How AI is reinventing what computers are

AI가 이끄는 컴퓨팅의 새로운 패러다임

인공지능(AI)이 칩 제작 방식, 프로그래밍, 그리고 사용 방식 세 가지 면에서 컴퓨터에 중대한 변화를 일으키고 있다.

가을은 호박, 피칸 파이, 그리고 근사한 스마트폰의 계절이다. 매년 이맘때쯤 삼성, 애플, 구글 등은 신제품을 발표한다. 예전만큼 신제품 발표 연례 행사가 새롭지는 않지만, 몇 가지 우리가 주목할 만한 점이 있다.

구글의 최신작 ‘픽셀6(Pixel 6)’는 AI 전용 칩셋을 장착한 최초의 스마트폰이다. 이 칩셋은 기본 프로세서와는 별개로 삽입되었다. 이에 앞서 애플은 수년 전부터 아이폰에 포함된 칩셋에 일명 ‘뉴럴 엔진(neural engine)’이라고 불리는 AI 전용 코어를 탑재해왔다. 구글과 애플의 두 칩은 모두 카메라에 쓰이는 AI와 같이 기기의 머신러닝 모델 학습과 구동에 관련된 계산에 더욱 탁월하다. 우리가 알지 못하는 사이에 AI는 우리 일상의 일부가 되었다. 그리고 이는 컴퓨팅에 대한 우리의 생각을 바꾸고 있다.

이게 무슨 의미일까? 말하자면 컴퓨터는 지난 40~50년간 별로 변한 게 없다. 경량화와 가속화를 이뤘지만, 여전히 인간의 명령을 실행하는 프로세서가 있는 기기임에는 변함이 없었다. 하지만 AI는 적어도 컴퓨터의 제작, 프로그램, 사용 방식의 세 가지 측면에서 이를 변화시킨다. 궁극적으로 컴퓨터의 목적을 바꿀만한 종류다.

인텔의 병렬 컴퓨팅 연구소장인 프래입 두비(Pradeep Dubey)는 “컴퓨팅의 핵심은 수치 처리(number-crunching)에서 의사 결정(decision making)으로 바뀌고 있다”고 했다. 마찬가지로 MIT 컴퓨터 과학 및 인공지능 연구소(CSAIL, Computer Science and Artificial Intelligence Laboratory)의 책임자 다니엘라 루스(Daniela Rus)는 AI가 컴퓨터를 틀 밖으로 해방시키고 있다고 말했다.

급할수록 돌아가라

첫 번째 변화는 컴퓨터 칩의 제작 방식과 관련된다. 전통적인 컴퓨팅은 기계가 차례차례 계산을 수행해내는 속도가 빠를수록 유리했다. 수십 년 동안 칩 제조사들은 무어의 법칙(Moore’s Law)을 따라 속도가 향상된 칩을 어김없이 주기적으로 내놓았다.

그러나 최근 인공지능 애플리케이션을 구동하는 딥러닝 모델에는 다른 접근법이 요구된다. 이들은 동시에 방대한 양의 덜 정확한 계산을 수행해야 한다. 다시 말해 새로운 유형의 칩이 필요하다는 의미다. 데이터를 가능한 한 빨리 전송하여 필요한 시간과 장소에서 사용할 수 있도록 하는 칩이 요구된다. 딥러닝이 10여 년 전 폭발적으로 등장했을 때, 이미 꽤 성능 좋은 특수 컴퓨터 칩들이 있었다. 이 칩들은 주로 초당 수십 개의 픽셀로 구성된 전체 화면을 표시하기 위해 설계된 그래픽 처리 장치(GPU, graphic processing units)였다.

무엇이든 컴퓨터가 될 수 있다. 실제로 칫솔부터 전등 스위치, 초인종까지 이미 대부분의 가정용품이 스마트 버전으로 출시되어 있다.

초기 GPU 공급을 책임졌던 인텔, 에이알엠(ARM), 엔비디아(Nvidia) 같은 칩 제조사는 이제 AI에 특화된 하드웨어 개발에 주력하는 노선으로 선회했다. 구글과 페이스북도 하드웨어를 통해 AI 업계에서의 우위를 선점하기 위한 이 경쟁에 첫발을 내디뎠다.

그 예시로 픽셀6에 내장된 칩은 구글의 텐서 처리 장치, 즉 TPU의 새로운 모바일 버전이다. 초고속 정밀 계산에 적합한 기존 칩과 달리, TPU는 신경망에 요구되는 대용량이면서도 정밀도 낮은 계산을 위해 설계되었다. 구글은 2015년부터 사람 사진과 자연어 검색을 처리하는 데 이 칩을 사용해왔다. 구글이 인수한 딥마인드(DeepMind)도 이를 활용해 AI를 학습시킨다.

지난 몇 년 동안 구글은 TPU를 다른 업체에서도 사용할 수 있도록 해 왔으며, 이제 이 칩은 물론 다른 회사에서 개발 중인 유사한 칩도 전 세계 데이터 센터의 기본 부품이 되었다.

나아가 인공지능은 컴퓨팅 인프라 설계까지 직접 돕고 있다. 2020년 구글은 새로운 TPU의 레이아웃을 설계하기 위해, 시행착오를 통해 과제를 해결하는 방법을 학습하는 일종의 강화-학습(reinforcement-learning) 알고리즘 AI를 사용했다. 이 인공지능은 결국 인간이 만들지 못할 법한 참신하고 새로운 디자인을 고안했으며, 이는 실제로 작동했다. 이러한 종류의 AI는 언젠가 지금보다 더 나은 효율적인 칩을 개발할 수 있을 것이다.

말하지 말고 보여주라

두 번째 변화는 컴퓨터가 무엇을 해야 하는지 지시하는 방법에 관한 것이다. 지난 40년 동안 우리는 컴퓨터를 프로그래밍해 왔다. 다음 40년은 이들을 학습시키게 될 것이라고 영국 마이크로소프트 리서치(Microsoft Research) 책임자인 크리스 비숍(Chris Bishop)은 말한다.

전통적으로 프로그래머들은 컴퓨터 음성 인식이나 이미지 속 사물 식별을 위해 먼저 컴퓨터에 적용할 규칙들을 짰다.

머신러닝을 활용하면서부터 프로그래머들은 더는 규칙을 고안하지 않게 되었다. 그 대신 컴퓨터 자체적으로 규칙을 학습하는 신경망을 만든다. 이는 근본적으로 다른 사고방식이다.

이러한 예는 이미 일상에서 흔히 접할 수 있다. 음성 인식과 이미지 식별은 이제 스마트폰의 기본 기능이다. 알파제로(AlphaZero)가 인간보다 바둑을 더 잘 두도록 스스로 학습했을 때처럼, 다른 사례들도 화제가 되었다. 이와 유사하게 알파폴드(AlphaFold)는 단백질이 접히는 방식을 알아내, 사람들이 수십 년 동안 풀지 못한 생물학의 난제를 해결했다.

비숍은 차세대 혁신이 분자 시뮬레이션(molecular simulation)에 있을 것으로 본다. 물질의 특성을 조작하도록 컴퓨터를 훈련시켜, 잠재적으로 에너지 사용, 식품 생산, 제조 및 의학 분야에서 세상을 바꿀 만한 도약을 이루는 것이다.

이러한 엄청난 전망이 연달아 나오고 있다. 그리고 딥러닝이 사람들을 놀라게 한 성과가 있는 것도 사실이다. 지금까지 가장 큰 발전 중 두 가지인 컴퓨터가 마치 언어를 이해하는 듯이 행동하고, 이미지 속 사물을 식별하는 것은 이미 우리의 컴퓨터 사용 방식을 바꾸고 있다.

컴퓨터가 제일 잘 안다

지난 수십 년간 컴퓨터 작업이란 명령을 입력하거나, 최소한 버튼을 클릭하는 것을 뜻했다.

이제 기계는 키보드나 화면 없이도 인간과 상호작용한다. 모든 제품이 컴퓨터를 내재화하기 시작했다. 실제로 칫솔부터 전등 스위치, 초인종까지 이미 대부분의 가정용품이 스마트 버전으로 출시되어 있다. 하지만 우리는 이러한 추세가 확산될수록 기계에 원하는 바를 전하는 데 걸리는 시간을 줄이고 싶어 할 것이다. 별다른 지시 없이도 기계가 알아서 해내야 한다.

이는 앞서 두비가 말한, 컴퓨팅의 새로운 시대를 결정 짓는 ‘수치 처리에서 의사 결정으로’의 전환이다.

루스가 바라는 것은 우리가 필요할 때마다 인지적, 물리적 지원이 제공되는 것이다. 그녀는 적재적소에서 우리가 알아야 할 것을 알려주거나 나서서 개입해 우리에게 도움을 주는 컴퓨터를 상상한다. “내가 어릴 적 가장 좋아했던 영화 하나가 디즈니의 <마법사의 제자(The Sorcerer’s Apprentice)>였다.” 그녀는 말한다. “미키 마우스가 청소할 때 빗자루를 어떻게 소환하는지 아는가? 마법 없이도 우리는 이를 실현할 수 있을 것이다.”

우리는 이 장면이 어떻게 끝나는지 안다. 미키는 빗자루를 제어하지 못하고 난장판을 만든다. 기계가 사람들과 소통하며 더 넓은 세상 속 혼돈에 통합되고 있는 지금 불확실성은 더 커졌다. 이제, 컴퓨터는 틀 밖으로 나왔다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.