세계 20대 명문 대학의 네트워크를 자랑하는 엔비디아 인공지능(AI) 랩, NVAIL에서는 최고의 연구진들이 인공지능의 지평을 넓히고 있습니다.
현재 토론토 대학 연구진은 보급형 자율주행차를 개발, 몬트리올 대학 연구진은 유전 데이터를 통한 질병 예측 및 예방에 관한 연구를 진행 중이고, UC 버클리에서는 학습경험이 없는 작업들을 수행할 수 있는 로봇을 개발 중이랍니다.
엔비디아의 NVAIL 프로그램은 연구진이 인공지능 개발을 주도할 수 있도록 학생들에 대한 지원, 엔비디아 연구진과 엔지니어들의 보조, 업계 최고의 첨단 GPU 연산력에 대한 접근성을 제공하고 있습니다.
실제로 약 1년 전, 엔비디아의 인공지능 슈퍼컴퓨터 DGX-1이 최초로 도입된 곳 중 하나가 바로 NVAIL 연구팀이었지요.
전 세계에 걸친 인공지능 연구
엔비디아의 NVAIL 프로그램에 참여 중인 세계 20대 기관에는 토론토 대학, 몬트리올 대학, UC 버클리 외에도 매사추세츠공과대학(MIT), 스탠포드 대학교, 도쿄 대학교, 중국 칭화 대학교, 스위스의 달레 몰레 인공지능연구소(Dalle Molle Institute for Artificial Intelligence, 이탈리아어 약자 IDSIA) 등이 있습니다.
이러한 지리적 다양성은 결코 우연이 아닌데요. NVAIL 협력 기관은 딥 러닝 연구의 중심 지역에 자리하고 있기 때문입니다. 이들 기관의 연구 범위는 딥 러닝 개발은 물론 유방암 진단 개선(뉴욕 대학교), 자동 독순(lip reading, 옥스포드 대학교)에 이르기까지 방대합니다.
오늘 블로그에서는 이중에서도 특히 유망한 프로젝트들을 소개해 드리겠습니다.
보급형 자율주행 자동차
라쿠엘 우터슨(Raquel Urtasun) 토론토 대학 교수는 보급형 자율주행차를 개발 중입니다. 컴퓨터과학연구소 교수이자 우버의 첨단 기술 그룹을 총괄하는 우터슨 교수는 자율주행차가 누구나 이용 가능한 수단이 되어야 한다는 신념을 갖고 있습니다.
우터슨 교수는 “자율주행차의 원가를 절감하면 소득 수준에 상관없이 누구나 자율주행차의 혜택을 누릴 수 있습니다” 라고 말합니다.
우터슨 교수에 따르면 라이다(LiDAR), 3D 센서, 수기 표시 지도 등 일부 자율주행차 기술에는 미화 10만 달러 이상의 비용이 들어갑니다. 이에 따라 우터슨 교수의 연구진은 저렴한 센서와 위성 데이터 같은 기술을 사용해 인식, 위치 결정, 매핑을 하는 알고리즘을 개발하고 있습니다.
우터슨 교수는 토론토 대학이 엔비디아와의 파트너십을 통해 연산능력 및 기술 지원 외에도 의미 있는 성과를 얻을 수 있다고 말했습니다. 우터슨 교수는 “학내 연구자들은 미래의 컴퓨팅에 대해서 의견을 내고자 합니다”라고 설명했습니다.
의학계의 미래를 전망하다
미래의 의료진은 인공지능의 도움을 받아 유전 데이터를 바탕으로 환자의 발병 위험률을 예측하고 치료법을 선택할 수 있을 전망입니다. 하지만 몬트리올 대학 인공지능 연구소 MILA(Montreal Institute for Learning Algoriths)의 아드리아나 로메로(Adriana Romero) 박사 후 연구원(Postdoctoral Fellow)은 유전 데이터는 아주 복잡하기 때문에 보다 효과적인 딥 러닝 기법을 개발해야 한다고 설명합니다.
현대의 유전형(genotyping) 분석 방법은 5백만개의 인간 유전자 변형을 대상으로 합니다. 이중 일부는 특정 질병의 발병 위험의 지표가 되는데요. 연구진은 딥 러닝을 사용해서 각 변형이 질병 예측에 얼마나 유용한지, 변형간의 연관 관계가 있는지 여부를 판단하고 이들 요인의 상대적 중요성을 가늠하고자 합니다.
로메로 연구원은딥 러닝 예측 방법이 환자의 유전 데이터 자료보다 고려해야 할 변수가 더 많기 때문에 무척 까다로운 과제라고 말합니다. 이처럼 신뢰도 높은 예측이 가능한 딥 러닝 시스템을 트레이닝 하기란 어렵습니다.
로메로의 연구진으로는 로메로의 조언자로 인공지능 부문의 선구자인 요슈아 벤지오(Yoshua Bengio) 교수도 참여하고 있는데요. 보다 나은 방법을 찾기 위해 연구진은 유전자 돌연변이를 바탕으로 유전적 계보를 예측하는 실험을 진행했습니다. 연구진은 제한된 수의 지표에 가중치를 적용해 예측을 할 수 있는 딥 러닝 아키텍처를 개발했습니다. (보다 자세한 내용을 알고 싶다면, 참고문헌 “다이어트 네트워크: 비만 유전학에서의 매개변수(Diet Networks: Thin Parameters for Fat Genomics)”를 확인하세요)
로메로 연구원은 “우리가 진행할 연구의 다음 단계는 질병 예측과 개인화된 의약품의 가능성을 모색하는 것입니다”라고 설명합니다.
다재 다능한 로봇
오늘날의 대다수의 로봇들은 택배 배달, 진공 청소, 수술 보조 등 한 가지 업무에 특화되어 있지만 새로운 업무 앞에서는 속수무책인데요.
엔비디아 DGX-1이 최초 도입된 UC 버클리 AI 연구소 소속인 첼시 핀(Chelsea Finn) 박사과정 연구원은 “이제 공장처럼 동일한 작업을 지속적으로 반복하는 환경에서는 로봇들을 볼 수 있습니다. 하지만 재난 지역과 같이 사물들의 소재 파악이 어려운 구역에서는 로봇 작업이 불가능합니다”라고 이야기합니다.
핀 연구원은 개발자들의 도움 없이도 로봇들이 한 번도 접하지 않은 상황을 이해할 수 있도록 개발하고자 합니다. 핀 연구원은 지도교수인 피터 애빌 (Pieter Abbeel)과 세르게이 레빈(Sergey Levine)과 함께 새로운 환경에도 적응할 수 있는 로봇을 만들고 있습니다.
그리하여 첼시 핀 연구원은 GPU 가속 딥 러닝을 사용하여 로봇이 자신의 행동의 결과를 이해하고 새로운 업무 성취를 위해 무엇이 필요한지 예측하도록 트레이닝하고 있습니다. (보다 자세한 내용을 알고 싶다면, 참고문헌 “로봇 모션 계획을 위한 딥 비주얼 예측(Deep Visual Foresight for Planning Robot Motion)”을 확인하세요)
첼시 핀 연구원은 “데이터를 신속하게 프로세싱해야 로봇이 빠르게 학습할 수 있습니다. GPU의 속도가 없었다면, 우리 연구 대부분이 불가능했을 겁니다”라고 전했습니다.
로봇 이미지 및 비디오 출처: 첼시 핀과 UC 버클리 BAIR 연구소