[아이티비즈] 자율 주행 자동차, 종양을 찾아내는 컴퓨터, 실시간 통역 등. 컴퓨터가 사람과 같은 방식으로 패턴과 물체를 인식하도록 훈련하는 분야가 바로 최근 뜨거운 화두로 떠오르고 있는 '딥 러닝(Deep Learning)'이다.

불과 몇 년 전만 해도 몇몇 인공지능 및 데이터 과학 연구자들만의 영역이었지만, 이제는 더 이상 그렇지 않다. 지금은 많은 전문가들이 보다 높은 성과를 내는 데 사용되며, 적용 가능한 범위도 확장일로에 있는 것이 사실이다. 지난 3월에 개최된 GTC 2015에서 딥 러닝을 위한 다양한 기술들을 내놓은 엔비디아 역시 다양한 연구기관과 협력하며 이 딥 러닝 분야 발전에 힘쓰고 있다.

엔비디아와 뉴욕대학교의 데이터과학센터(CDS)는 공동으로 대규모 GPU 가속화 시스템을 위한 차세대 딥 러닝 애플리케이션 및 알고리즘을 개발하기로 결정했다. 뉴욕대학교의 데이터과학센터는 페이스북의 AI 연구소장직을 역임하고 있는 딥 러닝 분야의 선구자 얀 리쿤(Yann LeCun)이 설립한 기관이며, 동시에 GPU 기반 딥 러닝의 발전을 위해 엔비디아와 협력하고 있는 대표적인 연구기관 중 하나다.

앞으로 딥 러닝 기술의 발전을 이루려면 새롭고 정교한 알고리즘이 필요한데, 이러한 알고리즘은 컴퓨터가 인간과 같거나 인간을 능가하는 능력을 얻을 수 있도록 설계되고 있다. 물론 여기에는 최신의 첨단 컴퓨팅 기술도 필수적이다.

GPU 기술은 이러한 부분에서 크게 기여하고 있다. 강력한 GPU 기술로 인해 네트워크의 트레이닝 기간을 며칠에서 심지어 몇 달까지 단축시킬 수 있어 딥 러닝 분야에 혁신을 가져다 주고 있다. 다만 지금까지는 많은 연구자들이 GPU를 하나만 장착한 시스템을 이용해 왔다. 이런 경우에는 트레이닝의 매개 변수와 연구자들이 개발할 수 있는 모델의 규모가 제한될 수 밖에 없었다.

하지만 딥 러닝 트레이닝 프로세스를 여러 개의 GPU에 분산시키면 트레이닝할 수 있는 모델의 크기와 수도 많아 질 수 있게 된다. 이로써 더욱 정확한 모델과 새로운 수준의 애플리케이션을 얻을 수 있게 될 것으로 기대된다.

이러한 장점을 인식한 뉴욕대학교는 최근에 'ScaLeNet'이라는 새로운 딥 러닝 컴퓨팅 시스템을 설치하였다. 이 시스템은 64개의 강력한 엔비디아 테슬라 K80(NVIDIA Tesla K80) 듀얼 GPU 가속기를 장착한, 8노드 시라스케일 (Cirrascale) 클러스터다. 뉴욕대학교 연구자들은 이제 이 새로운 고성능 시스템으로 더 큰 과제를 해결하고, 컴퓨터가 인간과 같은 지각 능력을 보이도록 하는 딥 러닝 모델을 만들 수 있게 되었다.

"앞으로 AI와 딥 러닝의 발전을 이루려면 다중 GPU 컴퓨팅 시스템이 꼭 필요하다. 자율 주행 자동차, 의료 이미지 분석 시스템, 실시간 통역, 자연어를 이해하고 사람과 대화할 수 있는 시스템 등, 활용 가능한 분야는 무궁무진 할 것"이라고 얀 리쿤 연구소장은 설명했다.

앞으로 ScaLeNet은 교수진, 연구 과학자, 박사후 과정 연구자, 대학원생으로 구성된 CDS의 대규모 커뮤니티에서 연구 프로젝트와 교육 프로그램에 사용될 예정이다. 얀 리쿤 연구소장은 "CDS에는 기계 학습과 딥 러닝을 물리학, 생물학, 사회과학에 적용하는 연구프로젝트가 진행되고 있다"며, "여기에는 우주론과 고에너지 물리학의 베이지안 모델, 시각 및 운동 피질의 계산 모델, 의료 및 생물학 이미지 분석을 위한 딥 러닝 시스템, 사회적 행동과 경제학에 관한 머신 러닝 모델 등이 포함되어 있다"고 설명했다.

한편, 리쿤 연구소장은 뉴욕 대학에서 일궈낸 성과가 딥 러닝 분야를 발전시키는 한편 다음 세대의 AI 전문가들을 교육할 수 있는 모델로써 사용되기를 바란다고 소감을 밝히기도 했다.