서평 곤 AI 의 "두뇌"

문 / 정 뢰

앞으로 30 년 동안 국가 간 과학기술 경쟁의 중요 한 초점 분 야 는 빅 데이터 인공지능 이 고 이것 은 디지털 경제의 관건 적 인 추진 산업 이기 도 한다.컴 퓨 팅 파워 는 AI 발전의 핵심 요소 중 하나 이 며, AI 칩 은 인공지능 컴 퓨 팅 하드웨어 의 '두뇌' 이다.최초의 그래 픽 프로 세 서 를 이용 하여 심도 있 는 학습 가속 칩 으로 시작 하여 현재 사람들 이 AI 를 위 한 전용 칩 으로, 짧 은 몇 년 동안 AI 칩 은 빠르게 새로운 산업 으로 발전 하 였 다.

AI 연구 성과 와 특 허 는 폭발 적 인 성장 세 를 보이 고 있 으 며 AI 분 야 는 현재 넓 은 '숲' 이 되 었 다.그림 과 글 이 모두 훌륭 한 는 AI 의 발전 역사 에 착안 하여 현재 가장 인기 있 는 딥 러 닝 칩 과 신경 형 태 를 바탕 으로 계산 하 는 뇌 칩 의 관련 알고리즘, 구조, 회로 등 과 관련 되 고 혁신 적 인 사고 로 AI 칩 을 디자인 하 는 각종 계산 패 러 다 임 을 중심 으로 독자 들 을 이 끌 어 인공지능 의 첨단 분야 에 직접 도달 하도록 했다.

AI 의 빠 른 발전 은 계 산 력 에 국한 되 어 왔 으 나 CMOS 기반 실리콘 칩 의 제조 기술 은 이미 3 나 미터 까지 정교 하 게 되 었 다.AI 컴 퓨 팅 파워 가 상승 하면 병목 에 부 딪 힐 뿐만 아니 라 AI 컴 퓨 팅 의 특성 상 일부 컴 퓨 팅 기능 이 적 게 사용 되 기 때문에 일반 CPU 가 이미 실현 한 컴 퓨 팅 파워 중 상당 한 부분 은 AI 가 사용 할 수 없 는 것 이다.이것 이 바로 AI 칩 이 나타 나 는 객관 적 인 요구 이다.예 를 들 어 심도 있 는 학습 에 필요 한 것 은 주로 행렬 곱셈 (장 량 곱셈) 이 고 GPU 를 사용 하 는 효율 은 계산 속도 가 더욱 높 은 CPU 보다 현저히 높다.

오늘 딥 러 닝 에 사용 되 는 것 은 주로 그래 픽 프로세서 (GPU) 칩 으로 1 초 에 100 조 회 부동 소수점 연산 이상 의 연산 속 도 를 낼 수 있 으 며 슈퍼 컴퓨터 Cray - 3 연산 속도 의 6000 여 배 에 달 합 니 다.하지만 인간 의 뇌 에 비해 서 는 아직 멀 었 다.사람의 뇌 에는 약 1000 억 개의 신경 원 이 있 는데, 100 조 개가 넘 는 돌기 가 신경 원 신호 전도 에 개입 되 어 있다.뇌 는 번개 같은 속도 로 패턴 을 인식 하고 사실 을 기억 하 며 동시에 다른 일 을 병행 할 수 있어 20 와트 도 안 된다.

'후 몰 시대' 가 도래 함 에 따라 실리콘 칩 의 계산 속 도 는 정점 에 가 까 워 졌 고 또 다른 문제 가 발생 했다. 바로 이런 계산 구조 가 구조 화 된 데 이 터 를 처리 하 는 데 더욱 적합 하고 빅 데이터 와 같은 비 구조 화 데 이 터 를 처리 하 는 데 있어 서 칩 의 계산 밀 도 를 높이 는 방법 은 무효 이다.저자 가 내 놓 은 데이터 에 따 르 면 가공 기법 이 10 나 미 터 를 넘 어서 면서 칩 의 계산 속도 가 빠르게 향상 되 고 있 음 에 도 불구 하고 빅 데 이 터 를 처리 하 는 상대 적 인 효율 은 오히려 점점 낮 아 지고 있다.현재 의 기술 수준 으로 는 여러 개의 GPU 를 병행 하면 출력 이 1000 와트 를 넘 기 쉽다.2016 년 알 파 고 는 바둑 9 단 고수 이 세 석 을 상대 로 이 AI 프로그램 을 운영 하 는 서버 의 전력 소 모 는 1 메가와트 로 근 인 뇌 소모 의 5 만 배 에 달 했다.사람들 은 다른 칩 재 료 를 찾 아 빅 데이터 인공지능 에 적합 한 계산 구조, 모형 과 알고리즘 을 사용 해 야 한다.이 방면 에 이미 중국인 과학자 가 중대 한 공헌 을 하 였 다.1971 년 채 소 당 교 수 는 회로 이론 을 바탕 으로 추리 한 결과 새로운 기초 회로 소자 인 기억 장애 기 가 존재 한 다 는 것 을 증명 했다.2008 년 에 혜 프 회사 의 스 탠 리 윌 리 엄 은 처음으로 실험실 에서 이산 화 티타늄 필름 을 바탕 으로 하 는 최초의 원형 제품 을 지지 했다.이 새로운 장 비 는 계산 시의 공 모 를 현저히 낮 출 수 있 으 며, 가속기 와 유사 한 뇌 칩 을 심도 있 게 학습 하 는 잠재 적 인 하드웨어 해결 방안 이다.

AI 칩 의 개발 주 류 는 딥 러 닝 알고리즘 을 기반 으로 하고 있 지만, 현재 주요 기술 로 는 딥 러 닝 을 가속 화하 기 위 한 전용 AI 칩 과 다 핵 CPU 프로 세 서 를 같은 칩 에 통합 하 는 것 이다.반도체 칩 분야 에 서 는 현재 FPGA 와 ASIC 를 개발 하 는 것 이 중요 한 방향 이다.최첨단 연 구 는 '진화 가능' 칩 을 설계 하 는 것 으로 칩 의 '자체 학습' 을 통 해 칩 자체 의 성능 을 향상 시 키 는 데 가깝다.

AI 칩 의 최종 목 표 는 '자기 학습', 즉 칩 이 스스로 '어떻게 공부 하 는가' 를 배 울 수 있 는 것 이다.또 하나의 중요 한 목 표 는 스마트 기기 간 (AI 칩 간) 의 상호 학습 과 조 화 를 이 루어 스마트 기기 가 스스로 더 많은 지식 을 얻 도록 하 는 것 이다.이러한 '자기 학습' 의 성능 은 시간 에 따라 지수 급 으로 향상 되 고 결국은 스마트 기기 의 스마트 수준 이 인 류 를 초월 하 게 될 것 이다.이런 칩 은 디자인 과정 에서 뇌의 생물 특성 에 최대한 가 까 워 져 뇌 칩 이나 신경 형태 칩 으로 불 린 다.이 칩 은 새로운 칩 구조 에 기반 을 두 고 있 으 며, 관건 적 인 구성 부분 은 펄스 뉴 런, 저 정밀도 돌파 와 확장 가능 한 통신 네트워크 등 을 포함한다.

중국 은 이미 칩 을 자체 적 으로 장악 해 야 하 는 기술 로 분류 하 였 으 며, 유럽 과 미국 국가 간 의 거리 가 매우 작은 빅 데이터 인공지능 은 이미 다음 에 반드시 점령 해 야 할 과학 기술 고지 가 되 었 다.현재 실리콘 기반 반도체 칩 분야 에 서 는 기 존 특허 가 유럽 과 미국 에 많이 포 함 돼 이 를 따라 추월 하기 어렵다.AI 칩 은 우리 에 게 얻 기 어 려 운 새로운 기 회 를 가 져 다 주 었 다. 뇌 칩 과 신경 망 알고리즘, 양자 계발 알고리즘, 자연 모방 계산, 내장 컴 퓨 팅 과 신형 메모리, 그리고 양자 컴 퓨 팅 과 양자 기 계 를 바탕 으로 하 는 학습 등 분야 의 연구 와 개발 은 실험실 샘플 이나 소량의 시험 단계 에 있 는데 이런 것들 은 중국 칩 기술 의 커 브 길 을 초과 하 는 목표 가 될 수 있다.