7-Zip 압축 속도 97% 향상, 핵심 코드는 건드리지 않았다: 아마추어와 AI의 극한 최적화 실험

AI 인큐베이터 위셩 사이언스(Yusheng Science, 裕晟科技)는 프로그래밍 배경이 전혀 없는 직원과 함께 7-Zip 최적화 작업을 완료했다. 핵심 아이디어는 모든 파일에 동일한 압축 전략을 적용하는 대신, 파일 유형에 따라 인코딩 전략을 동적으로 선택하는 '콘텐츠 인지 라우터(content-aware router)'를 도입해 압축 효율을 높이는 것이었다. 이번 최적화에는 다단계 감지 메커니즘(파일 헤더 인식, 샘플 압축 테스트, 압축된 미디어로 의심되는 파일에 대한 다지점 샘플링), 10단계 라우팅 전략, 그리고 안전장치(샘플 비교, 허용 오차 임계값, 그룹 격리)가 포함됐다. 결과적으로 macOS에서 다중 파일 아카이브의 압축 속도가 97.0% 향상됐고, 일반 텍스트(prose text)의 경우 93.4% 향상됐으며, Windows에서는 일반적으로 80% 이상의 향상을 보였다. 로그 파일의 경우 크기가 40.4% 감소했으며, 무결성 검증은 100% 통과했다. 다만 텍스트 및 로그 파일의 압축 해제 시간은 2~3배 증가했고, 5GB를 초과하는 압축 불가능한 초대형 파일의 경우 오판으로 인해 압축 속도가 오히려 느려질 수 있다는 한계도 확인됐다. 이번 최적화는 '제로 침습(zero-invasive)' 방식으로 이루어졌다. 즉 핵심 알고리즘 코드는 전혀 변경하지 않고 디스패치 계층(dispatch layer)만 수정했으며, 출력 결과 역시 표준 .7z 포맷을 그대로 유지해 공식 7-Zip으로도 압축 해제가 가능하다. 최적화된 버전은 GitHub(https://github.com/sunmmer01/Optimization)에 오픈소스로 공개됐다. 위셩 사이언스는 이번 사례가 AI가 엔지니어를 대체하는 것이 아니라 인간의 통찰력을 증폭시키는 새로운 협업 모델을 보여준다고 밝혔다.