한국은하드웨어인공지능을선도할수있을까? 이종호 서울대학교전기 정보공학부교수 머리말 2016년 3월알파고 (AlphaGo, 구글딥마인드가개발한인공지능 (AI) 바둑프로그램 ) 가세계최상위수준급의프로기사인이세돌 9단과 5번기공개대국에서대부분의예상과달리 4승 1패로승리함으로써세상을놀라게했고인공지능의가능성을깨닫는계기를마련했다. 인공지능은 IoT(Internet of Things), 빅데이터, 로봇등으로대변되는 4차산업혁명의핵심기술로, 이분야기술수준이국가산업기술의경쟁력으로이어지는매우중요한기술이다. 이에, 정부에서는인공지능의중요성을인지하고국가차원의인공지능분야연구개발및인력양성에막대한예산을지원하고있다. 이와같은활성화계획은세계적인추세에부응하고향후 4차산업혁명을성공적으로달성하여국가의기술경쟁력확보및국부창출을목표로한다는측면에서시의적절하게추진하고있는것으로사료된다. 그러나국가적인인 공지능개발내용및방향은대부분이소프트웨어 (SW) 에기반을둔인공지능에국한하여진행되고있으며, 대체로선진국의방향을따라가면서기술격차를줄이려고하는추격자 (fast follower) 형태로진행되고있다. 미국과같은선진국의 SW 기반인공지능분야연구비규모및시설, 뛰어난우수인력유치전략과연구원수를감안하면우리나라가같은방향을성공적으로나가도결국추격형을벗어나지못할확률이매우높다. 특히, 미국의경우구글과페이스북의인공지능관련연구비는엄청난규모이고관련연구원의수준이나숫자가우리나라와비교할수없는상황이다. 알파고의출현에따른국민적관심사가인공지능에집중되었고이에따라딥러닝 (Deep Learning) 형태의 SW 인공지능연구개발및인력양성에예산이집중되고있다. SW 인공지능은엄청난계산력을가진슈퍼컴이필요하다. 일례로, 알파고를위한슈퍼컴은 CPU 1,202개, GPU 176개로구성되어수백kW 이상의엄청난전력을소모 2 0 1 7 0 3 89
하고또한큰공간을점유한다. 비록기술이발전하여전력소모를줄인다고해도기존의폰노이만 (von Neumann) 방식의컴퓨터아키텍처에서는한계가있어크게줄일수없다. 따라서, SW 기반인공지능은클라우드컴퓨팅 (Cloud Computing) 형태로발전하여네트워크 (network) 환경에서서비스가제공될것이다. 이와같은환경에서는네트워크의예기치않은끊김이나과부하는서비스의가치를떨어뜨리고, 사용자가많이늘어남에따라슈퍼컴은엄청난전력을소모함으로써, 그한계를보이게될것이다. 즉, 이동성이중요시되는장치에서의응용에는큰제한이있을것이다. SW 인공지능분야에서우리나라가선진국을앞서가기가매우어려운상황이다. 또한이기술은스마트폰, 자율주행자동차, 드론, 로봇등과같이이동성이중요한장치에는사용하기가어려운한계가있다. 이문제를해결할확률이높은것이하드웨어 (HW) 인공지능이다. 본기고에서는 HW 인공지능이무엇인지, 어떤분야에서유리한지, 그리고우리나라가이분야에서세계를선도할수있을지등에대해알아보도록한다. 하드웨어인공지능이란? 먼저, 인공지능의현황에대해간단히살펴본다. 기존폰노이만아키텍처기반의컴퓨팅은점차증가하는전력소모를보임으로써한계에직면해있고, 특히, 패턴인식, 실시간인식, 판단등에서는많은문제를보이고있다. 이를해결하기위해신경과학과반도체기술의발전을기반으로인간의뇌를모방하는단계에들어섰고, 관련연구는 1980년대부터이루어지고있었다. 2006년에는병렬처리프로세서를이용하여구현된심층신경망의학습방법을통해음성인식이나물체인식등단일인지성능이현격히높아져 SW 인공지능실용화가능성이커졌다. HW 인공지능인신경모방컴퓨팅분야에대한연구는미국과유럽을중심으로대규모연구프로제트가진행되고있다. 대표적인신경모방 IC 프로젝트로는미국방위고등연구계획국 (DARPA) 의 SyNAPSE(Systems of Neuromorphic Adaptive Plastic Scalable Electronics) 프로젝트와 EU 에서진행하는 HBP(Human Brain Project) 이다. SyNAPSE 프로젝트는 2008년에시작되어 IBM과 HRL을중심으로대학, 연구소, 기업체가공동연구를진행하고있으며, 2013년까지 1억달러이상이투입되었다. 한편, 2008년에시작된 IBM SyNAPSE 프로젝트는본격적으로뉴로모픽컴퓨팅, 인지컴퓨팅의가능성을열었다고할수있으며, 2014년 8월경, 트루노스 (TrueNorth) 칩을개발함으로써인간의뇌를모방함에있어큰성과를거두었다고할수있다. 하지만이칩을활용할수있는학습등응용기술이없어서응용으로연결되기에는많은시간이필요하다. 또한시냅스모방소자로면적을많이점유하는 SRAM을사용함으로써확장성에한계가있어, 현재는이연구를포기한상태이다. 중요한것은이들프로젝트를통해미국과유럽의연구소나대학에서인공지능기술의기초가형성되고있고, 관련인재가키워졌다는것이다. 그러나아직도인공지능분야에핵심이나표준이될만한기술은없고, 여전히태동기수준이라는것이다. 90 KIET 산업경제
HW 인공지능을이해하기위해먼저, SW 인공지능에대해간단히알아본다. 최근 SW 인공지능은딥러닝이라는학습알고리즘에기반하고있다. 딥러닝은머신러닝 ( 또는기계학습 ) 의한분야로기존폰노이만아키텍처기반의컴퓨터가학습할수있도록하는알고리즘이다. 좀더자세히말하자면, 딥러닝은다단계신경망구조를사용하여매우복잡한인식이가능한알고리즘이다. 알파고도이러한알고리즘을이용하고있다. < 그림 1> 의오른쪽열에표시된것과같이다양한장점이있지만단점으로는폰노이만아키텍처기반의병렬 GPU(Graphic Processing Unit) 를사용함으로써엄청난전력을소모하고있다. 비교적기술이성숙한상태라구글이나페이스북등과같은대기업이나여러중소 / 벤처기업에서응용기술을개발하고있다. 그러나여전히다양한알고리즘개발과관련하드웨어최적화는많은연구를필요로하고있다. 기존의폰노이만컴퓨팅아키텍처는인지처리기능을수행함에있어서인간의뇌에비해효율성이매우낮다. 인간의뇌는수많은뉴런과시냅스 가병렬적으로연결되어저전력으로인지처리기능을동시에수행할수있다. 이러한인간의신경구조를시냅스모방소자어레이및 CMOS 집적회로기술기반하드웨어로모방하는것을 HW 인공지능이라한다. HW 인공지능은 < 그림 1> 에서와같이 SNN(Spiking Neural Network, 스파이킹신경망 ) 과하드웨어 DNN(Deep Neural Network, 심층신경망 ) 으로구성된다. 이는뇌의기능을일부흉내내기때문에신경모방 (Neuromorphic, 뉴로모픽 ) 기술이라불리기도한다. HW 인공지능기술은기본적으로아날로그및디지털집적회로, 시냅스모방소자어레이, 그리고혼성아날로그 / 디지털 VLSI 로구성되며, SNN은시스템운용소프트웨어없이동작할수있고, 하드웨어 DNN의경우소프트웨어가결합된하나의시스템으로인지와같은신경시스템의기능을수행한다. 여기서시냅스모방소자는메모리기능을반드시가져야하므로반도체메모리기술이그핵심이라할수있다. 단점으로시냅스를모방하기위한초고밀도, 고신뢰성, 저전력을보장하는메모리소자, 뉴런 접근방식 < 그림 1> 하드웨어및소프트웨어인공지능기술의주요특징비교 뇌 하드웨어 AI Spiking neural network(snn) STDP*, SRDP** 인공지능 (AI) 소프트웨어 AI Deep neural network(dnn) 기존의 Convolutional neural network (CNN) 과 Recurrent neural network(rnn) 을포함 딥러닝 (Deep learning) 전력소모극도로낮음아주낮음낮음매우높음 성숙도완벽? 아주낮음낮음높음 주 : *STDP : Spike-timing dependent plasticity, **STDP : Spike-rate dependent plasticity. 2 0 1 7 0 3 91
및제어회로, 그리고아키텍처가거의태동기수준또는그보다약간발전된형태이고, 세계적으로이분야의연구를주도하는기관이나그룹이없는실정이다. 연구그룹사이의기술수준에서차이가있으나, 어느기술이가능성이있는지판정하기어려운상황이다. 그야말로춘추전국시대라할수있다. HW 인공지능에서학습이라함은결국, 시냅스모방소자어레이에서각소자의가중치 ( 예 : 컨덕턴스또는저항 ) 를결정하는과정이다. 하드웨어기반 DNN을이용한학습에서는저전력으로이루어지는가중치합 ( 각시냅스모방소자의가중치와해당입력의곱을모두더하는과정 ) 연산의결과가특정값 ( 예 : 0.57) 으로나오기때문에 VNN(Value Neural Network) 라고할수있다. 그에비해 SNN 학습은운용소프트웨어도움없이학습이가능하고, 극저전력으로가중치합을하여그결과가임계치를넘으면비동기 (Clock을 사용하지않기때문 ) 형태로스파이크펄스가발생하고, 이것이피드백되어시냅스모방소자의가중치를바꾸어학습을한다. 여기서시냅스모방소자의가중치는아날로그 ( 예 : 수십개의저항값 ) 형태로변하거나디지털 (0과 1) 형태로변화하는데, 집적도를높이려면하나의시냅스모방소자가아날로그형태로많은가중치를저장할수있어야한다. 앞서언급한 SW 인공지능은 DNN 형태로학습하고기존의폰노이만기반의 CPU와 GPU를사용하여엄청난양의곱셈과덧셈을하기때문에, 아주많은전력을소모한다. 전력을줄이기위한방안으로, DNN을사용하는 HW 인공지능은반드시시냅스모방소자어레이를포함한다. 이상황에서가중치합은단순히각시냅스모방소자로들어오는입력신호가특정가중치를가진시냅스모방소자를지나가기만하면가중치곱이이루어지고, 하나의 post neuron에연결된각시냅스모 92 KIET 산업경제
방소자로부터얻어진결과를커패시터를사용하여모으면연산없이가중치합이완성된다. 가중치합은특정값으로주어지고, 이를 SW 알고리즘과연결하기위해서는다시 binary(2진 ) 코드로바꾸어야하며, 이과정에서 ADC( 아날로그-디지털컨버터 ) 가사용된다. 즉, 전력을줄이는시냅스모방소자어레이와주변회로, 그리고 DNN 알고리즘이융합되어하나의인공지능이구현된다. 비록, 소프트웨어와융합된시스템이지만전력을줄이는부분이하드웨어로구성된시냅스모방소자어레이이기때문에 HW 인공지능으로분류한다. DNN을적용하는 HW 인공지능분야는선진국에비해거의비슷하거나차이가있다면 0.5~1 년정도뒤진것으로생각된다. 그외 HW 인공지능에포함되어야하는것은기존의폰노이만아키텍처기반의 CMOS 회로및아키텍처로구성된하드웨어인데, 이역시위에서언급한것과같이 SW 알고리즘과융합되어인공지능이된다. 여기서시냅스모방소자로디지털메모리인 SRAM이주로사용되고, 가중치합은폰노이만아키텍처에기반을둔컴퓨팅으로수행되어전력소모는 HW 인공지능보다는높고, SW 인공지능에비해서는적다. 이기술은기존의 CMOS 기술을이용하므로 SW 인공지능다음으로성숙도가높아수년내에점진적으로실용화가될것으로예상된다. 이 HW 인공지능은결국폰노이만기반 CMOS 기술로, 가중치합을빠르게수행하는일종의가속기가핵심기술이라할수있다. 이기술은미국과같은선진국이우리나라보다 2~3년앞선부분이지만, 우리가전략적으로접근한다면따라가 거나앞설수있을것으로기대된다. 인간의뇌는 2l 정도의용량에 1,011개의뉴런과 1,015개의시냅스가병렬적으로연결되어있다. 뉴런들의축삭과수상돌기연결은시냅스를통하여이루어지는데, 약 20W 수준의전력으로기억, 연산, 추론, 학습등을동시에수행할수있다. 어떻게하드웨어 AI 분야에서선도자가될수있을까? 우리나라의산업구조와과학기술수준을감안하면많은분야에서추격형으로연구개발을진행하는것이합리적이다. 그러나미래의산업을염두에둔과학기술연구개발은거의전부추격형전략으로추진하고있는것같다. 대부분의과제는선진국과현재격차가얼마인데, 앞으로얼마로줄이는데그목표를두고있다. 심지어한국이세계 1등을하는분야도그런전략이적용되고있는것같다. 이제는이러한전략에서벗어나야한다. 정말매의눈으로살펴보고깊은통찰력을바탕으로어떤분야가세계를선도할지고민하고그것을세계 1등으로만드는과학기술연구전략이꼭필요하다. 그럼세계를선도할부분이무엇인가? 아마많지는않지만여러분야에서그러한가능성이있을것이다. 필자는대한민국이 HW 인공지능분야에서세계를선도할가능성이있다고본다. 때마침이분야는 4차산업혁명의핵심기술인인공지능기술이라국가의명운을걸고한번추진할필요가있다고판단된다. 전세계적으로인간뇌의연산을모방하려는많은시도가있지만, 뇌의시냅스및뉴런을모방 2 0 1 7 0 3 93
< 그림 2> 반도체메모리기술을하드웨어인공지능에활용하여패러다임을바꾸는기술을개발하여메모리반도체기술의수월성을확보하는전략 하드웨어인공지능의핵심기술은고집적반도체메모리기술 우리나라가갖고있는세계최고메모리반도체기술을하드웨어인공지능기술에창의적으로융합 융합의결과는인지연산이가능한시스템반도체 메모리기술이시스템반도체기술을좌우하는패러다임변화가가능한핵심기술 새패러다임의시장을선제적으로점유할필요 메모리반도체기술의수월성을확장할수있는최적의전략기술!! 하는핵심표준기술이아직도개발되지않고있으며, 무슨기술이표준이될지도모르는상황이다. 따라서새로운경쟁력있는시냅스모방소자어레이및뉴런회로어레이가개발되고, 해당하드웨어에최적화된알고리즘이개발된다면현재반도체산업계의패러다임을바꿀수있고이분야세계기술을선도할수있을것이다. 하나의 HW 인공지능시스템이성공하기위해서는소재, 반도체공정, 반도체소자 / 회로, 어레이, 아키텍처및시스템, 그리고응용알고리즘까지의넓은범위를포함하므로, 반도체분야기술이강해야하고다양한분야의연구자간의협력이반드시필요하다. 이분야의연구를주도하기위해서는깊은사고와지식, 그리고언급된여러영역을넘나드는이해가있어야한다. 그럼왜대한민국이 HW 인공지능분야에서세계를선도할수있을까? 가장중요한것이 HW 인공지능기술의핵심인반도체기술에있다. 우리나라가세계 1위를고수하고있는반도체메모리기술이 HW 인공지능의핵심기술인시냅스모방 소자를고집적 / 고신뢰성으로구현하는데반드시필요하다. 우리나라는대학및기업체에메모리반도체의소자, 공정, 회로, 아키텍처에이르기까지세계적으로수준급의인재를보유하고있다. 특히, 우리기업은지난 30년이상메모리반도체양산에서엄청난발전을거듭하여, 최고의기술과노하우를보유하고있다. 또한, 시스템IC2010 과같은대형반도체연구과제를통해많은인력이양성되었고, 이들은기업과대학에서활발히활동하고있다. 이와같은상황에서, 우리는 HW 인공지능에승부를걸어볼만하지않겠는가? < 그림 2> 는우리나라가가진세계최고의메모리반도체기술을 HW 인공지능에창의적으로융합하여메모리반도체의수월성을이어가는전략을보여준다. 융합의결과는인지연산이가능한시스템반도체가되기때문에, 메모리반도체기술이시스템반도체기술을좌우할정도로패러다임의변화를가져올수있다. 이렇게하여메모리반도체기술의수월성을확장할수있게된다. 우리입장에서는이와같은창의적융 94 KIET 산업경제
합기술을국가의전략기술로개발하지않을이유가없다. 그럼하드웨어인공지능의기술개발전략방향을살펴보자. HW 인공지능기술은다양한센서 ( 이미지, 압력, 바이오, 가스등 ) 와매우친화적으로접목되어실시간 / 저전력으로정확한감지가가능하기때문에부가가치가매우크고, 나아가 IoT 기술과접목이가능하다. HW 인공지능기술과센서기술을접목하는기술은세계적으로아주초기단계이므로이분야를체계적이면서도집중적으로추진할필요가있다. 국내의열악한센서업계를 HW 인공지능기술과접목함으로써, 새로운경쟁력으로시장을창출할수있는기회를제공할수있다. 또한저전력 HW 인공지능기술을다양한모바일기기에조기응용될수있도록추진하여, 4차산업혁명을세계적으로선도할수있도록해야한다. 저전력 HW 인공지능은 SW 인공지능에비해자율주행자동차를포함하여모바일기기에매우유리하므로이분야의연구에집중하여추진할필요가있다. 4차산업혁명에서가장중요한핵심기술인 HW 인공지능기술을저전력화하여산업의모든분야에조기에파생할수있도록하는추진전략을수립해야한다. HW 인공지능을연구하는여러그룹에서실용화가능성이있는기술은바로국내메모리반도체업체에이전될수있도록해야한다. 국내메모리반도체업체에서인공지능하드웨어를큰어레이형태로구현하고대학이나중소 / 벤처업체에제공되도록추진하면, 시스템측면에서다양한응용기술이조기에개발되어 IP화될것이다. 맺음말 SW 인공지능이든 HW 인공지능이든모두반도체기술이없으면불가능하기때문에, 반도체기술은한국산업성장동력의엔진일뿐만아니라 4차산업혁명의가장중요한기술이라해도과언이아니다. 이러한반도체기술에대한국가차원의관심과예산지원이없으면한국의성장동력은서서히꺼져갈것이다. 인공지능기술개발은추격형과선도형으로구분하여추진할필요가있다. SW 인공지능은현재정부에서추진하는방식으로연구와인력양성을추진하여선진국과기술격차를줄이는추격형으로진행하는것이효과적이다. HW 인공지능분야는세계 1위메모리반도체기술이창의적으로융합되도록하여선도형으로추진하는것이효과적이고, 메모리반도체기술의수월성을이어가면서새로운시장을창출할것이다. HW 인공지능기술은재료, 소자, 공정, 회로, 아키텍처, 알고리즘, 응용이체계적으로융합되어야하는학제간연구로해당분야전문가가참여하여하나의팀이되도록추진하는것이필요하다. 특히, HW 인공지능의성숙도와기술의특이성을고려하여상기연구팀이하나가아니라여러개가되도록추진해야효율이증가한다. 하나의큰팀으로추진하기에는아직기술의방향이분명하지않아실패할확률이높다. 이분야의특허로드맵분석결과로볼때, 기술이태동기에서성장기사이이므로원천기술을확보할수있도록해야한다. 예를들어, 변리사가연구자와협력하여조기에특허출원할수있도록하는체계및예 2 0 1 7 0 3 95
< 그림 3> 하드웨어인공지능의다양한응용분야 산지원이중요하다. 대학이나연구소에서의미있는 1차적연구결과가확보되면바로관련메모리반도체업체가참여할수있는연구체계로추진해야한다. HW 인공지능은각종센서와접목될때, 전력소모를크게줄이고실시간으로정확한감지를가능하게한다. 따라서실용성이높은 HW 인공지능기술을반도체기술과융합하여센서를포함한다양한분야에응용될수있도록한다. HW 인공지능은 Cloud-Oriented보다 Mobile- Oriented 분야에조기응용함으로써 4차산업혁명을세계적으로선도할수있을것으로기대된다. 국내메모리반도체의수월성을계속이어갈수있는패러다임변화형저전력인공지능기술로이분야의기술을세계적으로선도할것이다. 저전력 HW 인공지능은패러다임을바꾸는기술로반도체기술과융합되어산업전반의경쟁력을크게높이고새로운시장을창출할것으로예상된 다. 또한바이오데이터를포함한빅데이터분석, 얼굴인식, 보행자인식, 로봇, 무인자동차, 드론, 곤충로봇, 지능형센서, 휴대용기기, 실시간학습을필요로하는다양한분야에파급되어엄청난효과를가져올것으로기대된다. 소재, 부품, IT SW/HW, 자동차, 로봇, 환경, 사회연결망, 전자결제, 전자정부등의다양한영역에서인지기반응용을통한새로운일자리창출이기대된다. < 그림 3> 은대표적인응용분야를보이고있다. HW 인공지능은초저전력으로동작하는인간뇌의주요기능을모방하여기존폰노이만방식아키텍처기반의컴퓨팅의한계를극복하기위한기술이다. 기존폰노이만기반의컴퓨터구조는고도의인지응용및처리를하는데속도및전력소모등의측면에서큰한계를보이고있기때문에이를해결하기위한 HW 인공지능기술에대한연구개발이반드시국가차원에서필요하다. 96 KIET 산업경제