컴퓨터 칩 하드웨어에 직접 프로그래밍된 네트워크는 현대 인공지능(AI) 시스템의 기반이 되는 기존의 신경망보다 고속으로 이미지를 인식할 수 있고, 에너지도 훨씬 더 적게 소비하는 것으로 나타났다. 이 같은 연구 결과는 최근 밴쿠버에서 열린 머신러닝 분야의 주요 콘퍼런스인 ‘신경정보처리시스템 콘퍼런스((NeurIPS Conference)’에서 소개됐다.

GPT-4에서 스테이블 디퓨전(Stable Diffusion)까지 AI 시스템 신경망은 인간의 뇌 내 뉴런을 고도로 단순화시킨 시뮬레이션인 퍼셉트론(perceptron)을 상호 연결하여 구축한다. 다만 퍼셉트론이 대규모로 결합되면 강력한 성능을 발휘하지만 엄청난 에너지를 소비하는 단점이 있다. 이로 인해 최근 마이크로소프트는 자사의 AI 개발을 위해 과거 미국 내 최악의 원전 사고가 발생했던 스리마일섬의 발전소를 재가동하는 계약을 체결했다.

이런 문제가 생기는 원인 중 하나는 퍼셉트론이 단순히 소프트웨어를 추상화한 것일 뿐이라는 데 있다. GPU에서 퍼셉트론 네트워크를 실행하려면 해당 네트워크를 하드웨어 언어로 변환해야 하는데, 이 과정에서 시간과 에너지가 많이 소모된다. 하지만 네트워크를 하드웨어 구성 요소로 직접 구축하면 이러한 비용을 크게 낮출 수 있다. 미래에 이러한 네트워크가 스마트폰 같은 기기에 사용되는 칩에 직접 내장되면 데이터를 서버로 송수신해야 할 필요성이 획기적으로 줄어들지 모른다.