[MBL]인공지능, 기계학습, 딥러닝 그리고 GPU 클라우드

인공지능, 기계학습, 딥러닝에 대하여

인공지능 AI : Artificial Intelligence

말 그대로 인간의 지능을 기계로 구현하는 것이다. Ai는 사실 이전부터 구현되어온 기술 이지만 현재와 비교하자면 접근 방법이 달랐다. 과거에는 조건식 알고리즘을 기반으로 Ai를 구현하였다.

과거의 Ai가 사람이 규칙을 만들어 그 규칙에 해당하는 조건에 맞게 동작하였다고 한다면 현재의 Ai는 기계 학습을 기반으로 하고 있는데 이로써 사람의 간섭이 적어지고 사람이 고려하지 못한 부분까지 Ai가 학습을 하기에 그 적용 범위가 넓어졌다.

그렇다면 기계학습이란?

기계학습은 머신러닝과 같은 의미로 사람이 직접 모델링하기 어려운 부분에 대하여 전체적인 틀을 잡아주고, 수많은 데이터를 통해 컴퓨터가 모델을 만들어가는 과정으로써 기계(머신)이 학습(러닝)하는 것을 의미하는데 사람이 직접 많은 데이터를 보고, 분석하여 모델을 구체화 하는 것이 아닌 X= aY+b 라는 틀(알고리즘)을 제작 후 a와 b에 해당하는 값을 찾아내는 것이다.

딥 러닝

딥 러닝은 기계학습 중 한 분야로써 특히 주목 받고 있는 개념으로 기계학이 다양한 정보를 먼저 학습하고 그 결과를 이용하여 새로운 것을 예측하지만 딥 러닝은 이러한 학습의 과정도 스스로 판단하여 미래 상황을 예측을 한다 사람의 두뇌 구조를 수학적으로 표현하여 만들었으며 인공 신경망(뇌의 움직임)과 같은 기능을 한다. 간단하게 말 하면 컴퓨터가 스스로 사람처럼 학습 할 수 있는 인공지능 기술이다. 알파고, 자율주행차, 기계번역 등… 기계학습를 활용하는 분야에서 대부분 사용중이다.

학습 방법 3가지

이러한 인공 신경망의 한계를 극복하기 위해서 제안된 기계학습 방법으로 제안 된것은 세가지가 있다.

사용 기술 사례

• 스마트폰 음성인식
  대표적인 GPU을 활용한 사례는 스마트폰 음성인식 기능으로써 이는 GPU를 기반으로 한 딥러닝 시스템으로 다양한 기기와 사용자 간의 소통 방식을 습득 하여 진행 될수록 사용자의 상황에 따라 최적화된 인터페이스를 제공한다.
   
• Ai 스피커
  또다른 예로 Ai 스피커 역시 사용자 습관을 분석하여 시간대,필요성,선호도 등을 파악하여 유저에게 앱과 콘텐츠를 제공할 수 있게 된다.
   
• 자율주행 차량의 차선감지 시스템
  GPU기반의 딥 러닝 시스템 을 사용하여 실시간으로 대량의 데이터를 처리해 정확한 판단을 내릴 수 있어야 가능한 무인 주행은 센서와 카메라가 차선을 탐지하고 그 데이터를 처리해주는 시스템  

위와 같은 일을 처리하는 방식들은 수많은 요인을 고려하고 이에 가중치를 넣어 계산 후 결과를 내놓는데 이는 난이도 낮은 복수연산을 처리를 진행한다 이때에 직렬적 순서대로 계산을 이용하는 CPU에서는 처리 속도가 느리지만, 이때에 GPU를 이용하면 병렬 분산 처리를 이용하여 빠르게 처리가 가능하다. 과거에는 그래픽 영상을 위해 사용이 되었지만 최근에는 딥 러닝과 함께 Ai프로세서로 사용되고 있다.  

CPU와 GPU의 Task를 처리하는 방법의 차이 -NVIDIA

영상 출처 :  

이러한 GPU를 서비스에 이용하기 위해서는 현재 고급 GPU의 장비를 직접 구축하거나 GPU 클라우드 시스템을 사용하는데 이 두 가지 모두 매우 고가의 고급 장비로 사용이 되고 있으며 개인이 그것을 공부하거나 배우기 위해서도 접근성이 매우 떨어지는 것이 현실이다. 그래서 MBL은 현재 오픈소스를 이용한 저렴하고 접근성이 용이한 클라우드 서비스를 계획 중에 있으며 진행하고 있다.