인공지능(AI)은 세계 경제의 모든 면을 변화시키고 있는 우리 시대에서 가장 영향력 있는 기술입니다.
지금까지 AI는 다섯 개의 물결을 통해 신생 기술에서 어디서나 쉽게 접할 수 있는 기술로 성장해왔습니다. 바로 AI의 빅뱅, 클라우드 서비스, 엔터프라이즈 AI, 엣지 AI, 자율주행이라는 물결입니다.
산업 기계, 트랜지스터, 인터넷이나 모바일 컴퓨팅과 같은 다른 기술 혁신과 마찬가지로 AI는 학계에서 처음 고안되고 여러 단계를 거쳐 상용화됐는데요. 처음에는 자원이 풍부한 대규모 기관에서 자리를 잡다가 수년에 걸쳐 소규모 조직이나 전문가, 소비자들까지 확산됐죠.
“AI”라는 용어가 1956년 다트머스 대학(Dartmouth University)에서 처음 만들어진 이후로, 이 분야의 사람들은 세계에서 가장 까다로운 문제를 해결하기 위해 많은 접근 방식을 탐구해 왔습니다. 가장 인기 있는 AI 기술 중 하나인 딥 러닝은 인간의 뇌 세포가 작동하는 방식을 반영하는 신경 네트워크라는 데이터 구조를 이용하죠.
딥 러닝을 사용하는 데이터 사이언티스트들은 특정 문제에 가장 잘 작동하는 매개 변수로 신경망을 구성한 다음 최대 수백만 개의 샘플 질문과 답변을 AI에 제공합니다. 각 샘플 답변을 통해 AI는 신경 가중치(neural weights)를 조절해 스스로 질문에 답할 수 있죠. 심지어 지금까지 보지 못했던 새로운 질문에도 답할 수 있게 됩니다.
현대 AI의 다섯 가지 물결에 대해 자세히 알아보세요. 그리고 우리에게 해당되는 물결은 무엇인지 확인해보고 앞으로 다가올 미래에 대비해보세요.
AI의 빅뱅
AI 컴퓨팅의 첫 물결은 심층 신경망의 발견으로 시작된 “빅뱅”이었습니다.
이런 폭발을 부채질했던 세 가지 기본 요소는 딥 러닝의 학문적 혁신, 빅 데이터의 광범위한 가용성, 딥 러닝 개발과 훈련을 가속화한 GPU의 새로운 적용이었죠.
컴퓨터 과학자들이 하나씩 AI 명령을 내려야 했던 과거와 달리, 이제 알고리즘은 스스로 또 다른 알고리즘을 만들고, 소프트웨어는 다른 소프트웨어를 만들며 컴퓨터는 스스로 학습해나갑니다. 그것이 머신 러닝의 시작이었던 것입니다.
그리고 지난 10년 동안 딥 러닝은 다음과 같은 네 개의 성장 물결을 통해 학계에서 상업 분야로 이동했습니다.
클라우드
AI를 가장 먼저 활용한 곳은 신경망을 적응시켜 고객에게 혜택을 줄 수 있는 과학적 노하우와 컴퓨팅 자원을 보유한 대형 기술 기업이었습니다. 바로 AI 컴퓨팅의 제2의 물결, 클라우드를 사용했던 셈이죠.
예를 들어 구글(Google)은 자연어 처리에 딥 러닝을 적용해 구글 번역 서비스인 구글 트랜스레이트(Google Translate)를 제공했습니다. 페이스북은 AI를 통해 이미지에서 소비제품을 구별해 쇼핑을 가능하게 만들었죠. 이러한 유형의 클라우드 애플리케이션을 통해 구글, 아마존(Amazon), 마이크로소프트(Microsoft)는 실제로 AI를 사용해 만든 최초의 애플리케이션들 중 많은 부분을 소개했습니다.
이런 대형 기술 기업들은 IaaS(infrastructure-as-a-service) 플랫폼을 구축해 기업과 스타트업을 위한 퍼블릭 클라우드의 힘을 과시하고 AI 도입을 더욱 가속화했습니다.
이제 모든 규모의 기업들이 클라우드를 통해 빠르고 저렴하게 AI를 이용하기 시작했습니다. 이는 AI를 쉽게 배치할 수 있는 통로가 되어 기업들이 기반 인프라를 구축하지 않고도 모델 개발과 교육에 집중할 수 있게 됐죠.
엔터프라이즈 AI
AI의 접근성을 높이는 도구가 개발됨에 따라 대기업들은 워크플로우의 품질, 안전성과 효율성을 개선하기 위한 기술을 도입하고 있으며, 제3의 물결인 AI 컴퓨팅을 선도하고 있습니다. 금융, 헬스케어, 환경 서비스, 소매, 엔터테인먼트와 기타 업계의 데이터 사이언티스트들은 자체 데이터센터나 클라우드에서 신경망을 훈련하기 시작했습니다.
예를 들어 대화형 AI 챗봇은 콜센터를 강화하고, 사기 탐지 AI는 온라인 마켓에서 비정상적인 활동을 모니터링하죠. 컴퓨터 비전은 기계 정비사, 의사, 조종사에게 보다 정확한 결정을 내릴 수 있는 정보를 제공하는 가상의 보조자 역할을 합니다.
이런 AI 컴퓨팅의 물결은 매주 광범위한 애플리케이션과 가너 헤드라인을 장식하고 있지만, 이제 막 시작 단계에 불과합니다. 기업들은 모델을 훈련시키는 데이터를 준비할 수 있는 데이터 사이언티스트들과 AI 훈련과 배치 파이프라인을 만들고 자동화할 수 있는 머신 러닝 엔지니어들에게 많은 투자를 하고 있습니다.
엣지
제4의 물결은 AI를 클라우드나 데이터센터에서 공장, 병원, 공항, 상점, 식당, 전력망과 같은 엣지로 가져왔습니다. 5G의 등장으로 엣지 컴퓨팅 장치를 어디에나 배치하고 관리할 수 있는 능력이 더욱 강화되고 있죠. AI가 작업장을 혁신하고 기업이 최종 사용자로부터 데이터의 가치를 실현할 수 있는 기회를 폭발적으로 만들었습니다.
사물인터넷(IoT) 기기의 도입과 컴퓨팅 인프라의 발전 덕분에 빅데이터가 확산되면서 기업은 최종 사용자가 위치한 곳에 배치될 AI 모델을 만들고 훈련할 수 있게 됐습니다.
이런 물결에서는 머신 러닝 엔지니어와 데이터 사이언티스트는 엣지에서의 AI 추론에 대한 설계 제약을 고려해야 하는데요. 제약이 되는 것에는 연결성, 스토리지, 배터리 전원, 컴퓨팅 전원, 유지보수를 위한 물리적 액세스 같은 것들이 있죠. 또한 AI 추론 설계는 비즈니스 오너, IT 팀, 보안 운영의 요구 사항에 부합해야 성공적인 배포를 보장할 수 있습니다.
엣지 AI도 초기 단계지만 이미 여러 산업에 걸쳐 사용되고 있습니다. 컴퓨터 비전은 공장 작업장의 안전 위반을 감시하고, 의료 이미지에서 비정상적인 성장을 검사하며, 고속도로를 안전하게 주행하는 데 쓰입니다. 새로운 애플리케이션의 잠재력은 그야말로 무한하죠.
자율주행
AI의 5대 물결은 자율주행의 도래입니다. 다시 말해 AI의 진화로 AI는 이동 기계가 인간의 개입 없이 운행 할 수 있게 됐습니다. 자동차, 트럭, 배, 비행기, 드론이나 다른 로봇들은 사람의 조종 없이도 작동하게 될 것입니다. 이를 위해서는 5G의 네트워크 연결성, 가속 컴퓨팅의 파워, 신경망 기능의 지속적인 혁신이 필요합니다.
오토노머스 AI는 코로나 팬데믹, 글로벌 공급망 제약, 비즈니스 프로세스의 효율성을 위한 자동화의 필요성에 힘입어 크게 진화하고 있습니다.
딥 러닝을 넘어 엔지니어링 영역을 통합한 오토노머스 AI 구현을 위해서는 머신 러닝 엔지니어와 로보틱스 엔지니어가 협업해야 합니다. 협업은 로보틱스 시스템 워크플로우의 네 가지 주요 작업, 즉 지상의 실제 데이터 수집 및 생성, AI 모델 생성, 디지털 트윈을 통한 시뮬레이션과 실제 세계에서의 로봇 작동을 위해 이루어집니다.
로보틱스에서 시뮬레이션 기능은 실제 환경에 로봇을 배치하는 안전도 리스크를 완화하기 위해 가능한 모든 코너(corner) 사례를 모델링하고 테스트하는 데 특히 중요합니다.
또한 오토노머스 시스템은 엔지니어링, 운영, 제조, 네트워킹, 보안 및 규정 준수 분야에서 팀 간 조정이 필요한 배포, 관리, 보안과 관련해서 새로운 도전과제를 맞고 있죠.
AI 시작하기
AI의 빅뱅을 시작으로 업계는 빠르게 성장했고 클라우드 서비스, 엔터프라이즈 AI, 엣지 AI, 오토노머스 기계 등 컴퓨팅 분야에서 큰 변화를 일구었습니다. 이러한 발전을 통해 AI는 실험실에서 일반 생활공간으로 옮겨와 사업과 소비자들의 생활을 개선하고 있죠.
NVIDIA는 수십 년 동안 AI 생태계가 이런 성장의 물결을 이끄는 데 필요한 컴퓨터 제품과 소프트웨어를 개발해왔습니다. AI를 개발하고 기업에 도입하는 것 외에도 수많은 기업, 스타트업, 공장, 헬스케어 기업 등이 자체 AI 이니셔티브를 도입하고, 구현하고 확장할 수 있도록 지원했습니다.
초기 AI 프로젝트를 시작하거나 팀을 AI 워크로드로 전환한다거나, 인프라 청사진 및 확장을 검토하는 등의 다양한 AI 프로젝트를 성공적으로 준비해보세요.