하드웨어 뉴스 - 최신 IT/하드웨어 정보를 만나보세요

NVIDIA의 칩이 주요 AI 분야 혁신에 힘을 실어주고 있다

Eule

12 2120 5 2020.12.17 06:49

<img src="https://img2.quasarzone.com/editor/2020/12/17/902c990c71fef5492f2a036b78d2dd81.jpg"> "20년 안에, 기계는 인간이 할 수 있는 모든 것을 할 수 있을 것이다." 여기서 인용된 문장이 언제 나왔는지 한번 추측해 보십시오. 올해? 2010년? 90년대 기술 붐이 일어나던 기간도 아닙니다. 이는 미국의 최고 컴퓨터 과학자들 중 한 명이 발언한 것으로 무려 1960년에 나온 말입니다. 여러분은 분명히 전에 인공지능에 대해 들어본 적이 있을 겁니다. "AI"는 종종 세계를 점령하는 지능형 로봇의 이미지를 떠올리게 하기도 합니다. 여러분은 때때로 AI가 우리의 모든 일을 빼앗는 것이 그저 시간 문제라는 내용을 읽어보신 분도 있을 것입니다. 하지만 휴머노이드 기계에 대한 아이디어는 새로운 것이 아니었습니다. 이것은 오즈의 마법사에 나오는 "마음이 없는" 양철 인간으로부터 시작되었습니다. 1950년대만 해도 그 세대의 과학자들과 엔지니어들은 우리가 곧 똑똑한 로봇들과 공존할 것이라고 확신하기도 했습니다. 인공지능이라는 용어는 1954년 다트머스 대학교에서 열린 세계 최초의 인공지능 회의 기간에 만들어졌습니다. 나중에 MIT의 AI 연구소를 설립한 MARVIN Minsky는 이 회의에서 "3~8년 내에 우리는 인간의 지능을 갖춘 기계를 갖게 될 것이다."라고 밝히기도 했습니다. 몇 년 후, 스탠포드 대학교는 "10년 안에 완벽한 지능을 가진 기계를 만들겠다"는 목표로 AI 프로젝트를 시작합니다. 이런 아이디어는 할리우드를 사로잡기도 했습니다. 공상과학 영화의 고전 2001: A Space Odyssey를 본 적이 있습니까? 우리는 1968년에 만들어진 이 영화에 등장하는 최고의 지능형 슈퍼컴퓨터 HAL 9000를 떠올릴 수도 있습니다. 영화에서 HAL은 인간처럼 생각할 수 있고, 생존을 위협하는 사람을 상대로 계획을 세울 수 있는 능력을 가지고 있었습니다. 머지않아서 I, Robot과 같은 SF 소설들이 우리의 책장을 가득 채우기도 했습니다. 소설에서 우리는 미친 로봇들, 마음을 읽는 로봇들, 유머감각을 가진 로봇들, 그리고 세상을 몰래 지배하는 로봇들에 대한 이야기를 보기도 했습니다. 미군도 이러한 아이디어를 확신하고 있었기에, 인공지능 연구에 수십억 달러를 쏟아 부었습니다. 50년대에 우리는 바이오닉 인간들이 곧 공장을 경영할 것이라고 상상하기도 했습니다. 10년 안에 사이보그들이 우리의 집안일을 하게 될 것만 같았습니다. 우리는 새로운 종류의 기계를 약속받았으니까요. 하지만 70년 지난 후에, 우리는 무엇을 얻었을까요? 식기세척기, 에어컨, 전자렌지죠! 로봇은 어떻게 배울까? 많은 예측과 수십억 달러의 자금 지원에도 불구하고, 우리는 인간과 같은 지능을 가진 기계를 결코 얻지 못했습니다. 여러분은 왜 그 아이디어가 처음부터 실패했는지 알기 위해 기계가 어떻게 배우는지 탐구해야 합니다. "AI"라는 단어는 광고와 복잡성이 기묘하게 혼합된 용어입니다. 하지만 인공지능의 핵심 아이디어는 여러분이나 저처럼 배우고 생각하는 기계입니다. 여기서 가장 중요한 것은, 인간의 개입 없이 스스로 학습한다는 것입니다. 물론 학습이 로봇에게 자연스러운 것은 아닙니다. 이 과제를 해결하기 위해 과학자들은 1950년대 말에 뉴럴 네트워크를 만들게 됩니다. 간단히 설명하자면, 뉴럴 네트워크는 인간의 뇌가 어떻게 작동하는지를 모방해서 만든 컴퓨터 프로그램입니다. 그들은 예제들을 분석하고 학습하는 수천 개, 때로는 수백만 개의 인공 "뇌세포"로 이루어져 있습니다. 여러분이 고양이를 알아볼 수 있는 기계를 만들고 있다고 가정해 봅시다. 먼저, 여러분은 수 톤의 고양이 사진을 뉴럴 네트워크에 투입할 것입니다. 예를 들자면 뉴럴 네트워크는 1,000개의 자료를 분석한 후에야, 고양이가 어떻게 생겼는지 배우기 시작한다는 말입니다. 이후에 여러분이 전에 본 적이 없는 진짜 고양이를 보여주게 된다면, 뉴럴 네트워크는 그것이 무엇인지 판단할 수 있게 될 것입니다. 뉴럴 네트워크가 지능적인 컴퓨터를 키워낼 것이라고 했던 과학자들의 말은 딱 맞아떨어졌습니다. 하지만 문제는 그들의 야망을 부채질하는 데 필요한 원료가 부족했다는 것입니다. 기계는 예제 또는 데이터를 분석함으로써 학습한다는 것을 기억해야합니다. 그리고 어떤 종류의 지능을 높이기 위해서는 정말 엄청난 양의 데이터를 그들에게 제공해야 한다는 것이 밝혀졌습니다. 그래서 기계는 고양이가 어떻게 생겼는지 "배우기" 전에 수백 만은 아니더라도 수십만 장의 고양이 사진을 볼 필요가 있습니다. 하지만 60년대와 70년대에는 그렇게 많은 데이터가 없었습니다. 당시에는 인터넷이 발명되지 않았기 때문에 디지털 텍스트나 이미지가 거의 없었습니다. 책, 사진, 도서관, 문서들은 여전히 실제 세계에만 존재하고 있었습니다. 이것은 데이터들을 디지털 파일로 변환하는 것이 비효율적이고 많은 비용이 들어간다는 것을 의미하기도 했습니다. 하지만 지능적인 컴퓨터를 만드는 것에 가장 큰 걸림돌이 데이터 부족만은 아니었습니다. 인간의 뇌를 모방한 컴퓨터 프로그램을 디자인한다는 것은 천재적이었습니다. 하지만 단점은 이 뉴럴 네트워크를 동작시키기 위해서는 초고속 컴퓨터가 필요했다는 것입니다. 1995년에는 슈퍼컴퓨터조차 놀라울 정도로 느렸습니다. 예를 들어, 오리지널 토이스토리 제작에는 117개의 썬 마이크로시스템이 24시간 돌아가는 거대한 "렌더 팜"이 필요했습니다. 이 기계들은 78분짜리 영화를 제작하기 위해 7주 동안 쉬지 않고 움직여야 했습니다. 천생연분 40여 년의 역경의 시간이 지난 후, 두 가지 분야의 거대한 발전이 AI 르네상스에 원료를 공급하고 있습니다. 인터넷은 우리에게 거의 무제한에 가까운 양의 데이터를 주었습니다. 최근 IBM의 한 보고서에 따르면 전 세계 데이터의 90%가 지난 2년 사이에 생성되었다고 합니다. 페이스북에서 공유된 290억 장 이상의 사진에서부터 수백만 개의 전자책, 수십억 개의 온라인 기사, 이미지에 이르기까지, 우리는 이제 뉴럴 네트워크를 위한 무한한 공급원을 갖게 된 것입니다. 계산 능력의 놀라운 증가가 방정식의 또 다른 미지수를 해결합니다. 독자 여러분께서는 컴퓨터 칩이 휴대폰이나 노트북과 같은 전자제품의 "두뇌"라는 것을 알고 계십니다. 칩은 트랜지스터라고 불리는 수십억 개의 뇌세포를 포함합니다. 지금 여러분들이 가진 휴대전화가 Toy Story 제작 당시의 렌더링 팜보다 더 강력합니다. 117개의 썬 마이크로시스템은 합쳐서 10억개의 트랜지스터를 가지고 있습니다. 하지만 최신 아이폰의 칩에는 87억 개가 들어 있습니다! 또한 지난 10년 동안, 특별한 종류의 컴퓨터 칩이 뉴럴 네트워크를 위한 완벽한 장비로 등장하기도 했습니다. 혹시 여러분은 90년대 마리오나 소닉 같은 비디오 게임에서의 블록 그래픽을 기억하나요? 만약 여러분에게 게임을 즐기는 아이들이 있었다면, 여러분은 그 이후로 게임 그래픽이 훨씬 더 현실적으로 발전했다는 것을 알게 될 것입니다. 아래는 1996년 이후 톰 레이더 시리즈에서 볼 수 있는 라라 크로프트의 모습입니다.<img src="https://img2.quasarzone.com/editor/2020/12/17/a72d9d4897d0139f72fca699a6dc55d2.png"> GPU(Graphics Processing Unit)라는 칩 덕분에 수천 번의 계산을 한 번에 수행할 수 있어, GPU를 사용하여 영화와 같은 그래픽을 만들 수도 있습니다. 이 GPU는 한 번에 한 개씩 계산하는 전통적인 칩의 작동 방식과 다르게 움직입니다. 2006년 즈음, 스탠포드 연구진은 AI 학습에 "병렬 연산" 기능이 완벽하게 들어맞는다는 사실을 발견했습니다. 여러분은 구글의 브레인 프로젝트를 기억하십니까? 그 기계는 유투브 비디오를 시청하면서 고양이와 사람을 알아보는 방법을 스스로 학습했습니다. 이것은 2,000개의 전통적인 컴퓨터 칩으로 운영되는 구글의 거대한 데이터 센터 중 하나로 구동되었습니다. 이 프로젝트에는 50억 달러라는 막대한 비용이 들어가기도 했었습니다. 이후 스탠포드 연구원들이 GPU를 이용하여 동일한 시스템을 구축합니다. 여기서 단 12개의 GPU가 2,000개의 기존 칩과 동일한 데이터 크런칭 성능을 보여줬습니다. 그리고 이 시스템은 50억 달러에서 33,000 달러로 비용을 절감시켰습니다! 이렇게 컴퓨팅 성능 향상과 폭발적인 데이터 증가라는 거대한 도약으로 인해 마침내 AI의 "생명줄"이 탄생하게된 것입니다. 미국에서 가장 중요한 회사 인공지능은 요즘 기술분야에서 최고의 유행어입니다. 블룸버그의 데이터를 보면, 840개의 미국 기업들이 최근의 실적 보고서에서 적어도 한 번은 AI를 언급했다고 합니다. 간단히 말해, 이는 투자자의 달러를 끌어들이려는 기업들에게는 "안성맞춤"인 단어가 되었습니다. 사실 이러한 회사들 중 실제 인공지능 시스템을 구축하고 있는 회사는 거의 없습니다. 벤처 캐피털 회사인 MMC 벤처스는 최근에 2,830개의 AI 신생기업을 연구했습니다. 하지만 대상의 40%에서 AI가 그 기업의 주요 비즈니스라는 증거는 찾을 수 없었습니다. 가짜를 가려내기 위해 한 가지 간단한 질문만 하면 됩니다. '매출의 몇 퍼센트가 AI에서 나오나요?' 제가 저 업무를 수행한다면 저는 여러분에게 이 혼란으로부터 돈을 벌 수 있는 사람은 얼마 되지 않는다고 말할 수 있습니다. 여기서 AI 비즈니스로 호황을 누릴 유일한 회사는 단연 NVIDIA입니다. NVIDIA는 1990년대에 그래픽 처리 장치를 개발했습니다. 이 회사가 오늘날 우리가 가지게 된 현실적인 비디오 게임 그래픽에 막대한 영향을 미쳤습니다. 그리고 우리는 이 회사의 게임용 칩이 뉴럴 네트워크를 학습시키는 것에도 완벽하다는 것을 발견하게 됩니다. NVIDIA는 이렇게 우연히 AI에 발을 들였지만, 이것이 엄청난 기회라는 것을 빠르게 깨달았습니다. NVIDIA는 즉시 머신러닝에 최적화된 특수한 칩을 설계하기 시작합니다. 그리고 2020년 상반기에는 AI 관련 매출이 28억 달러를 넘어섭니다. 실제로 현재 뉴럴 네트워크 학습의 90% 이상이 NVIDIA GPU로 실행되고 있습니다. NVIDIA의 AI 칩은 경쟁 제품보다 몇 광년 앞서 있습니다. 최신 시스템인 A100은 "상자 안의 AI 슈퍼컴퓨터"로 묘사되기도 합니다. 540억개 이상의 트랜지스터를 가진 이 칩은 지금까지 만들어진 것 중 가장 강력한 칩 시스템입니다. 실제로 A100은 300개의 데이터 센터 서버와 동일한 컴퓨팅 성능을 제공하고 있습니다. 그리고 1/10의 비용으로, 1/60의 공간을 차지하며, 일반적인 서버 룸의 1/20의 전력 소비로 운영됩니다. 단일 A100라면 서버 전체 공간을 단 하나의 랙마운트 크기로 줄일 수도 있습니다. 파괴(1)의 근원지 NVIDIA는 뉴럴 네트워크 학습 분야를 사실상 독점하고 있습니다. 그리고 언급할 가치가 있는 모든 혁신들이 이 회사의 GPU에 의해 움직이고 있습니다. 컴퓨터 시각은 세상에서 가장 중요한 파괴 중 하나입니다. 그리고 이 그래픽 칩은 컴퓨터가 "보는" 것을 돕는데 알맞습니다. NVIDIA는 자체 드라이브 칩을 자율주행 자동차용으로 특수하게 제작하기도 했습니다. 이 칩들은 아마존과 함께 12억 달러로 급성장한 Zoox를 포함하여 몇몇 로보카 신생 기업들에게 힘을 실어주고 있습니다. NVIDIA의 지원으로 시각분야 파괴자인 Trigo가 식료품점을 거대한 슈퍼 컴퓨터로 바꾸고 있기도 합니다. Trigo는 스토어에 맞게 카메라와 센서 네트워크를 배치하고, 뉴럴 네트워크에 수많은 데이터를 공급합니다. 간단히 말해, 네트워크는 고객이 바구니에 무엇을 던지는지 "보는" 방법을 학습합니다. 그래서 쇼핑을 마치면 그냥 걸어나갑니다. 이후 Trigo는 해당 금액을 청구하는 구매 총계 영수증을 발송합니다. Trigo의 컴퓨터 비전 시스템은 NVIDIA 칩과 소프트웨어로 구동됩니다. 영국의 가장 큰 식료품점 테스코는 몇몇 매장에서 Trigo를 테스트하고 있습니다. 각 시스템은 40~50개의 GPU로 실행됩니다. 하지만 실제로 미국의 가장 파괴적인 혁신이 이루어지는 산업은 의료 분야입니다. 암은 미국에서 작년에만 60만 명의 사망자를 발생시킨 두번째로 큰 살인마입니다. 암을 빠르게 진단하는 것이 이 병을 이기는 효과적인 방법임이 증명되기도 했습니다. 하지만 요즘에도 종양을 발견하는 것은 수동적이고 시간이 많이 걸리는 과정입니다. 의료 영상 파괴자 Paige.AI는 암 진단에 혁명을 일으킬 수 있는 AI 시스템을 구축했습니다. Paige.AI는 수백만개의 실제 의료 영상을 뉴럴 네트워크에 투입했습니다. 이 회사는 10개의 NVIDIA GPU를 사용하여 시스템을 학습시켜 종양의 초기 징후를 감지하도록 했습니다. 뉴럴 네트워크는 최근 잠재적인 종양에 대한 12,000개의 의료 영상을 스캔함으로써 자체 테스트를 완료했습니다. 이전에는 이러한 이미지를 본 적이 없었지만, "거의 완벽한 정확도를 달성"할 수 있었습니다. 결론부터 말하자면 Paige.AI가 FDA로부터 "혁신 지정"을 승인 받게 되었습니다. FDA가 암 진단에서 AI를 최초로 인정한 것입니다. NVIDIA는 또한 알츠하이머 조기 발견을 위한 문을 열고 있기도 합니다. 스탠포드 대학의 연구원들은 MRI 스캔을 이용하여 94%의 정확도로 알츠하이머를 조기에 감지하는 AI 시스템을 개발했습니다. 6개의 GPU로 구동되는 GPU는 바이오마커가 질병의 초기 징후와 가장 일반적으로 어떤 관련이 있는지 "학습"합니다. 강력한 GPU/AI 콤보 기능을 통해 뇌졸중 희생자도 감소시킬 수 있습니다. 뇌졸중 일어나면, 환자들은 매 분마다 약 190만 개의 뇌세포를 잃습니다. 따라서 CT 스캔 결과를 1초라도 빨리 해석하는 것이 중요합니다. 의학 이미징 스타트업인 Deep01은 거의 즉각적으로 뇌졸중을 평가하는 뉴럴 네트워크를 개발했습니다. DeepCT는 케이스당 30초 이내에 95%의 정확도를 갖습니다. 이는 기존 방법보다 약 10배 빠른 속도입니다. 이 시스템은 NVIDIA 칩을 사용하여 60,000개의 의료 이미지로 학습되었습니다. 그리고 이 회사는 아시아 회사로는 처음으로 FDA의 AI 제품 허가를 받았습니다. 수십 가지 예를 더 들 수 있겠습니다만, 제 요점은 NVIDIA의 칩이 거의 모든 주요 AI 혁신에 힘을 실어주고 있다는 것입니다.  MLWJEDEC 역자 주(1) : 기술(technology)이나 산업(industry)에 관련된 이야기일 경우 긍정적인 의미로 사용됩니다.스타트업이나 중소기업이 혁신적인 기술이나 비즈니스 모델을 통해 새로운 시장을 개척하고, 기존의 질서에 변화를 가져온다는 맥락에서 쓰이는 말이 바로 disrupt입니다. DVD 우편배달 서비스로 시작해 온라인 동영상 스트리밍 서비스로 발전한 넷플릭스가 대표적인 예입니다. disrupt의 형용사형인 disruptive, 명사형인 disruption, 그리고 파괴자라는 뜻의 disrupter와 disruptor 모두 긍정적인 의미로 쓰이는 경우가 많습니다. 예를 들어 미국 경제전문채널 CNBC는 매년 혁신 기업 50곳을 뽑는 이벤트를 여는데, 바로 ‘CNBC Disruptor 50’입니다.  disrupt가 이런 의미로 쓰이기 시작한건 하버드대 경영대학원 교수인 클레이턴 크리스턴슨(Clayton M. Christensen)이 1995년 ‘하버드 비즈니스 리뷰’에 ‘Disruptive Technologies: Catching the Wave’를 발표하면서부터입니다. 그는 2003년 저서 『The Innovator’s Solution』에서 disruptive innovation(파괴적 혁신)이라는 용어를 선보이며 비즈니스 모델의 혁신이 중요하다고 강조했습니다. 이후 disrupt는 전 산업 분야에 걸친 급격한 변화를 가리키는 말로 사용되고 있습니다.

Eule

행성: 천왕성

포인트: 2,733 exp

작성물 댓글

모든회원 자기소개 펼치기

댓글: 12개

하드웨어 뉴스 - 최신 IT/하드웨어 정보를 만나보세요

공지 뉴스게시판 특별 규정(23.09.07)

퀘이사존

20.8k

11-08

전체 CPU/MB/RAM 그래픽카드 케이스 쿨링솔루션 저장장치 파워 키보드/마우스 음향기기 디스플레이 네트워크 소프트웨어 노트북 업계동향 기타/주변기기

추천	제목
15	NVIDIA는 공식적으로 CES 활동을 발표: 4가지 놀라운 점 26 업계동향 QM지름 7.7k 01-10
8	대만 UMC 파운드리 공장, 전력 공급 중단 23 업계동향 Railgun0 3.9k 01-10
15	채굴용 슈퍼컴의 세계 53 기타/주변기기 로유 9.4k 01-10
10	현대차 “애플카와 생산 협력, 결정된 바 없다” 21 업계동향 로유 3.3k 01-10
1	양자통신으로 옮겨붙은 美·中 테크전쟁…앞서가는 中, 뒤쫓는 美 7 네트워크 로유 1.8k 01-10
6	공인인증서 반쪽짜리 폐지…'기업용 인증서' 대안이 없다 21 네트워크 로유 2.1k 01-10
23	ASUS Z590 ROG Maximus XIII, TUF 및 PRIME 마더보드 사진 46 CPU/MB/RAM Railgun0 5.7k 01-10
11	TSMC, Intel 전용팹 구축할 것: 8000명이 4nm 공정 업그레이드 29 CPU/MB/RAM QM지름 4.5k 01-10
0	삼성, 미국 무역 소송으로 에릭슨 5G 로열티 싸움 확대 5 업계동향 루민 2.9k 01-10
15	ASUS, 인텔 Z490 메인보드용 11세대 로켓 레이크 지원 바이오스 배포 시작 29 CPU/MB/RAM Wormhole 3.3k 01-10
6	NVIDIA는 1월 12일에 GeForce RTX 30 모바일 GPU를 선보일 것이라고 확인했습니다. 16 그래픽카드 Railgun0 4.7k 01-10
5	ASRock Radeon RX 5900 XT Phantom ES 테스트 (이전 RX 6800 XT) 18 그래픽카드 Railgun0 3.8k 01-10
9	인텔, TSMC 및 삼성과 일부 칩 생산 아웃소싱 논의 15 업계동향 루민 4.1k 01-10
12	MAXSUN RTX 3070 icraft Aijia Limited 버전 출시 30 그래픽카드 류오동 8.5k 01-10
7	NIO ET7 세단, NVIDIA DRIVE Orin 슈퍼컴퓨터 탑재 15 업계동향 Railgun0 4.1k 01-09
26	채굴 붐으로 5600 XT 가격이 700달러, 5500 XT 400달러로 상승 45 그래픽카드 QM지름 6.2k 01-09
11	CES 2021 : Thermaltake, Tower 100 미니 섀시 발표 20 케이스 Railgun0 3.7k 01-09
16	ADATA의 XPG GAMMIX S70 SSD는 7,400MB/s 읽기 속도로 "SSD 성능의 정점"에 도달했습니다. 27 저장장치 Railgun0 2k 01-09
10	Nvidia, Windows 및 Linux 용 GPU 드라이버의 보안 결함 공개 16 소프트웨어 Railgun0 3k 01-09
12	Ryzen Threadripper PRO를 위한 ASUS WRX80 PRO WS SAGE SE 마더보드 유출 16 CPU/MB/RAM Railgun0 3.5k 01-09
14	AMD 5700G / 5750G 8코어 Cezanne Zen 3 데스크톱 APU 사진 및 벤치마킹 27 CPU/MB/RAM QM지름 9.3k 01-09
37	ASUS TUF RTX 3060 12GB 사진 64 그래픽카드 QM포시포시 7.1k 01-09
12	AMD Ryzen 9 5900 및 Ryzen 7 5800 논 XT 클록 속도 공개 38 CPU/MB/RAM QM지름 4.5k 01-09
12	NZXT, H1 케이스 작년 리콜 이후 수정 21 케이스 QM지름 5k 01-09
11	인텔이 TSMC / 삼성에 일부 칩 생산을 아웃소싱하는 것을 고려 35 CPU/MB/RAM QM지름 3.3k 01-09
18	콘솔 SoC에 할당된 80% 7nm 용량으로 계속되는 AMD 프로세서 부족 44 CPU/MB/RAM QM지름 3.5k 01-09
13	AMD CEO 리사 수 CES 연설: Ryzen 5000 노트북 CPU, RX 6700 시리즈 그래픽카드 발표 29 CPU/MB/RAM QM지름 4.5k 01-09
13	독일 최대 전자 상거래 통계: AMD Ryzen의 평균 가격이 Intel을 28% 초과 27 CPU/MB/RAM QM지름 3.2k 01-09
6	칩 부족으로 닛산의 소형차 노트(Note) 감산 18 업계동향 Eule 2.2k 01-09
20	쿨러 마스터, MastarAir MA624 Stealth 공랭 CPU 쿨러 공개 32 쿨링솔루션 Wormhole 3.4k 01-09