‘AI 컴퓨팅’이란 무엇인가?

AI 컴퓨팅은 머신 러닝 시스템과 소프트웨어가 방대한 데이터를 선별해 유용한 인사이트를 도출하고 새로운 기능을 생성하는 작업을 의미합니다
by NVIDIA Korea

주판과 육분의, 계산자와 컴퓨터 같은 수학 도구들은 인류 진보의 역사를 대표합니다.

이 도구들은 무역을 지원하고 항해를 돕는 한편, 인간의 삶을 더 깊이 이해하고 개선할 수 있게 해줬는데요.

비슷한 맥락에서 오늘날의 과학과 산업의 발전을 촉진하고 있는 최첨단 도구가 바로 AI 컴퓨팅입니다.

AI 컴퓨팅의 정의

AI 컴퓨팅은 가속 시스템과 소프트웨어를 주로 사용해 머신 러닝 알고리즘을 연산하는 계산 집약적 프로세스입니다. 방대한 데이터세트에서 새로운 인사이트를 도출하며, 그 과정에서 신기술을 학습하죠.

오늘날과 같은 데이터 중심의 시대에 인간의 힘으로는 찾을 수 없는 패턴을 발견해낸다는 점에서 AI 컴퓨팅은 우리 시대의 가장 혁신적인 테크놀로지로 손꼽힙니다.

가령 아메리칸 익스프레스(American Express)는 AI 컴퓨팅을 활용해 연간 수십억 건에 달하는 신용카드 거래에서 사기를 탐지합니다. 의사들은 AI 컴퓨팅으로 종양을 찾고, 산더미 같은 의료 이미지에서 극미한 이상 징후들을 잡아내죠.

AI 컴퓨팅을 구현하는 3단계

AI 컴퓨팅의 활용 사례들을 만나보기에 앞서 구현 단계부터 살펴보겠습니다.

첫 단계로 데이터 세트를 큐레이팅(curating)하고 준비합니다. 이를 추출/변환/적재, 또는 ETL이라 부르는데요. 이제 이 작업은 빅 데이터 마이닝에서 가장 유명한 오픈 소스 엔진인 아파치 스파크(Apache Spark) 3.0과 NVIDIA GPU로 가속할 수 있습니다.

다음으로 각자의 애플리케이션에 가장 적합한 AI 모델을 선택 또는 설계합니다.

새로운 분야를 개척하거나 경쟁 우위를 확보하려는 기업들은 자체 모델을 처음부터 설계하고 훈련합니다. 이 프로세스에는 일정 정도의 전문성이 요구되며, 경우에 따라서는 AI 슈퍼컴퓨터가 필요하기도 합니다. 이 같은 기능들을 NVIDIA가 제공하고 있습니다.

머신 러닝 오퍼레이션(MLOps)으로 AI 컴퓨팅의 ETL(상단)과 훈련(하단 우측), 추론(하단 좌측)단계를 더욱 자세히 살펴볼 수 있습니다.

각자의 애플리케이션에 맞춰 커스터마이징이 가능한 사전 훈련 AI 모델을 선택하는 기업들도 많습니다. NVIDIA는 수십 개의 사전 훈련 모델과 더불어, 소프트웨어와 서비스 지원 포털인 NGC에서 각 모델을 커스터마이징할 수 있는 툴을 제공합니다.

마지막으로 모델들을 활용해 데이터를 선별합니다. 추론이라 불리는 이 과정은 AI가 실행 가능한 인사이트를 도출하는 아주 중요한 단계에 해당합니다.

이 3단계 프로세스에는 까다로운 작업들이 포함되지만, 다양한 도구들의 도움을 받으면 누구나 AI 컴퓨팅을 활용할 수 있습니다.

일례로 NVIDIA TAO Toolkit은 대규모 데이터 세트 없이도 기존의 AI 모델을 새 애플리케이션에 맞춰 조정할 수 있는 전이 학습(transfer learning)을 통해 위에서 설명한 3단계를 하나로 줄입니다. 이와 더불어 NVIDIA LaunchPad는 광범위한 활용 사례에 맞춰 모델을 배포할 수 있게 실습 교육을 제공합니다.

AI 모델의 내부

AI 모델들은 거미줄처럼 서로 연결된 인간 두뇌를 떠올리게 한다는 점에서 신경망이라 불립니다.

AI 모델을 잘라 단면을 확인하면, 선형대수들의 방정식이 레이어 형태로 겹겹이 쌓인 계산의 ‘라자냐’처럼 보일 텐데요. 이 중 가장 인기를 끈 AI의 경우, 다수의 레이어를 사용한다는 점에 착안해 딥 러닝이란 이름이 붙었습니다.

이미지를 식별하는 딥 러닝 모델의 사례. 출처: 미국국립과학아카데미(U.S. National Academy of Sciences)의 딥 러닝 관련 기사. 이미지 제공: 루시 리딩 이칸다(Lucy Reading-Ikkanda, 아티스트)

이를 좀 더 확대해서 보면 각 레이어가 방정식의 스택들로 구성됨을 알 수 있습니다. 각각의 방정식은 하나의 데이터가 다른 데이터와 연관돼 있을 가능성을 나타냅니다.

AI 컴퓨팅은 모든 레이어의 방정식 스택 일체를 곱해 패턴을 찾아냅니다. 이는 고속의 컴퓨터 네트워크에서 초강력 병렬 프로세서를 활용해 방대한 양의 데이터를 공유해야 하는 엄청난 작업입니다.

GPU 컴퓨팅과 AI의 만남

GPU는 AI 컴퓨팅의 사실상 엔진에 해당합니다.

NVIDIA는 1999년에 대규모 병렬 연산이 필요한 비디오 게임의 3D 이미지를 렌더링하는 GPU를 최초로 선보였습니다.

GPU 컴퓨팅은 이내 블록버스터 영화의 그래픽 서버에 널리 사용되기 시작했습니다. 과학자와 연구자들은 세계에서 가장 규모가 큰 슈퍼컴퓨터에 GPU를 탑재해 아주 조그만 분자를 다루는 화학부터 저 멀리 떨어진 은하계를 탐구하는 천체물리학에 이르기까지 여러 학문의 연구에 활용하고 있습니다.

10여 년 전에 AI 컴퓨팅이 처음 등장하던 당시, 연구자들은 병렬 프로세싱을 위해 프로그래밍이 가능한 NVIDIA 플랫폼을 발빠르게 수용했습니다. 다음 영상에서는 GPU의 짧은 역사를 만날 수 있습니다.

AI 컴퓨팅의 역사

인공지능(AI)이라는 아이디어의 기원은 2차 세계대전 당시에 암호 해독을 도왔던 영국인 수학자 앨런 튜링(Alan Turing)까지 거슬러 올라갑니다.

앨런 튜링

튜링은 1947년의 런던 강연에서 “우리가 원하는 건 경험에서 학습할 줄 아는 기계”라 말한 바 있는데요.

그의 인사이트를 기리는 의미에서 NVIDIA는 그의 이름을 딴 컴퓨팅 아키텍처를 개발하기도 했습니다.

튜링의 비전은 2012년에 현실이 됩니다. 인간보다 빠르고 정확하게 이미지를 인식하는 AI 모델들이 개발된 것인데요. 이미지넷(ImageNet) 대회의 결과 또한 컴퓨터 비전의 발전을 크게 가속했습니다.

머신 러닝의 권위자 앤드루 응(Andrew Ng)이 설립한 랜딩 AI(Landing AI) 등의 기업들은 AI와 컴퓨터 비전을 응용해 제조업의 효율성을 강화합니다. AI는 스포츠스마트 시티 등의 분야에도 인간에 가까운 비전을 제공하고 있습니다.

AI 컴퓨팅과 대화형 AI

AI 컴퓨팅은 2017년에 트랜스포머(transformer) 모델이 발명되면서부터 자연어 처리 분야에 본격적으로 진출했습니다. 그 과정에서 문자와 음성 등의 순차 데이터에서 맥락을 캡처하는 머신 러닝 기법인 “어텐션(attention)”이 등장했습니다.

오늘날 대화형 AI는 폭넓은 분야에서 활용되고 있습니다. 사용자가 검색창에 입력하는 문장을 구문별로 분석하거나, 운전 중에 도착한 문자메시지를 읽어주고 답장을 받아쓰기도 하죠.

이러한 대규모 언어 모델은 신약 개발, 번역, 챗봇, 소프트웨어 개발, 콜센터 자동화 부문에서도 활용 범위를 넓혀가고 있습니다.

AI와 그래픽이 만드는 3D 세상

AI 컴퓨팅은 다양하고도 뜻밖의 영역에서 저력을 보여줍니다.

최신 비디오 게임들은 실시간 레이 트레이싱과 NVIDIA DLSS에 힘입어 새로운 차원의 리얼리즘을 달성합니다. NVIDIA DLSS는 AI를 사용해 GeForce RTX 플랫폼에서 고도로 매끄러운 게임 플레이를 제공하죠.

이는 겨우 시작일 뿐입니다. 새롭게 떠오르고 있는 뉴럴 그래픽(neural graphics)은 가상 세계의 구축을 가속해 인터넷의 3D 진화로 불리는 메타버스의 구현을 도울 전망입니다.

뉴럴 그래픽은 가상 세계의 설계와 개발을 가속해 3D 인터넷인 메타버스를 구현합니다.

이 같은 혁신의 시작을 위해 NVIDIA는 작년 8월에 뉴럴 그래픽 관련 툴을 출시했습니다.

AI 컴퓨팅 활용 사례

자동차와 공장, 물류 창고

자동차 제조사들은 AI 컴퓨팅을 도입해 보다 매끄럽고 안전한 운전 경험과 더욱 스마트한 승객 인포테인먼트 기능을 제공합니다.

메르세데스-벤츠(Mercedes-Benz)는 NVIDIA와의 협업을 통해 소프트웨어 정의 차량을 개발합니다. 앞으로 출시될 차량들은 NVIDIA DRIVE Orin 중앙 집중식 컴퓨터를 바탕으로 지능형 자동주행 기능들을 제공할 예정입니다. 이 시스템들은 NVIDIA Omniverse 기반의 DRIVE Sim 소프트웨어로 데이터센터 내에서 시험과 검증을 진행해 모든 유형의 시나리오를 안전하게 처리할 수 있게 됩니다.

1월에 개최된 CES 2023에서 메르세데스-벤츠는 전세계 현장의 제조와 조립 시설을 설계, 계획하는 과정에 Omniverse를 사용한다고 발표하기도 했습니다.

BMW 그룹은 NVIDIA Omniverse로 각 공장의 AI 기반 디지털 트윈을 구축해 효율성을 강화합니다. 다음의 영상에서 보듯 펩시코(PepsiCo)를 비롯한 거대 소비자 기업 또한 자사 물류 센터에 디지털 트윈을 도입하고 있습니다.

공장과 물류 창고의 내부에서는 자동화 로봇이 제조와 물류의 효율을 개선합니다. 이들 다수가 NVIDIA Jetson 엣지 AI 플랫폼을 기반으로 하며, NVIDIA Isaac Sim을 활용한 디지털 트윈과 AI 시뮬레이션으로 훈련됩니다.

2022년에는 AI로 자동화한 트랙터와 잔디 깎는 기계까지 등장했습니다.

지난 12월에 미국 캘리포니아주 리버모어의 스타트업인 모나크 트랙터(Monarch Tractor)가 농업 자동화용 AI 기반 전기 자동차를 출시했습니다. 5월에는 콜로라도주 볼더에 본사를 둔 사이드(Scythe)가 8대의 카메라와 12개가 넘는 센서를 탑재한 잔디깎이 자동화 기계인 M.52(아래 영상)를 공개했습니다.

네트워크 보안과 유전자 시퀀싱

AI 컴퓨팅의 활용 사례는 무척이나 많고 또 다양합니다.

사이버 보안 소프트웨어는 디지털 지문과 같은 AI 기반 기법으로 피싱 사기와 네트워크 위협을 더욱 신속하게 감지합니다.

헬스케어 분야의 연구자들은 2022년 1월에 AI 컴퓨팅을 활용해 유전체 전체의 시퀀싱을 8시간 내에 끝내는 기록을 세웠습니다. 이들의 연구(아래 영상)는 희귀한 유전 질환의 치료로 이어질 것으로 기대를 모읍니다.

AI 컴퓨팅은 은행과 소매점, 우체국뿐 아니라 통신과 운송, 에너지 네트워크에서도 사용되고 있습니다.

다음의 영상은 지멘스 가메사(Siemens Gamesa)가 AI 모델을 활용해 풍력 발전소를 시뮬레이션하고 에너지 생산을 가속하는 방법을 보여줍니다.

오늘날 AI 컴퓨팅의 활용 범위가 넓어지면서 더욱 새롭고 강력한 기법들이 등장하고 있습니다.

2022년에는 또 하나의 강력한 신경망인 확산 모델(diffusion model)이 텍스트로 설명된 내용을 매혹적인 이미지로 바꾸는 능력 덕분에 유명세를 타기도 했는데요. 연구자들은 이러한 모델들이 다양한 분야에 응용되면서 AI 컴퓨팅의 지평을 넓힐 것으로 내다보고 있습니다.