를 다루는 산업에서 데이터 유출 및 위변조 위험을 줄이는 안전한 AI 학습 인프라를 제공할 수 있다는 점에서 그 의미가 큽니다. 선언형 DSL(Domain Specific Language)은 데이터 처리 개발의 진입 장벽을 낮춰 더 많은 개발자가 AI 파이프라인을 쉽게 구축할 수 있도록 돕는 역할도 할 것으로 기대됩니다.