[디지털데일리 이형두기자] 딥러닝 알고리즘은 최근 가장 각광받는 머신러닝 방법론이다. 대규모 병렬 연산이 가능한 그래픽처리장치(GPU) 자원이 증가하면서 활용도가 높아졌다.

딥러닝 알고리즘은 자동화가 어려운 부분이 다수 존재한다. 도메인 전문가, 머신러닝 전문가, 연산 리소스 관리자가 필요하다. 그러나 예전에 상상하기 어려운 규모의 GPU 자원이 등장하면서 얘기가 달라졌다. 이른바 이전에 없던 ‘초대규모 연산 자원’이 출현하면서, 전문가가 필요 없는 자동 딥러닝 알고리즘 개발 시대에 들어섰다는 전망이 나온다.

13일 레블업 신정규 대표<사진>는 과학기술정보통신부가 주최하고 정보통신산업진흥원(NIPA)과 디지털데일리가 공동주관하는 ‘오픈테크넷 서밋 2018’ 행사에서 “GPU 클라우드를 통해 대규모 연산 자원이 마련되면서 공급이 수요를 낳게 됐다”며 “지속적으로 딥러닝 개발에 적합한 환경으로 바뀌고 있어, 향후 지금보다 훨씬 더 높은 가능성을 보여줄 것으로 생각한다”고 딥러닝의 미래를 예측했다.

GPU는 AI를 훈련하고 학습하는데 100배 이상 성능이 좋으며, 음성인식은 60배의 전성비(전력소비 대비 성능)을 낸다. 머신러닝이 발전하면서 GPU수요가 증가했고, 이는 다시 GPU 클라우드 서비스와 대규모 GPU 자원을 등장시켰다. 엔비디아 자료에 따르면, 고성능 컴퓨팅과 하이퍼스케일 소비자 시장, 그리고 클라우드 시장을 합쳐 GPU 시장은 전 세계적으로 약 50조 규모가 될 것으로 추정된다.

초 대규모 연산자원이 활용가능해지면서 과거에는 시도해볼 수 없었던 딥러닝 자동화가 가능해졌다. 가용 GPU가 엄청나게 많아지면 알고리즘을 짜는 데 ‘트라이얼 앤 에러(Trial & Error)’ 방식의 접근이 가능해진다. 기존에 이 방식이 불가능했던 이유는 일반 뉴럴넷 학습 자원의 1000배에서 1만배의 자원이 필요하기 때문이다. 유휴 자원을 나눠쓰던 수준의 클라우드 시스템에서는 불가능했다.

신정규 대표는 “가용 GPU 자원이 엄청나게 늘어나면, 여러 개의 알고리즘을 테스트해서 가장 잘 된 알고리즘을 다시 섞는 유전자 알고리즘 기법을 활용해볼 수 있다”며 “이렇게 되면 우리는 왜 잘 돌아가는지 모르지만, 하여튼 잘 돌아가는 알고리즘이 나온다”고 설명했다.

대표적인 사례가 구글이 지난해 선보인 '클라우드 오토ML'이다. 사용자가 데이터를 올리면 자동으로 설계해 준다. 예컨대, 디즈니 캐릭터 이미지를 넣으면 이와 관련된 모든 상품을 자동으로 검색해 주는 식이다. 올해 말부터 정식 서비스가 시작될 것으로 예상된다.

인공신경망 자동 설계가 가능해질 경우, 기본 설계는 여전히 연구진이 진행하지만 최적화는 완전히 AI 자동화에 위탁할 수 있게 된다. 이는 건축이나 기기 설계 분야에도 적용할 수 있다. 단점은 최종 결과물의 크기가 필요 이상으로 커질 수 있다는 점이다. 또 문제가 발생했을 경우, 모델 구조의 복잡성으로 인해 디버그가 까다로울 수도 있다.

그럼에도 미시 최적화 부분을 자동화할 수 있다는 점, 지속적으로 정확도를 높여갈 수 있다는 장점이 있다. 신 대표는 “2019년에는 개발 자동화, 머신러닝 디바이스 대중화가 기대된다”며 “인공지능으로 지성을 구현해, 인류가 놀고먹을 수 있는 날이 얼마 남지 않았을 것”이라고 전했다.

<이형두 기자>dudu@ddaily.co.kr