7월 13일 AI 소식

삼성전자, AI 반도체 강화할 ‘비밀병기’ 선보이다

삼성전자, AI 반도체 강화할 '비밀병기' 선보이다 | SAMSUNG NEWSROOM

이번에 발표한 기술은 세계 최고 수준의 ‘온 디바이스 AI(On-Device AI) 경량화 알고리즘’이다. 온 디바이스 AI는 서버를 거치지 않고 기기 자체에서 AI 기능을 수행하는 것. 이번 발표는 기존 대비 4배 이상 ‘가볍고’, 8배 이상 ‘빠른’ AI 알고리즘에 대한 것으로, AI 반도체에서 전력 소모와 연산 기능을 획기적으로 향상시킬 ‘열쇠’로 평가받고 있다. 삼성전자 뉴스룸이 이번 기술 개발의 의미를 자세히 짚어봤다.

 

“주변 모든 기기·센서장치가 ‘두뇌’ 갖게 될 것”

이번 기술은 AI 시대 핵심기술 중 하나인 온 디바이스 AI 연산을 강화하는 동시에, 삼성전자의 시스템반도체 역량을 끌어올리는데 기여할 전망이다. 보통 AI 기기가 복잡한 연산을 하기 위해 클라우드 서버를 거치는 것과 달리, 온 디바이스 AI는 수백~수천개의 연산을 기기에서 곧바로 수행토록 하는 기술이다.

이러한 온 디바이스 AI 기술은 클라우드 서버를 구축하는 비용을 줄이는 동시에, 자체 연산으로 자율주행, 가상현실(VR) 등 상황에서 빠르고 안정적인 동작을 할 수 있게 해준다. 또 최근 모바일 기기가 지문이나 홍채, 얼굴과 같은 생체정보 보안의 인증수단으로 활발히 쓰이고 있는 가운데, 서버가 아닌 기기 안에 각종 개인정보를 안전하게 보관할 수 있다는 장점도 있다.

이러한 온 디바이스 AI 기술의 핵심은 전력을 많이 소모하지 않으면서도, 대용량 데이터를 고속으로 연산하는 것이다. 삼성전자는 지난해 자체 NPU를 탑재한 스마트폰용 엑시노스9(9820) 칩을 선보이며, 온 디바이스 AI와 AI 반도체 역량을 강화하고 있다. 

삼성전자 종합기술원 최창규 상무는 “궁극적으로 주변의 모든 기기는 물론, 센서가 부착된 사물들이 ‘두뇌’를 갖게 되는 시대가 올 것”이라며 “저전력, 고속 연산의 숙제를 해결하는 차세대 온 디바이스 AI 기술이 이러한 미래를 열어줄 전망”이라고 밝혔다. .

 

 

신세기 사이버 포뮬러, 얼마나 현실이 되었나?

 

사이버 포뮬러, 얼마나 현실이 되어 있을까?

지금 아재가 된 사람들 중에서 신세기 GPX 사이버 포뮬러를 아는 사람들은 꽤 될 것이다. 자동차를 좋아한다면 특히 더 잘 알고 있을텐데, 그때 굉장히 신기했던 기술들은 과연 얼마나 현실이 되었을까? 주인공인 카자미 하야토가 우연히 아스라다에 탑승하게 되고, 사이버 포뮬러에 참가해 성장해가는 사이버포뮬러 애니메이션은 이니셜D 처럼 일단 주인공이 사기 캐릭터이다. 14살부터 포뮬러를 시작하는 설정이다. 처음 신세기 GPX 사이버 포뮬러는 1991년 TV 판으로 먼저 나왔고, 가장 마지막에 나왔던 SIN 은 1998년에 나왔다. 과연 20년이 지난 지금의 2018년도는 얼마나 현실이 되어있을까? 참고로, 애니메이션 속 배경 년도는 2017년도이다. 

 

 

콕핏(CockPit)

 

사이버포뮬러에서는 비행기와 같은 구조인 콕핏이 존재한다. 이와 같은 구조는 드라이버를 보호하는 동시에, 에어로다이나믹을 개선하여 애니메이션 속 최고속인 600km/h 를 달리기 위한 도움을 준다. 그런데 과연 F1 에서는 어떨까?

 

'내가 태어난 해인 1991년에 나온 애니메이션이 자동차의 디지털 트렌스포메이션 기술 중 하나를 표현했을 줄이야;'

 

 

헤일로(Halo Device) 의 등장

 

F1 에서는 꾸준히 드라이버의 안전을 지키기 위한 장치 및 구조물을 고안해냈다. 그리고 올해부터는 헤일로(Halo) 가 장착되었는데, 처음에는 매우 흉물스러웠다고 지적했지만, 지난 8월 26일 벨기에 스파프랑코르샹 서킷에서 자우버팀의 찰스 르클레르와 맥라렌의 페르난도 알론소가 추돌하는 사고에서 르클레르를 보호해주어 그 효용가치를 증명했다. 물론, 그란투리스모에서는 사이버포뮬러 같은 모델인 레드불 X2010 이 만들어졌지만, 실제 경기에는 아직 적용되지 않았다. 

 

 

가변 스포일러와 부스터

 

물론 지금 저런 부스터는 존재하지 않는다. 하지만, KERS(Kinetic Energy Recovery Systems) 를 이용해 운동에너지를 에너지로 저장하여 가속이 필요할 때 다시 쓸 수 있도록 하는 장치가 만들어졌다. 또한, 고속에서 애니메이션에서처럼 차체가 변신(?)을 하지는 못해도 꽤 상당한 수준으로 가변 스포일러가 만들어졌다.

 

 

페라리의 라페라리(LaFerrari) 에 적용된 리어 스포일러는 기존에 알던 수준의 스포일러가 아니라 더욱 능동적으로 제어가 가능해져 에어브레이크의 역할을 물론, 다운포스 증가에 큰 도움을 준다. 사이버포뮬러에 나온 영역 중 일부가 고성능차 위주로 먼저 만들어지고 있다.

 

 

아스라다(Asurada)

 

아스라다는 인공지능 컴퓨터로 끊임없이 주인공 하야토와 성장해 나간다. 경기 중에 차체제어를 도와주거나 코너를 앞두고 제동을 하라고 알려주거나, 시시콜콜한 농담따먹기나 힘을 나게 도와주는 말들을 해준다.

 

 

 

인공지능 네비게이션

 

이제 아스라다의 기능은 인공지능(AI) 의 발전에 따라, 네비게이션과 함께 주행코스를 알려준다거나, 무인자동주행 등의 기능을 수행할 수 있도록 진화되고 있다. 지금도 고속도로 주행환경에 따라 과속카메라 앞에서 속도를 줄이게 경고를 해주거나, 인터체인지로 빠져나가야 하는 상황에서 안내를 해주는 등의 기능들을 해주고, 음성인식을 통해 음악을 틀어주거나 메시지를 읽어주는 등의 기능들을 해주고 있다.

 

내가 이해한 현재까지 발전한 인공지능 수준이 위와 같다. 이전에는 스스로 답을 내놓는 수준까지는 도달하지 못했는데, 심층 강화 학습을 통해 스스로 생각하고 답을 내놓기 시작했다.

 

참고 링크 : 알파고를 만든 강화학습 이야기

"알파고를 만든" 강화 학습 이해하기 - ITWorld Korea

요약

 

강화 학습은 일부 가치를 극대화하는 방식으로 행위자(actor) 또는 에이전트(agent)를 학습시켜 환경에 응답한다. 이해를 돕기 위해 구체적으로 살펴보자.

예를 들어, 알파고는 바둑(환경)을 두는(행위) 방법을 학습하기 위해 먼저 대량의 과거 바둑 기보를 통해 인간 바둑 기사들을 모방 학습했다(예비 학습). 그런 다음 독립적인 자기 자신의 인스턴스를 상대로 수없이 바둑을 두면서 시행착오를 거쳐 경기력을 개선했다(강화 학습).

알파고는 최종적인 승리의 추정 가능성을 극대화해서 다음 수를 결정한다. 1집 차이로 이기든 50집 차이로 이기든 알파고에게는 아무런 상관이 없다.

 

내 의견 (UI연구소 단톡방에서 나온 얘기)

 

라고 나오는데 제가 이해하기로는 input을 대국 승리를 넣어놓고 output에 승리했을 때 보상을 걸어놓으면 자기가 승리 추정 가능성을 극대화하는 방향으로 계속 전략을 수정해서 나아간다?

 

무조건 100%라기 보다는 가장 높은 확률로 목표를 달성할 방향을 자기가 알아서 찾아간다?

 

그래서 위에 사이버 포뮬러 ai가 목적지를 입력하면 최적의 코스와 기능을 제공하는게 그 원리 같아요

 

예전에는 애매하게 생긴 고양이 사진 주고 이거 개야? 라고 물어봐서 개 일 확률%, 늑대일 확률% 이런 식으로 얘기해줬다고 하니까요

 

UIUX신입님께서 올려준 정보

 

인공지능=지적인 정보 처리를 하는것, 그러한 기술로 정의

딥러닝은 머신러닝의 한 분야

머신러닝에서는 인간이 프로그램을 만들지 않습니다.
어떻게 판단할지를 인간이 가르치지 않고, 기계가 스스로 배우기 때문에 머신러닝이라고 불립니다.

하지만 인간이 가르치지 않는다고 한들, 기계가 갑자기 정보를 보고 하지는 않습니다.
a라는 정보가 들어왔을때 그 대답은 x와 같은 예를 가르쳐주는 것이 하나의 방법.
입력에 대한 답이 출력 되는 세트 예제를 기계에 많이 가져다 주는 것입니다.

그렇게 되면 기계는 인간이 프로그램을 만들지 않았음에도 신기하게도 제 뜻대로 학습하여 모델을 만들어가는 것 입니다.
이것이 머신러닝의 기본입니다.

기계가 답을 내는 방법을 인간이 프로그램을 부여하는 것이 아니라, 기계가 방대한 데이터를 바탕으로 학습 모델을 만드는 것
머신러닝=기계학습

머신러닝은 인공지능중의 한 부분

딥러닝=심층학습
여러 개 계층의 처리를 거듭하여 복잡한 판단을 할 수 있도록 하는 기술이라고 하여 심층학습, 딥러닝이라고 부릅니다.
입력과 출력세트를 많이 가져다 주어야만, 자동으로 단계별 처리 관계를 조정해 나가서 입력값에 대한 답을 도출할 수 있게 되는 것 입니다.

규칙기반의 인공지능은, 특정 입력 데이터로 출력 데이터를 구하기 위해 조건식 등을 사람이 제공해야만 했습니다. 반면, 머신러닝에서는 조건식을 줄 필요가 없으며 기계가 자동으로 학습합니다.

머신러닝에는 사람이 프로그램을 만드는 등의 의도가 개입하지 않습니다. 대량의 입력 데이터와 출력 데이터 세트를 컴퓨터에 읽게 하면, 자동으로 중앙에 컴퓨터 좌우에 있는 데이터들 사이의 관계를 만드는 것입니다. 컴퓨터 안의 관계들을 모델이라고 하고,
머신러닝이란 입력데이터와 출력데이터 세트로부터 모델을 만들어 내는 것을 뜻합니다.

어떤 모델을 만들지 선택하는 쪽은 머신러닝을 만드는 사람. 계산방법도 지정해 주어야한다.
머신러닝 모델의 종류는 결정트리, 귀납추론, 뉴럴 네트워크, 딥러닝 등이 대표적

 

사용자개나줘버려님의 의견

 

디자이너가 살길은 데이타인사이트를 얼마나 인지하기 쉽게 디자인하느냐가..

 

이에 대한 로제카이와님의 의견

요건 국내 인공지능 헬스케어 스타트업중 lunit의 폐관련 질환을 인공지능으로 검증해주는 소프트웨어중에 한장면을 캡쳐한건데….. 요러한 형태로 표현할꺼라는걸 설계하고 디자인하는게 디자이너의 향후롤이지 않을까… 추측해봅니다..

 

Lunit INSIGHT

 

 

2단 부스터, 스파이럴(Spiral)

 

부스터 가속 중에 일정량의 프레셔를 모았다가 마지막 순간에 압력을 모두 사용해 엄청난 순간 가속을 얻는 스파이럴은 약 5초간 사용을 할 수 있다. 지금은 앞서 설명한 KERS 나, DRS 기능 등으로 비슷한 역할을 하기도 하지만, 이런 스파이럴 부스터는 존재하지 않는다. 그런데 비슷한 감성을 주는게 있다.

 

 

 

포르쉐 스포츠 리스펀스(Porsche S-Sport Response)

 

포르쉐 718 박스터, 파나메라 등에 적용된 스포츠 리스펀스 모드는 스티어링휠에 있는 드라이브 모드를 변경해서 스포츠 리스펀스 모드로 바꾸면 약 20초 정도 급가속에 최적화되도록 세팅을 바꿔준다. 20여초의 순간이지만 부스트 압력을 최대한 사용해 출력을 최대한 뽑아낼 수 있다는 점에서 2단부스터와 비슷한 기능을 보여준다. 그러고보니, 포르쉐에서 따라한게 아닌가?

 

 

 

후측방 모니터(BVM) 자동차 전장 산업이라고도 부른다.

 

사이버포뮬러에서는 물리적인 사이드미러를 사용하는 것이 아닌, 카메라로 연결되어 후측방을 살펴볼 수 있도록 되어있다. 그런데, 이 기술은 이제 현실이 되었다.

 

 

 

기아 K9 과 수소전기차 NEXO(넥소) 에 적용된 후측방 모니터를 통해 계기판 상에 방향지시등을 넣으면 해당 방향쪽의 영상이 나오게 된다. 다른점이 있다면 사이버 포뮬러에서는 영상이 상시 출력되고 있다는 점이고, 지금은 방향지시등을 넣을 때에만 나온다는 점이 차이점이다. 

 

이렇게 살펴보니 20여년이 지난 지금, 애니메이션 속의 기능들이 완전히 똑같지는 않아도 어느정도 비슷한 기능들이 만들어지고 있다는 걸 볼 수 있다는 걸 알 수 있다. 상상은 현실이 된다는 것이 틀린 말은 아닌 것이다.