인간에게 알려진 가장 강력하고 효율적인 컴퓨터를 IBM, Google, Facebook 또는 정부 기관의 한가운데에서는 찾을 수 없지만, 모든 사람이 거기에 접근할 수 있습니다. 그게 어떻게 가능할까요? 세계 최고의 컴퓨터는 인간의 뇌이기 때문입니다. 인간의 뇌는 단지 20와트의 전력을 소비하지만 다른 컴퓨터 네트워크를 설계하고, 새로운 언어를 만들고, 볼 수 없는 문제를 이해하고 조작할 수 있습니다.
신경형 컴퓨팅이란 무엇입니까?
하드웨어 기반의 컴퓨터와 프로세서는 인간의 뇌와 동일한 유형의 부하 처리를 다룰 수 없습니다. 많은 프로그래머, 하드웨어 제조업체 및 데이터 센터의 목표는 이것을 바꾸는 데 있습니다. 신경형 컴퓨팅 분야는 생물학, 전기 엔지니어링, 컴퓨터 과학 및 수학 기술을 결합하여 인간의 뇌 및 신경계와 비슷한 용량의 부하를 감지하고 처리할 수 있는 인공 신경 시스템을 만드는 데 전념합니다.
신경형 공학: 시발점
'신경형 공학'이라는 용어는 원래 1980년대에 Carver Mead에 의해 만들어졌는데, 그는 만지고, 보고, 듣고, 사고하는 등 인체의 감각과 처리 메커니즘을 모방하기 위한 분석 시스템을 개발하는 데 40년 이상을 보냈습니다. 신경형 컴퓨팅은 이러한 인간과 같은 시스템의 '생각'과 '처리' 측면에 주로 초점을 맞춘 신경형 공학의 부분 집합입니다. 신경형 컴퓨팅 기술에 대해 들어본 사람은 많이 없겠지만, 이러한 시스템과 이론을 활용하는 보다 일반화된 기술은 인공 지능(AI)으로 알려져 있습니다.
인공 지능의 목표는 무엇입니까?
인공 지능이 실제로 무엇인지 정의하는 수백 가지 해석, 부분 집합 및 이론이 있지만, 모든 AI의 목표는 인간의 행동, 사고 및 일반적인 업무의 기능을 재현하는 것입니다. 자연적으로 AI와 신경형 컴퓨팅은 각각 복제를 추구하고 심지어 인간의 지능을 능가하기 때문에 여러 면에서 서로 같은 의미입니다. 어떤 의미에서 AI는 신경형 컴퓨팅과 신경형 공학을 모두 포괄하는 동시에 다양한 다른 기술적 측면을 포용합니다. 여기에는 제조 공정에서의 불일치 감지와 같은 높은 정확도의 작업이 포함됩니다.
현재의 기술 상태에서 신경형 컴퓨팅 및 AI는 이러한 시스템이 상주하는 하드웨어 기능에 의해 제한됩니다. 무어의 법칙이 이러한 하드웨어 기술을 계속해서 밀어붙이고 있지만, 전력 효율의 관점에서는 고사하더라도 이러한 기술은 계산 부하의 관점에서도 인간 뇌의 능력에는 도저히 미치지 못합니다. 인간의 능력에는 한참 못 미치지만, 이러한 계산형 시스템은 지난 10년 동안 엄청난 진보를 이루었으며 의심할 여지 없이 신경형 컴퓨팅 분야의 목표를 계속 강화할 것입니다.
AI 하드웨어: 신경형 컴퓨팅 칩
인간의 뇌를 동일하게 모델링하는 완벽한 신경형 칩은 결코 실현되지 않을 유니콘으로 인식될지도 모릅니다. 그러나 인간과 기계 사이의 계산형 발판은 근본적으로 다르기 때문에(즉, 실리콘은 회백질(grey matter)이 아니므로), 뇌와 그 기본적 생물학이 신경형 기술을 연구하는 컴퓨터 과학자에게 알려줄 수 있는 많은 교훈이 있습니다. 소프트웨어와 하드웨어 관점에서 많은 칩 아키텍처는 신경형 컴퓨팅의 발견에 의해 크게 영향을 받았으며, 이는 뉴런 등급 컴퓨팅 기능을 달성하기 위해 설계된 많은 새로운 버전의 실리콘 아키텍처로 이어졌습니다. FPGA 및 ASIC와 같은 보다 널리 이용되는 칩 기술은 신경형 컴퓨팅 전략에 의해 지속적으로 최적화되었으며 AI 워크로드에 사용되기도 했습니다.
그래픽 처리 장치(GPU)는 처음에 그래픽 컴퓨팅 부하를 처리하도록 설계되었지만 병렬 부하 능력을 고려할 때 보다 널리 채택된 CPU 기술에 비해 AI 알고리즘을 개발하는 데 빠르게 활용되었습니다. GPU는 점점 더 강력해졌으며 AI 워크로드를 처리하기 위한 전용 신경망 가속기로 자주 사용됩니다. 최첨단 GPU 기술 개발에 있어 선두주자로 널리 인정되는NVIDIA는 자율 로봇 및 안면 인식 보안 시스템과 같은 장치를 위한 AI 워크로드를 실행하기 위해 NVIDIA Jetson Xavier 개발자 키트와 같은 전용 에지 컴퓨팅 장치를 만들었습니다.
AI 소프트웨어의 수학은 AI 프로그램을 실행하는 데 있어 중요한 역할을 합니다. 이러한 과정에서 자주 사용되는 수학적 객체를 텐서라고 합니다. 텐서를 AI 프로그램의 함수로 확장되고 변경될 수 있는 다차원 행렬이라고 생각하십시오. AI 프로그램 및 알고리즘 구조 이면의 이론으로 확장하지 않는다면, 텐서 수학은 현대의 인공 지능에 필수적이라는 사실을 이해하시기 바랍니다. 그리고 이는 Google이 텐서 수학 부하를 처리하기 위해 특별히 고안된 칩인 자체의 고유한 TPU(Tensor Processing Unit)를 만들었을 정도로 필수적입니다. TPU 기술은 주로 데이터 센터에서 활용되고 있지만 Google은 텐서 집약적인 프로그램을 개발하는 Google Coral 제품도 만들었습니다.
유명한 CPU 중심 회사의 연구 부서인Intel Labs는 Loihi 칩을 만들었습니다. 특별히 설계된 이 신경형 연구용 칩은 소규모의 회백질 신경 구조를 모델링하고 시뮬레이션하는 것을 목표로 합니다. Loihi 칩은 거의 13만개의 연결된 실리콘 '뉴런'을 포함하고 있으며 차세대 AI 하드웨어의 기초가 되고자 합니다. 한 예로 Intel Labs는 800만개의 신경 회로망을 만들기 위해 64개의 Loihi 칩을 결합한 Pohoiki Beach라는 장치를 만들었습니다. 이 장치에서 실행하기 위해 그와 같은 신경망 프로그램을 개발하는 것은 작은 업적이 아니며, Intel Labs는 운영용 프로그램을 계속해서 최적화하고 있습니다. 2020년에 Intel은 최대 10만개의 Loihi 칩을 결합하여 1억개의 뉴런 신경형 컴퓨터를 형성할 계획이며, 준비가 다 되면 아마 사용 가능한 가장 강력한 컴퓨터가 될 것입니다.
신경형 컴퓨팅의 미래
신경형 컴퓨팅은 여전히 컴퓨터 과학에서 싹트기 시작하는 부분 집합이지만, 아직 그 잠재력을 완전히 실현하지 못하고 있습니다. 신경형 컴퓨팅은 적어도 미래형 컴퓨팅 하드웨어와 혁명적인 AI 소프트웨어를 개발하는 강력한 방법이 될 것으로 기대됩니다. 만약 이 기술이 일부 사람들이 주장하는 성공으로 판명된다면, 신경형 컴퓨팅은 의식의 비밀을 간직할 수 있고 인간이 만든 마지막 발명이 될 수 있습니다. 이 기술은 역설적으로 인간 두뇌의 연구에 영향을 미칠 수 있으며, 세계를 설계한 인간의 두 귀 사이에 있는 부드러운 회백질의 보다 정확한 시뮬레이션과 모델링을 가능하게 합니다. 그리고 인간보다 더 효율적으로 일상적인 작업을 수행하는 더 지능적이고 상식적으로 활성화된 알고리즘을 만들 수 있습니다. 신경형 컴퓨팅은 자율 주행차 및 자율 시스템에 대한 해답일지도 모릅니다. 그건 오직 미래만이 알고 있을 뿐입니다.