IBM이 인공지능 학습을 3만 배나 빠르게 할 수 있는 저항성 칩을 발명하다

IBM 연구원인 테이푼 곡멘과 유리 블라소브는 저항성 처리 장치(Resistive Processing Unit)라고

 

불리는 새로운 칩의 개념을 고안해 냈다며 논문을 공개했다.

 

이 칩은 현재 CPU보다 3만 배나 빠른 속도로 심화 신경망 학습을 가능케 한다.

 

 

심화 신경망이란 자율적이거나 혹은 비자율적으로 학습할 수 있는

 

여러 개의 숨겨진 층을 가진 인공 신경망인데 그 스스로가 학습할 수 있는 기계학습(또는 인공지능)이다.

 

 

이것은 구글의 알파고 인공지능이 바둑을 배울 때 사용하는 방법과 유사하다.

 

알파고는 검색 트리 알고리즘과 복층의 수백만개의 뉴런같은 연결을 가진

 

두 개의 심화 신경망을 조합해서 사용한다.

 

하나는 정책망이라고 부르는 데 인공지능이 게임을 이길 수 있게 돕는 가장 높은 확률을 가진 수를 계산한다.

 

다른 하나는 가치망이라고 부르는데 국지적 싸움에서 높은 확률로 이기기 전에 두어야 할 수의 결과를 평가한다.

 

 

많은 기계 학습 연구자들은 유망한 잠재력을 보고 심화 신경망에 초점을 맞추기 시작했다.

 

그러나 구글의 알파고조차도 그 수준의 지능을 달성하기 위해 수천 개의 칩을 필요로 했다.

 

IBM 연구원들은 지금 한 개의 칩으로 그 정도 수준의 지능을 달성하도록 연구하고 있는데

 

만약 수천 개의 이러한 칩을 이용하면 미래의 인공지능에 있어 새로운 돌파구를 이끌 수 있게 될 것이다.

 

 

RPU 가속장치의 집단으로 이루어진 시스템은 현재에는 해결할 수 없는

 

수조개의 변수를 가진 빅데이터의 문제점을 해결 할 수 있는데

 

예를 들면 자연어 말하기 인식하기 그리고 세계의 모든 언어를 번역하고

 

광대한 경영과 과학데이타의 흐름을 실시간으로 분석하며

 

엄청난 수의 사물인터넷 센서들의 다양한 센서 데이터를 통합하고 분석할 수 있다고 논문에서 언급했다.

 

 

저자들은 GPU , FPGA , ASIC의 채택 덕분에 지난 수십 년간 기계학습이 얼마나 발전했는지를 말한다.

 

그러나 그들은 그 알고리즘의 지역성과 병렬성을 이용하면 더 빠른 발전이 가능하다고 믿는다.

 

이것을 실행하기 위해서 연구팀은 위상 변화 기억장치(PCM)그리고 저항성 RAM(RRAM)같은

 

차세대 비휘발성 기억장치(NVM)로부터 개념을 끌어 왔다.

 

 

심화 신경망이 이런 형태의 기억장치를 이용하면 27배에서 2140배 정도 속도가 빨라진다고 알려졌다.

 

그러나 연구원들은 NVM 소자가 고안된 방식의 한계만 제거된다면 그 속도는 더욱 빨라진다고 믿는다.

 

만약 그들이 비휘발성 메모리에 기반한 새 칩을 설계할 수 있다면

 

그들 계산으로는 3만배 정도 속도가 빨라질 수 있다고 믿는다.

 

 

우리는 동시에 값을 저장하고 처리할 수 있으며

 

CMOS 제조기술로 수십억 개의 노드로 확장가능한

 

저항성 처리 장치(RPU)의 개념을 제안하고 분석한다.

 

우리의 예측은 현실적인 전력과 공간제한 문제로 한 개의 칩으로 거의 3만 배의 속도를 낼 수 있다는 것이다.

 

 

이런 형태의 칩은 오직 개발 단계에 머무르고 있고

 

비휘발성 기억장치가 아직 주류 시장에 나오지 않고 있기 때문에

 

몇 년을 더 기다려야 시장에서 이런 제품을 볼 수 있을 것이다.

 

그러나 이 연구는 전망이 있다고 보여지는데

 

구글같이 가능한 한 빨리 인공지능 연구속도를 진행하려는 회사의 관심을 끌기에는 충분하다.

 

IBM도 역시 건강관리나 다른 영역에서 빅데이타의 문제를 해결하는데 관심을 가지고 있는데

 

미래에는 이러한 연구로부터 회사의 사업이익을 볼 수 있기 때문이다.