인공지능(AI) 프로세서, 새로운 혁신의 원동력 될까

Size: px

Start display at page:

Download "인공지능(AI) 프로세서, 새로운 혁신의 원동력 될까"

정아 원
5 years ago
Views:

1 인공지능 (AI) 프로세서, 새로운혁신의원동력될까 전승우 오늘날인공지능은글로벌 IT 산업의핵심화두로부상하였다. 단순작업을넘어회계나법률, 진료등전문영역까지인공지능을적용하는사례도늘고있다. 미래에는일상생활의거의모든분야에걸쳐인공지능이직간접적으로활용될것으로보인다. 그러나기존 IT 시스템으로는지속적인인공지능발전이어렵다는인식도커졌다. 이런한계를넘어서기위하여인공지능을집중적으로지원할수있는프로세서가필요하다는주장이힘을얻게되었다. 글로벌 IT 기업을중심으로 CPU 를사용하는대신인공지능알고리즘을전담처리하는프로세서를사용하여각종제품및서비스를위한고성능인공지능을구현하려는움직임이두드러지고있다. 현재인공지능프로세서개발및활용을위한다양한접근이이루어지고있다. 멀티미디어컨텐츠를지원하기위해등장한 GPU 는현재가장주목받는인공지능프로세서다. 딥러닝등인공지능알고리즘을효과적으로처리할수있다는사실이알려지면서폭발적인기를얻게되었다. 또한 ASIC 기술을활용하거나용도에맞게하드웨어특성을변경할수있는 FPGA 을기반으로각종애플리케이션에특화된맞춤형인공지능프로세서를만들려는움직임도늘고있다. 나아가인간뇌의신경망구조와작동원리를모방하여만든뉴로모픽프로세서역시차세대인공지능프로세서로각광받고있다. 소프트웨어중심의인공지능개발로는지속적인성능고도화가어렵다는인식이한층커질것으로보인다. 혁신적인인공지능을만들기위해서는기존 IT 시스템에대한근본적재검토가필요하다는의견이많다. 소프트웨어는물론하드웨어, 특히모든 IT 기기와서비스의중추를이루는반도체를인공지능의관점에서접근하려는노력이미래혁신의원동력으로부상할전망이다. 인공지능프로세서의부상으로 IT 기업들의반도체진출움직임이심화될가능성도있다. 아직까지는주력사업의인공지능경쟁력강화가주된목적이지만, 한편으로인공지능프로세서개발이새로운사업진출의포석이될수있다는추측도있다. 향후많은기업들이자사의인공지능프로세서역량을어떻게활용할지도미래 IT 산업의주요관심사로떠오를것이다. 인공지능프로세서전략은각기업차원의다각적관점에서수립되어야한다. 인공지능의활용목적, 필요한인공지능구현방법에따라인공지능프로세서에대한접근방식은상이하다. 인공지능프로세서가미래인공지능트렌드에어떤변화를가져올수있는지, 그리고이런변화가자사의사업영역에미칠파급효과를면밀히검토해야한다. 자사에적합한인공지능전략의청사진을만들고이를토대로인공지능프로세서역량확보를위한여러옵션을마련하는것이자사의인공지능활용성과를극대화하는방안이될수있을것이다.

2 1. 인공지능프로세서의부상 오늘날인공지능은글로벌 IT 산업의핵심화두로부상하였다. 기계가사람의생각 과판단능력을가지는시대가현실화되고있다는전망이줄을잇고있다. 이제는단 순작업을넘어회계나법률, 진료등전문영역까지인공지능을활용하는사례도늘 고있다. 최근들어인공지능수준은더욱빠르게발전하고있다. 음성이나이미지를인식하고 분류하는것은물론언어번역, 자율주행, 기사작성등도수행할수있다. 한발더 나아가인간의감정까지모방하는컴퓨터등인공지능확산이거침없이이루어지고 있다. 이런추세라면향후에는일상생활의거의모든분야에걸쳐인공지능이직간 접적으로활용될전망이다. IT 업계뿐만이아니라금융, 농업, 자동차, 물류등 IT 융 복합이활발히이루어지는분야의기업들도인공지능기술역량축적에집중하고있 다 < 차트 1, 2 >. 특히인공지능의부상으로반도체가또다시큰주목을받고있다. 반도체산업은 PC 와스마트폰등새로운기기가등장할때마다성장을거듭하였다. 이들기기들은 시간이지날수록보다많은정보저장용량과빠른연산실행속도를요구하기때문 에, 고성능반도체를찾는수요가꾸준히증가하였다. 게다가스마트폰시장이폭발 적으로성장하면서제품을작고가볍게 만들기위하여작은크기에기능을집약 한반도체를개발하려는기업들의경쟁 도치열하게전개되고있다. 인공지능에대한높은관심은반도체산 업의성장을견인하고있다. 인공지능의 발전은무엇보다도엄청난정보수집및 처리능력을전제로하기때문이다. 정보 를저장하는 DRAM 과낸드플래시 (NAND Flash) 등메모리반도체수요 가폭증하는가운데, 인공지능알고리즘 을실행하는시스템반도체의중요성도 커지고있다. 스마트폰과 TV, 스마트스 피커등소비자기기는물론클라우드데 이터센터에서도인공지능지원을위하여 뛰어난성능의반도체가많이필요할것 인공지능적용분야 1 Consumer /Entertainment/Retail Transprotation /Infrastructure Enterprise Operations Oil&Gas/Agriculture Industrial/Military Medical/Healthcare 자료 : Moor Insights & Strategies 개인용 VR/ 게임 자율주행차 배달드론, 창고로봇 필드드론, 로봇 로봇, 코봇, UAV 의료이미지, 수질로봇 개인비서 수송, 원격제어 사이버보안 기후, 수질, 에너지제어 공정제어 / 감시 의료분석 광고맞춤형커머스 교통, 네트워크분석 판매, 마케팅, 고객서비스 센싱데이터분석 공정운영 / 분석 건강분석, 상담 단말기반하이브리드클라우드기반 인공지능발전트렌드 2 인공지능등장 1950s~1980s Mainframe Microcomputer Low cost server & PC Mobile & Cloud 전문가시스템 초기인공지능 1980s~1990s 초기인공신경망 문자판독 신용도분석 머신러닝 1990~2010s 마케팅분석 거짓말탐지기 감성분석 네트워크로드분석 딥러닝 2010s~ 자연어처리 비디오라벨링 큐레이션 예측유지보수 공급망관리 LG 경제연구원 1

3 으로예상된다. 이런가운데최근에는인공지능을집중적으로지원할수있는반도체를개발및탑재 하려는움직임이두드러지고있다. 인공지능알고리즘을효율적으로구동할수있는 전용반도체프로세서 (Processor) 1 를사용하여인공지능성능을대폭끌어올리는것 이다. 인공지능저변이폭넓게확대되면서인공지능프로세서는글로벌 IT 산업의 핵심기술로부상하고있다. 인공지능이론에대한연구가활발히이루어지면서이를구현하기위한소프트웨어 가관심을받은반면, 이를뒷받침하는하드웨어는상대적으로크게부각되지못했 다. 그러나인공지능에대한기대수준이나날이커지면서지금의 IT 시스템으로는 이를충족하기어렵다는주장이제기되었다. 간단한인공지능알고리즘의탑재는큰 문제가없지만, 인공지능의요구성능및활용범위가커지면서기존하드웨어기반 으로는지속적인발전이어렵다는것이다. 특히이런문제는오늘날인공지능발전을주도하는딥러닝 (Deep Learning) 구현 에서중요이슈로부상하였다. 딥러닝은인공지능의주요연구분야인머신러닝 (Machine Learning) 2 을구현할수있는알고리즘으로, 인간뇌의신경망 (Neural network) 구조를모방한것이특징이다. 뇌신경은뉴런 (Neuron) 이라불리는작은세포단위가 연속적으로연결되어있는구조다. 뉴런은시냅스 (Synapse) 라는연결세포를통하여앞에연결된뉴런으 로부터다수의전기자극을입력받아이를저장하거나 혹은새로운자극을만들어다음뉴런으로넘겨주게된 다. 1,000 억개이상의뉴런과 100 조개이상의시냅스 는이런과정을연속반복하여정보를기억하거나이를 토대로다음에해야할일을판단할수있다 < 차트 3 >. 딥러닝알고리즘에서뉴런의역할을담당하는정보입출 력연산은그리어려운작업이아니다. 그러나가장큰문제는수천에서수만개이 상의이런연산을동시에처리하는과정을반복해야한다는것이다. 이런까닭에딥 러닝담당프로세서의병렬컴퓨팅 (Parallel computing) 3 능력이인공지능성능을결 정하는핵심요건으로부상하였다. 그러나이런특성은현재컴퓨터의핵심반도체인중앙프로세서 (CPU: Central 신경망과딥러닝비교 3 (a) 신경망구조 뉴런 (Neuron) 시냅스 (Synapse) Input Input Output Input Input Input Output Output Output Output (b) 딥러닝구조 1 컴퓨터동작을위한소프트웨어프로그램을처리하는반도체 2 인공지능연구분야중하나로컴퓨터가방대한데이터를학습하고이를기반으로새로운상황을판단, 예측하는기술 3 수많은정보연산을동시에처리하는컴퓨팅기술 2 LG 경제연구원

4 Processing Unit) 의구조에적합하지않다. CPU는복잡하고어려운연산을입력순서에따라처리하는직렬컴퓨팅 (Sequential computing) 구조다. 이런까닭에 CPU 가딥러닝을구동하면처리속도가느리고필요이상의에너지를과다소모할수있다는문제점이지적되었다. 게다가 CPU가본연의역할외인공지능업무까지담당하게되면서과중한부담으로전체시스템성능이저하될수있다는우려도커졌다 < 차트 4 >. 이를보완하고자글로벌 IT 업계는인공지능구현에적합한프로세서를전담사용하는인공지능가속 (AI Acceleration) 방법을적용하고있다. CPU 대신인공지 능알고리즘을처리할수있는프로세서를탑재하면제품및서비스에필요한인공지능을효율적으로구현할수있다는주장이큰호응을얻었다. 따라서최근까지개념조차뚜렷하지않았던인공지능프로세서가반도체업계의유망테마로떠올랐다. 많은 IT 기업들이인공지능프로세서에큰관심을가지고기술확보에뛰어들고있다. 고성능인공지능구현이학계및산업계의주요이슈로부상하면서인공지능프로세서에대한연구와투자가집중되고있다. 글로벌반도체전문기업은물론세레브라스시스템즈 (Cerebras Systems) 나그래프코어 (Graphcore) 등관련스타트업도등장하여인공지능프로세서개발열기를더하고있다 4. 직렬컴퓨팅과병렬컴퓨팅 4 Problem Instructions Processing (a) 직렬컴퓨팅 Problem Instructions Processing Processing Processing Processing (b) 병렬컴퓨팅자료 : BoA Merrill Lynch 2. 인공지능프로세서개발동향 (1) 그래픽처리장치 (GPU) 의재조명원래그래픽처리장치 (GPU: Graphic Processing Unit) 는 CPU가처리하는작업을분담하기위한목적으로개발되었다. 반도체의발전에비해소프트웨어성능이낮았던과거에는 CPU가전체소프트웨어의구동을담당하였다. 그러나컴퓨터에탑재되는소프트웨어의크기가커지고유형도다양해지면서 CPU만으로모든작업을담당하기가매우어려워졌다. 특히 IT 산업의성장에따라소프트웨어에서고해상도의화려한그래픽이적용되는게임, 영화등멀티미디어컨텐츠의비중이빠르게늘었다. 멀티미디어컨텐츠를재 4 Aaron Tilley, AI Chip Boom: This stealthy AI hardware startup is worth almost a billion, Forbes, LG 경제연구원 3

5 생하기위해서는영상을구성하는개개의픽셀 (Pixel) 을표현하는연산을동시에처리해야한다. 이는기존 CPU 로원활하게수행하기어렵기때문에, 그래픽처리를전담하는프로세서가필요하다는주장이대두되었다. 신생반도체설계 (Fabless) 기업이었던엔비디아 (Nvidia) 는멀티미디어컨텐츠지원을위하여수천개이상의코어 (Core) 5 을연결하는병렬컴퓨팅기술을선보여 GPU라는신규영역을개척하였다 < 차트 5 >. 초고화질과 3차원영상등그래픽기술이나날이발전 하면서 GPU의인기도급상승했다. 컨텐츠재생에주로사용되었던 GPU는이후각종소프트웨어에도적용되었다. 엔비디아는 GPU의활용가치가무궁무진하다는점에착안하여다목적 GPU 솔루션을출시하여큰인기를얻었다. 엔비디아가 2006년선보인 GPU 솔루션쿠다 (CUDA) 는헤지펀드와과학연구소등여러기관을중심으로복잡한금융투자및기후모델시뮬레이션등다양한분야에활용되고있다. 6 무엇보다도 GPU는강력한병렬컴퓨팅의강점때문에인공지능, 특히딥러닝에적합하다는사실이알려지면서폭발적인기를얻게되었다. 기존 CPU를활용한딥러닝구현에어려움을겪던많은기업들은 GPU의잠재력에주목하게되었다. 구글과페이스북등많은 IT 기업들이자사의비즈니스에딥러닝을적용하기위하여 GPU 사용을크게늘렸다. 7 현재 GPU 시장의과반이상을점유하고있는엔비디아는데이터센터, 가전, 자동차등많은기기의인공지능적용열풍에힘입어매출이급증하였다. 엔비디아는자율주행시스템드라이브 PX(Drive PX) 등인공지능처리에특화된각종 GPU 솔루션을출시하여인공지능프로세서시장의주도권을강화하고있다. 한편으로 AMD 등다른반도체기업들역시인공지능시대를겨냥한 GPU 개발에박차를가하고있다. CPU 와 GPU 구조비교 5 (a) CPU (b) GPU 1~4개의고사양 Core 탑재 수백 ~ 수천개이상의저사양 Core 탑재 (2) 맞춤형인공지능프로세서의부상인공지능의성장은현재진행형이다. 인공지능의주류기술로부상한딥러닝역시학계와기업을중심으로변형및개선을거듭하고있다. 게다가인공지능의궁극적목적인뇌의신비를풀기위하여인간의사고체계, 뇌의생물학특성을연구하는움직 5 프로세서내부에포함되는프로그램처리장치 6 Aaron Tilley, The New Intel: How Nvidia went from powering video games to revolutionizing artificial intelligence, Fortune, Cade Mets, The Race To Build An AI Chip For Everything Just Got Real, Wired, LG 경제연구원

6 임도활발하다. 이러한지식의축적은새로운인공지능이론및상용화의근간이되기때문에인공지능기술의발전은한층지속될전망이다. 인공지능을활용하는어플리케이션도꾸준히늘고있다. 간단한음성이나문자인식은물론수많은정보를분석하여시사점을발굴하는등여러적용사례도소개되고있다. 그러나동일한원리의인공지능이적용되더라도집중적으로처리해야할정보유형및처리방법등구현방식은각어플리케이션마다상당히다를가능성이높다. 만일이런특성을고려하지않는다면인공지능시스템은간단한작업을처리하는데에도상당히많은시간과에너지자원을낭비할수있다. 각어플리케이션의특성에적합한인공지능시스템을구현하기위하여범용프로세서를사용하는대신, 최근에는주문형반도체 (ASIC: Application Specific Integrated Circuit) 8 기술로프로세서를개발하려는움직 임이나타나고있다. 이런흐름은인공지능의쓰임새가다양해지고지금보다훨씬뛰어난성능이요구되면서보다뚜렷해지고있다. 딥러닝의학습 / 추론단계 6 Forward Example Labeling 인간의뇌는지식을배우고이를토대로주어진상황과문제를인식하여판단할수있다. 유사한원리로딥러닝도크게두단계로구성된다. 첫번째는학습 (Learning) 단계로딥러닝의신경망이특정작업을수행하기위해필요한기본적인지식을배우는것이다. 두번째는추론 (Inference) 단계로학습을거친신경망이외부명령을받거나상황을인식하면학습한내용을토대로가장적합한결과를산출하는것이다. 인공지능은이두과정을반복실행하여더나은답을찾도록성능을강화할수있다 < 차트 6 >. 다른유형의반도체를적용하려는시도도있지만, 방대한데이터의동시처리가필요한학습단계에서는병렬컴퓨팅성능이뛰어난 GPU가가장많이사용될것으로예상된다. 그러나추론단계는적용분야에따라인공지능활용목적및기대효과가상이하기때문에 GPU가반드시적합한것은아니다. 9 또한 GPU와동일한작업을수행하면서도훨씬적은양의에너지를사용하는프로세서에대한관심도커졌다. 향후인공지능적용확대에따라추론프로세서의중요성이 Image 자료 : Nvidia Backward (a) 학습 (Learning) 단계 Forward True or False (b) 추론 (Inference) 단계 Face Face 글로벌인공지능프로세서시장 7 ( 단위 : $B) E 2019E 2020E 2021E 2022E 자료 : JP Morgan CAGR 59% AI Inference AI Training 8 사용자의특정용도에맞게개별적으로제작된반도체. 고속처리및신뢰성수준높음. 9 Karl Freund, A machine learning landscape: Where AMD, Intel, NVIDIA, Qualcomm and Xilinx AI engines live, Forbes, LG 경제연구원 5

더욱커질가능성이높기에, 10 다수기업들은추론기 능을중심으로인공지능프로세서개발에뛰어들고 있다 < 차트 7 >. 구글 (Google) 은원래인공지능바둑프로그램알파고 (Alpha Go) 를구동하기위하여 GPU 를집중적으로사 용하였다. 그러나이후개선된알파고를위하여텐서 플로우프로세서 (Tensor Flow Processor) 라는독자 적인공지능프로세서를개발하였다.

7 더욱커질가능성이높기에, 10 다수기업들은추론기 능을중심으로인공지능프로세서개발에뛰어들고 있다 < 차트 7 >. 구글 (Google) 은원래인공지능바둑프로그램알파고 (Alpha Go) 를구동하기위하여 GPU 를집중적으로사 용하였다. 그러나이후개선된알파고를위하여텐서 플로우프로세서 (Tensor Flow Processor) 라는독자 적인공지능프로세서를개발하였다. 구글은텐서플로 우프로세서가기존 CPU 와 GPU 의조합보다 15~30 배나빠르게인공지능의추론 기능을수행할수있으며, 에너지소모량도수십배이상적다고주장한다. 11 인텔 (Intel) 역시 2016 년인수한인공지능프로세서스타트업모비디우스 (Movidius), 너 바나시스템즈 (Nervana Systems) 의기술을활용하여 ASIC 기반인공지능프로세 서시장에뛰어들었다. 스마트폰제조기업들도독자적으로인공지능을위한맞춤형프로세서제조에뛰어 들었다 년애플 (Apple) 은아이폰의 3 차원안면인식을위한인공지능프로세서 를개발하여스마트폰 AP(Application Processor) 에탑재하였다. 사람들은노화나 안경착용등으로타인의얼굴특징이일부변해도누구인지를쉽게유추하고인식할 수있다. 그러나주어지는정보로만판단할수있는기존컴퓨터에게이는매우어려 운일이다. 이런문제점을극복하기위해서는사람처럼얼굴변화를추론하여인식하는인공지 능을적용해야한다. 이를위하여애플은스마트폰 AP 의 CPU 나 GPU 를사용하는 대신안면인식을집중적으로처리할수있는별도의인공지능프로세서뉴럴엔진 (Neural Engine) 을독자적으로설계하였다. 한편으로각제품이나서비스에적합한인공지능을구현하기위하여 FPGA(Field Programmable Gate Array) 를사용하는사례도늘고있다. FPGA 는설계및제조 시특성이결정되는일반적반도체와달리, 사용자가용도에맞게하드웨어특성을 유연하게변경할수있는반도체다. 사실 FPGA 는 1980 년대부터등장하였지만다른 반도체보다성능이낮다는단점때문에그간활용이제한적이었다. 구글의텐서플로우프로세서자료 : Google 그러나인공지능이중요한트렌드로부상하면서 FPGA 를기반으로인공지능프로세 서를만들려는시도도늘고있다. 무엇보다도 FPGA 가하루가다르게발전하는각 10 Gokul Hariharan, et.al, Exponential growth from AI adoption in the cloud and at the edge, JP Morgan, Norman P. Jouppi, Cliff Young, et.al, In-Datacenter performance analysis of a tensor processing unit, The 44th International Symposium on Computer Architecture (ISCA), LG 경제연구원

8 종인공지능알고리즘을적시적으로 지원하기용이하다는점이큰주목을 받았다. 게다가기술수준이발전하면 서인공지능구현을위한 FPGA 의정 보처리능력도훨씬용이해졌다. 이미많은기업들이 FPGA 에큰관심 을보이고있다. 마이크로소프트 (Microsoft) 는애저 (Azure) 클라우드 컴퓨팅과검색서비스빙 (Bing) 등을 지원하는데이터센터에 FPGA 를탑재 하였다. 인텔은 2015 년 FPGA 전문기 업알테라 (Altera) 를인수하고이를활 용한신제품을출시하는등 FPGA 를 인공지능프로세서의중요역량으로 간주하고있다. 12 ASIC 이나 FPGA 의한계를지적하는주 장도있다. ASIC 으로만든프로세서는 특정업무수행에최적화되어있기때 문에인공지능이필요한다른분야에 확장적용하기쉽지않다. 따라서각제품이나기능별로필요한 ASIC 프로세서를일 일이새롭게제작해야하는어려움이따를수있다. FPGA 역시인공지능의수준이증 가할수록복잡하고훨씬많은양의데이터를처리해야하기때문에, 연산성능을더욱 끌어올리는것이중요한과제로지적된다 < 차트 8, 9 >. 딥러닝프로세스및관련반도체 8 Data Source Training Inference Data gathering chips Sensors Smartphone chips IoT device Communications 자료 : JP Morgan Input AI Training chips GPU: Nvidia, AMD FPGA: Intel, Xilinx ASIC: Google(TPU), Intel(Nervana), etc. Model/Algorithm apply Feedback AI Inference chips CPU: Intel, AMD GPU: Nvidal, AMD FPGA: Intel, Xilinx ASIC: Apple, Qualcomm, Google(TPU), Intel(Movudius, Mobileye), etc. 주요프로세서특성비교 9 타입장점단점주요기업 CPU GPU FPGA ASIC 자료 : Morningstar 서버와 PC 등대부분의 인텔, AMD, 범용컴퓨터에서사용가능 병렬컴퓨팅처리어려움 ARM 고수준병렬처리가능 주요 AI 시스템에적용중 하드웨어특성재구성가능 지속적으로성능요구수준이증가하는작업에적합 인공지능처리성능및에너지효율이가장우수 시스템특성에맞게활용하지못하면비효율적 FPGA 보다확장성낮음 GPU 대비낮은연산성능 주요 AI 시스템에서활용빈도낮음 비싼가격 활용분야의제약높음 엔비디아, AMD 인텔, 자일링스 인텔, 구글, 애플, Graphcore (3) 인간의뇌를닮은프로세서오늘날컴퓨터는폰노이만구조 (Von Neumann Architecture) 라는컴퓨터구조설계이론에근간을두고있다. 원래폰노이만구조는정확한정보와논리체계로구성된프로그램을효율적으로처리하기위하여설계되었다. IT 산업의초창기이래폰노이만구조는방대한정보를더빠르게분석하고결과를산출할수있도록발전을거듭하면서컴퓨터시스템설계의표준으로자리잡았다. 스마트폰과데이터센터등인공지능을탑재하는 IT 시스템대부분은폰노이만구조를유지하면서 GPU 등부가프로세서를활용하여딥러닝을수행하고있다. 즉 12 The rise of artificial intelligence is creating new variety in the chip market, and trouble for Intel, The Economist, LG 경제연구원 7

9 CPU가전체시스템의동작과제어를담당하고, 인공지능프로세서는딥러닝기능을집중적으로처리하도록구성된이기종시스템 (HSA: Heterogeneous System Architecture) 방법을채택하고있다. 13 이런방법은기존시스템구조의근간을유지하면서인공지능을구현하기용이한반면, 인공지능성능을강화하기위하여비례적으로더욱많은프로세서가필요하다는점이단점으로지적된다. 2012년구글의인공지능소프트웨어가아무정보도주어지지않은상태에서고양이를인식하는법을배우기위해서는무려 16,000개의프로세서가필요했다고한다. 수많은프로세서를집적하는것은시스템규모의증가, 설계및개발의어려움및높은에너지소모등여러문제를초래할수있다. 14 이런이유로학계를중심으로인간의뇌신경구조자체를그대로모방한프로세서를만들어야한다는주장이등장하였다. 뉴런과뉴런이시냅스로촘촘하게엮이듯이, 인공지능프로세서도정보처리를담당하는개개의개별소자가네트워크로연결되어학습및의사결정을담당하는구조로설계되어야한다는것이다. 즉지금까지소프트웨어로만들었던딥러닝을반도체집적회로기술로구현하려는접근법이다 < 차트 10>. 뇌신경을닮은프로세서라는의미에서이런특징을갖춘프로세서를뉴로모픽프로세서 (Neuromorphic Processor) 라정의한다. 뉴로모픽프로세서는수십년전제안된아이디어지만당시에는인공지능에대한낮은관심탓에그리큰주목을받지못했다. 그러나딥러닝의인기가폭발적으로증가하면서뉴로모픽프로세서의잠재력역시재조명받고있다. 뉴로모픽프로세서의예시적구조 10 Input Signal Decode... Neuron 자료 : U.S. Department of Energy Crossbar Synapse... Select & Encode Output Signal 많은연구에도불구하고지금까지뉴로모픽프로세서는본격적인상용화에도달하지 못했다. 무엇보다도신경망처럼수천만에서수억개가훨씬넘는트랜지스터 (Transistor) 를정교하게연결할수있는기술이없었기때문이다. 이런까닭에적은 수의트랜지스터로제작한초창기뉴로모픽프로세서는기대와달리성능수준이매 우낮았다. 그러나반도체설계및공정기술이발전하면서뉴로모픽프로세서를현 실로만들수있는가능성을발견하게되었다. 뉴로모픽프로세서가각광받는이유는바로언제어디서나인공지능을활용하는인 공지능확산 (Pervasive AI) 시대를열수있는잠재력이크기때문이다. 딥러닝은 거의무한정에가까운정보를학습하기때문에뛰어난인식및판단능력을가질수 13 최새솔, 인공지능반도체산업동향및이슈분석, ETRI, Robert D. Hof, 10 breakthrough technologies 2014: Neuromorphic chips, MIT Technology Review, LG 경제연구원

있는반면, 막대한에너지소모를동반한다. 구글은알파고를구동하기위해서 1,200 여개의 CPU와 176개의 GPU, 920TB(Tera Bytes) 의 DRAM 등엄청난양의반도체를장착한슈퍼컴퓨터를사용했는데, 이컴퓨터의에너지사용량은무려 12GW에달했다. 반면사람이일상적으로정보를기억하고판단하기위한이론적에너지소모량은약 20W에불과하다고한다.

10 있는반면, 막대한에너지소모를동반한다. 구글은알파고를구동하기위해서 1,200 여개의 CPU와 176개의 GPU, 920TB(Tera Bytes) 의 DRAM 등엄청난양의반도체를장착한슈퍼컴퓨터를사용했는데, 이컴퓨터의에너지사용량은무려 12GW에달했다. 반면사람이일상적으로정보를기억하고판단하기위한이론적에너지소모량은약 20W에불과하다고한다. 미래인공지능시대에는데이터처리성능자체보다전력효율성을더강조할수있다. 모바일이나가전, 혹은작은사물인터넷기기하나하나마다인공지능이적용될수있기때문이다. 뉴로모픽프로세서는신경망구조를내재화하고있기때문에이론적으로는인간처럼아주적은전력만으로도고성능인공지능을수행할수있다. 만일뉴로모픽프로세서가상용화된다면인공지능의저변이예상보다더욱빠르게확산될것이라는전망도있다. 현재기술로는인간의신경망을완벽하게모사할수있는이상적뉴로모픽프로세서를만들기어렵다는것이대체적중론이다. 15 인간뇌수준의뉴로모픽프로세서를만들기위해서는신경망구조에대한심층적이해는물론, 뉴런과시냅스의역할을담당하는정교한개별소자개발까지고려해야하기때문이다. 기존반도체기술로는뉴런과시냅스가실제로정보를받아들이고처리하는것과근사한메커니즘을구현하기어렵다. 이런까닭에현재고성능뉴로모픽프로세서를만들기위하여멤리스터 (Memrister) 16 등차세대소자에대한연구도활발히이루어지고있다. 뉴로모픽프로세서를활용하여인공지능혁신을가속화할수있다는주장이재조명되면서전세계적으로뉴로모픽프로세서를개발하려는움직임이등장하고있다. IBM은 2014년인간의뇌를모방하는시스템을연구한미국국방부방위고등연구계획국 (DARPA) 의프로젝트결과를활용하여뉴로모픽프로세서트루노스 (TrueNorth) 를개발하였다. 트루노스는 100만개의뉴런과 2억 6천만개시냅스로이루어진신경망구조를가지고있는것으로알려진다. 17 퀄컴 (Qualcomm) 역시뉴로모픽프로세서연구에뛰어들었다. 퀄컴은자사의인공지능역량을강화하기위하여제로스 (Zeroth) 프로젝트를추진하였다. 이를통하여뉴로모픽프로세서기술을연구하였으며, 이중일부를자사의스마트폰 AP 스냅드래곤 (Snapdragon) 에적용하였다. 인공지능에대한투자를확대하고있는인텔도캘리포니아공과대학 (Caltech) 등과협력하여뉴로모픽프로 IBM 의트루노스 (TrueNorth) 자료 : 위키피디아 15 Lee Gomes, Neuromorphic chips are destined for deep learning-or obscurity, IEEE Spectrum, 메모리 (Memory) 와레지스터 (Resistor) 의합성어로빠른속도로정보를저장할수있는메모리를만드는소자 17 Vivek Arya, et.al, Deep learning and the processor chips fueling the AI revolution, BoA Merrill Lynch, LG 경제연구원 9

11 세서로이히 (Loihi) 을개발하며관련기술역량축적에나서고있다. 3. 시사점 (1) 하드웨어중심인공지능개발트렌드확산지금까지의인공지능은주로소프트웨어와서비스를중심으로발전하였다. 딥러닝등새로운알고리즘과인공지능을활용한다양한서비스의등장은그간큰주목을받지못했던인공지능을 IT 산업의중심으로끌어올리는데결정적역할을수행했다. 그러나향후에는시스템의근간인하드웨어차원에서인공지능에접근하기위한노력도많은관심을받게될것이다. 기존의 IT 시스템은인간의판단과명령을기반으로빠르고정확하게정보를처리할수있는수동성을전제로한다. 반면인공지능시스템은인간의개입이최소화되고모든정보처리가시스템스스로이루어지는자율성을지향한다. 이를위해서는시스템이풍부한데이터를학습및활용할수있는능력을필수적으로가져야한다. 특히자율성수준이높아질수록데이터처리능력도훨씬향상되어야한다. 그러나소프트웨어중심인공지능개발로는이런능력을지속적으로강화하기어렵다. 지금보다뛰어난인공지능을만들기위해서는기존 IT 시스템에대한근본적재검토가필요하다는의견이많다. 이런이유로소프트웨어는물론하드웨어, 특히모든제품과서비스의중추를이루는반도체를인공지능의관점에서접근하는인공지능프로세서의중요성이강조될수있다. 역사적으로반도체시장은 IT 산업의변화를촉발하는패러다임의등장으로큰변곡점을겪었다. 인터넷, 이동통신, 빅데이터, 사물인터넷등새로운패러다임이부상할때마다정보저장및처리역량이크게강조되었다. 이에대응하기위하여메모리와각종시스템반도체의성능을강화하려는움직임이꾸준히이어져왔다. 인공지능역시다른어떤기술보다도많은양의정보처리능력을필요로하기때문에, 첨단인공지능을만들기위한반도체의중요성은꾸준히강조될것이다. 많은연구에서도인공지능의확산수준이미래반도체의소재, 설계및공정기술에대한관심과투자에큰영향을미칠것으로예상한다. 인공지능의발전으로지금까지와근본적으로다른기술적접근이각광받을수있다. 폰노이만구조등오랜시간에걸쳐 IT 업계를지배해온컴퓨터기술메커니즘의궤도와다른변화가출현하는것이다. 그래픽처리등일부분야에주로사용되었던 10 LG 경제연구원

12 병렬컴퓨팅기술이인공지능트렌드를맞이하여재조명되었듯이, 뉴로모픽프로세서등더욱우수한인공지능을구현하려는시도역시추상적아이디어를넘어상용화차원에서큰관심을받게될전망이다. 이런흐름에대응하고자현재반도체시장을이끄는기업들은물론새로운비즈니스기회를모색하려는기업들역시인공지능프로세서기술개발에박차를가할것으로보인다. (2) IT 기업의반도체진출가속화 PC 시대를지나모바일시대로접어들면서부품과소프트웨어, 완제품간연관성은강화되고있다. 이제는완제품의차별화경쟁력제고를위하여소프트웨어역량을축적하는것에서나아가자체필요에맞는반도체까지설계하려는움직임이늘고있다. 애플은모바일 AP에이어그간외부기업에의존하였던 GPU나전력관리반도체 (PMIC) 등아이폰에포함되는주요반도체를직접설계하면서반도체내재화영역을넓히고있다. 다른기업들역시주력제품의성능제고를위해반도체기술역량확보에큰관심을보이고있다. 인공지능프로세서의부상으로 IT 기업들의반도체진출움직임이심화될수있다. 인공지능구현이나적용을위한기술방식은각기업의비즈니스및사용환경마다매우다를것으로보인다. 아무리뛰어난인공지능알고리즘을개발하더라도이를뒷받침하는반도체가적합하지않다면원하는성능구현이쉽지않다. 게다가인공지능을구성하는기술역시개선과발전을거듭하고있기때문에, 반도체역량의외부의존으로는변화트렌드를빠르게대응하기어렵다는인식도늘고있다. 이런까닭에반도체가주력이아니었던여러기업들이독자적인인공지능프로세서개발을모색하고있다. 구글은보다빠르고안정적으로인공지능서비스를구현하기위하여자체설계한프로세서를클라우드데이터센터에접목하였다. 이를통하여전체시스템에걸쳐인공지능구현역량을확보하는동시에, 인텔과엔비디아등반도체전문기업에대한의존도를낮추는발판을마련할것으로보인다. 마이크로소프트는증강현실시스템홀로렌즈 (Hololens) 를위하여인공지능프로세서를개발하고있다. 자율주행차시장이확대될수록인공지능프로세서의역할이커질것이라고판단한테슬라 (Tesla) 역시엔비디아의자율주행솔루션에서벗어나인공지능프로세서를개발하고있다고밝혔다. 18 아마존 (Amazon) 역시인공지능프로세서를개발하고있다는추정도있다. 19 아마존웹서비스 (Amazon Web Service) 에서인공지능서비스알렉사 (Alexa) 가차지하는 18 Tom Simonite, Musk says Tesla is building its own chip for autopilot, Wired, Matthew Lynley, Amazon may be developing AI chips for Alexa, Techcrunch, LG 경제연구원 11

13 비중이늘고있으며, 인공지능스피커에코 (Echo) 등하드웨어사업에서도인공지능의중요성이강 조되고있다. 게다가주력사업인물류, 배송등에 서도인공지능을활용할여지는커질전망이다. 이 런까닭에아마존역시인공지능역량의전면적강 화, 특히반도체기반의하드웨어기술확보에큰 관심을가진것으로보인다. 최근에는페이스북 (Facebook) 도인공지능서비스강화를위하여데 이터센터에탑재할자체프로세서개발에착수한 것으로보인다 20 < 차트 11 >. 이들기업들은대체로자사사업의인공지능경쟁 력강화를위하여반도체프로세서개발에나서고 있다. 그러나한편으로인공지능프로세서가새로운사업진출을위한포석이될수 있다는예상도있다. CPU 나스마트폰 AP 등시스템구성에필수적인반도체가하 나의플랫폼이되어연관하드웨어및소프트웨어의성장과발전을이끌었듯이, 인 공지능프로세서도인공지능고도화는물론전후방 IT 산업의판도변화를이끌플 랫폼으로성장할수있다는것이다. 이런관점에서많은기업들이인공지능프로세 서역량을어떻게활용할지도미래 IT 산업의주요관심사로부상하게될것이다. 주요기업의인공지능프로세서개발 11 기업 애플 구글 마이크로소프트 화웨이 바이두 테슬라 장점 2017년안면인식기능구현을위한인공지능프로세서뉴럴엔진 (Neural Engine) 이탑재된스마트폰 AP A11 Bionic 발표 2016 년클라우드컴퓨팅의인공지능서비스를지원하는프로세서 TPU(Tensor Processing Unit) 탑재. 이후지속적으로 TPU 버전업그레이드추진 증강현실헤드셋홀로렌즈에언어와영상인식기술을구동하는인공지능프로세서 HPU(Holographic Processing Unit) 탑재 FPGA 를자사의캐터펄트 (Catapult) 서버에적용해검색엔진및인공지능서비스성능강화추진 2017 년스타트업캠브리콘 (Cambricon) 과협력하여인공지능프로세서 NPU(Neural Processing Unit) 를탑재한스마트폰 AP 기린 970 발표 클라우드컴퓨팅용인공지능프로세서쿤룬 (Kunlun) 발표 자율주행기능오토파일럿 (Auto Pilot) 지원용프로세서개발 (3) 자사에적합한인공지능프로세서전략수립필요미래에도새로운기술과아이디어로인공지능을구현하려는움직임은계속될전망이다. 인간에근접한수준의인공지능을만들기위해서는하드웨어와소프트웨어등시스템전반에걸쳐혁신이이루어져야한다는의견이많다. 이런차원에서인공지능프로세서등새로운접근법으로인공지능의잠재력을실험하려는기업들의움직임도빨라질것이다. 인공지능과연관깊은제품및서비스가주력인기업일수록인공지능프로세서및이를통해출현하게될새로운트렌드와밀접하게관련될것이다. 따라서인공지능프로세서의확산이자사의인공지능전략에어떤영향을미칠지를주의깊게관찰하는것이필요하다. 인공지능프로세서가미래인공지능트렌드에어떤변화를가져올수있는지, 그리고이런변화가자사의사업영역에미칠파급효과를면밀히분석해야할것이다. 인공지능프로세서대응전략은각기업차원의다각적관점에서수립되어야한다. 20 Mark Gurman, Facebook is forming a team to design its own chips, Bloomberg, LG 경제연구원

14 인공지능의적용목적, 그리고구현방법에따라인공지능프로세서에대한접근방식은다를수있다. 실제로필요한인공지능의수준은산업, 제품별로상이하며이를활용하는수단역시클라우드컴퓨팅, 엣지컴퓨팅 (Edge computing) 21, 단말기기등한층다양해질전망이다. 따라서자사에적합한인공지능전략의청사진을만들고이를토대로인공지능프로세서역량확보옵션을마련하는것이비즈니스의인공지능활용효과를극대화하는방안이될수있다. 예컨대다목적으로활용되는고사양의인공지능프로세서보다는특정목적의기기탑재등필요한요구조건에맞는인공지능프로세서개발이가시적성과달성을위해더유리할수있다. 22 또한독자프로세서개발도필요하지만, 인공지능기술유형이다양화되는점을감안하여인공지능프로세서를제조하는다수기업과의유기적협력을기반으로필요한인공지능을빠르게자사제품에접목하는전략도고려할수있다. 나아가인공지능이시스템전반의주요기능과깊숙이연관될가능성이높기때문에, 자사에필요한인공지능프로세서가에너지효율, 네트워크연결성, 보안등여러측면에미칠영향도살펴보아야할것이다. 미래인공지능이담당하게될역할은더욱늘어날것이다. 간단한업무를넘어지금까지다루지않았던방대한정보를바탕으로빠르고정확한판단과실행이필요한전문영역까지적용되는등 IT 기기및서비스의인공지능의존도는심화될전망이다. 인공지능프로세서의부상은인공지능고도화시대의중추적기반이될수있기때문에, IT 산업은물론여러분야의기업들이인공지능의중요성을각인하고인공지능기반비즈니스경쟁력강화를깊이고민하는계기가될것이다 클라우드컴퓨팅과같은중앙집중식정보처리와달리, 데이터가생성되는단말과근접한곳에서정보를처리하는기술 22 김용균, 반도체산업의차세대성장엔진 AI 반도체동향과시사점, 정보통신기술진흥센터, LG 경제연구원 13

15 본보고서에게재된내용이 LG 경제연구원의공식견해는아닙니다. 본보고서의내용을인용할경우출처를명시하시기바랍니다.

Ch 1 머신러닝 개요.pptx

Ch 1 머신러닝 개요.pptx Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial