전기차 에서의 인공지능의 정의

Photo by CHUTTERSNAP on Unsplash

인공지능의 정의

 

알파고와 이 세 둘의 바둑 대결은 인공지능에 대한 경이감을 불러일으켰고 이처럼 알파고로 세상을 놀라게 한 AI(Artificial Intelligence)가 본격적으로 실생활에 들어와 예상보다 빠르고 깊숙이 영향을 미치고 있으며 이렇게 세월처럼 빠르게 변화시키고 있는 AI에 실생활에는 강한 규정을 필요할 것이며 규정을 위해서는 규정의 대상과 범위를 명확히 파악해야 하며 특히 새로운 IT 과학기술은 사회에 다양한 긍정적 부정적 영향을 준다는 점에서 법과 규정은 혁신을 이끌고 지원할 수 있었고 반대로 혁신 이 동반하는 위험을 통제하고 완화할 수가 있어야 하며 16 무엇보다 최근 인공지능을 대표로 하는 지능정보기술 환경은 실제 국가 사회와 우리 일상에 혁신적인 변화를 가져오고 있으며 그 변화의 결과가 어떻게 나타날지는 정확히 예측할 수 없으며 그리고 이는 인공지능에도 지능과 더불어서 자아와 인격 이부여 된다는 것을 의미하고 이것 때문에 인공지능과 관련된 법적 규정 윤리적 문제에 대한 논의는 더는 피할 수 없게 되며 인공지능의 폐해에 관한 현실적인 문제는 인공지능의 발전과 유용으로 인한 실직 증가이다.

 

현대 AI의 눈부신 성과는 저렴한 컴퓨팅 하드웨어의 확산이 주요한 요인중 하나이며 과거 AI의 역사를 보면 AI의 두 번째 황금 시간을 이끈 오류 역전파법은 데이터와 컴퓨팅파워의 부족 학습 방법의 일관성 결여 등의 원인으로 인해 역설적으로 AI의 겨울을 초래했으며 그 이후 컴퓨팅 하드 웨어는 무어의 법칙 아래 지수적으로 성장했고 빅데이터의 출현으로 인해 인공신경망의 학습 성능은 비약적으로 향상됐으며 이로 인해 AI는 4차 혁명 산업의 핵심 기술로 투입할 만큼 발전했으며 전산업에 파급효과를 일으킬 만큼 폭발적인 수요를 얻고 있으며 18 이런 AI의 수요만큼 컴퓨터 인프라에 의한 수요가 역시 너무 증가하여 고성능 컴퓨터 분야에서도 AI에 대한 관점이 최대한 높아지고 있는 상황이며 AI의 수요가 비약적으로 오를 만큼 AI 클라우드 컴퓨팅 인프라 시장을 선점하기 위한 전 세계 경쟁 역시 가속화되고 있으며 마이크로 소프트 구글 아마존 등 글로벌 IT 기업은 확대한 투자금을 투입하여 AI 클라우드 컴퓨팅 인프라를 구축 및 서비스하고 있으며 더욱 일본은 자국의 AI 연구개발 활성화를 위해 195억 엔 규모의 AI 클라우드 컴퓨팅 인프라(ABCI)를 구축할 것이며 AI 컴퓨팅 인프라에는 주로 금액 대비 연산 효율이 좋은 GPU로 구성된 장비들이 적용된다.

 

인공지능과 GPU

 

GPU가 각광받는 거는 심층학습 알고리즘의 과정에서 찾을 수 있으며 심층학습의 알고리즘은 연산량이 커다란 세부 알고리즘으로 완성되기 때문이며 현대 연산 처리 장치는 연산성능이 월등히 뛰어나다는 점에서 가격 대의 CPU 대비 연산 효율이 좋은 GPU가 시장을 선점하고 있으며 따라서 AI 구현을 위한 컴퓨팅 인프라는 대충 GPU를 탑재한 고성능 통신망이 일반적이며 외국에서도 인공지능 컴퓨팅 인프라의 중요성을 인지하고 관계된 사업을 전개하고 있으나 질적･양적 방면에서 부족한 것이 현실이며 또한 인공지능 컴퓨팅 인프라에 대한 향후 수요와 현황에 대한 면밀한 조사의 부재로 인프라의 지원과 필요성 규모를 예측할 수 있는 자료가 부족하고 이에 본보고서는 AI 연관 중소기업･스타트업 215개를 참조하여 AI 컴퓨팅 인프라 보유 향후 수요와 현황을 추정했으며 또한 정부의 인프라 지원정책에 관련 설문을 통해 선호도를 관입했으며 설문 조사 분석 결과 215개 중소기 업･스타트업의 AI 컴퓨팅 인프라 보유 향후 수요는 47.14 PFLOPS이며 현황은 25.94 PFLOPS로 조사됐으며 현재 인공지능 기술은 2010년부터 급속히 성장한 빅데이터 컴퓨팅 파워와 머신러닝 및 알고리즘 기술의 고도화에 기인하며 19 인공지능 관련 기술은 아직 정형화되어있지 못하기 때문에 명확히 분류할 수없고 2012년 제프리 힌톤(Geoffrey Hinton)을 중심으로 하는 토론토 대학의 연구진에 의해 이미지 인식 분야에서 혁신적인 정확성을 보이고 나서 딥러닝은 갑자기 떠올랐으며 2006년부터 딥러닝에 의한 연구가 시작했으니 인공지능 연구계에 충격을 안겨준 딥러닝의 등장은 기존 이미지 인식의 연구자들로 하여금 큰 위기감을 느끼게 했다고 하며 현재 인공지능 기술의 핵심은 로봇 학습 특히 딥러닝이라고 부를 수 있으며 AI 기술은 패턴인식(Pattern recognition) 음성인식(Speech recognition) 자연어 처리(Natural language processing) 전문가 시스템(Expert system) 가상 에이전트(Virtual agents) 기계학습(Machine learning) 등 아주 다양하다.

 

 

Forrester Research는 최근 상위 AI 기술로 음성인식(Speech recognition) 가상에이전트(Virtual Agents) 자연어 생성(Natural language generation) 머신러닝 플랫폼(Machine learning platform) 인공지능 최적화 하드웨어 (AI-optimized hardware) ACES:자율주행(A) 커넥티드 카(C) 전동화(E) 의사 결정 관리(Decision management) ADAS의 기술 딥러닝 플랫폼(Deep learning platform) 5G 이동통신 기술 로봇 프로세스 자동화(Robotic process Automation) 생체인식(Biometrics) 자연어 처리(Text analytics and NLP) 및 텍스트 분석의 여러 가지 기술의 영향을 미치고 있다.

 

 

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)