국내외 과학기술 정책에 대한 간략한 정보
단신동향
해외단신
AI 가속화 : 컴퓨터 혁명을 주도하는 최첨단 칩 원문보기 1
- 국가 미국
- 생성기관 네이처(nature)
- 주제분류 핵심R&D분야
- 원문발표일 2024-06-04
- 등록일 2024-06-24
- 권호 266
○ AI 영향력에 대한 희망과 우려가 소용돌이치는 가운데, AI칩 시장은 지속적으로 성장하고 있음
- Meta와 같은 회사는 Nvidia GPU에 의존하는 데이터 센터를 건립했고 Google, IBM 같은 회사는 자체 AI칩을 설계했으며, Meta도 자체적으로 작업하고 있음
- 이 칩들은 병렬 컴퓨팅, 보다 접근성이 높은 메모리, 숫자 속기 등을 포함한 다양한 기술을 통해 기존 컴퓨팅의 속도장벽을 극복하는데 도움이 된다는 공통점을 가짐
○ 칩 변화
- 지난 10년 간 딥러닝 혁신의 많은 부분은 기존 컴퓨팅의 주력장치인 중앙처리장치(CPU, central processing unit)에서 벗어났기 때문임
- 2012년 당시 중앙처리장치(CPU)를 사용하는 프로그램은 75%의 정확성을 관리했으나 그래픽처리장치(GPU, Graphics Processing Unit)를 사용하여 훈련받은 신경망 AI가 더 나은 성능을 발휘할 수 있음이 알려진 후, AI 연구원들은 GPU를 사용하고 칩에 크게 의존하게 되었음
○ 칩인(Chipping in)
- AI칩이 수행하는 가장 힘든 작업은 숫자를 곱하는 것이며, 계산속도를 높이기 위해 TPUs나 GPUs와 같은 AI칩은 일종의 디지털 속기를 활용함
○ 칩스 어호이(Chips ahoy)
- AI칩은 너무 많은 것을 기억하는 것을 피하도록 설계되어 있는데, 계산을 수행하는 마이크로프로세서와 메모리가 저장되는 곳 사이에서 데이터를 주고 받는 것은 극도로 많은 시간이 소요되고 에너지 집약적이기 때문임
- GPU와 같은 AI칩의 부상이 CPUs의 종말을 의미하지 않으며, 기본유형 칩 사이의 경계도 모호해지고 있고 CPUs와 GPUs는 혼합하여 사용되고 있음
- Meta와 같은 회사는 Nvidia GPU에 의존하는 데이터 센터를 건립했고 Google, IBM 같은 회사는 자체 AI칩을 설계했으며, Meta도 자체적으로 작업하고 있음
- 이 칩들은 병렬 컴퓨팅, 보다 접근성이 높은 메모리, 숫자 속기 등을 포함한 다양한 기술을 통해 기존 컴퓨팅의 속도장벽을 극복하는데 도움이 된다는 공통점을 가짐
○ 칩 변화
- 지난 10년 간 딥러닝 혁신의 많은 부분은 기존 컴퓨팅의 주력장치인 중앙처리장치(CPU, central processing unit)에서 벗어났기 때문임
- 2012년 당시 중앙처리장치(CPU)를 사용하는 프로그램은 75%의 정확성을 관리했으나 그래픽처리장치(GPU, Graphics Processing Unit)를 사용하여 훈련받은 신경망 AI가 더 나은 성능을 발휘할 수 있음이 알려진 후, AI 연구원들은 GPU를 사용하고 칩에 크게 의존하게 되었음
○ 칩인(Chipping in)
- AI칩이 수행하는 가장 힘든 작업은 숫자를 곱하는 것이며, 계산속도를 높이기 위해 TPUs나 GPUs와 같은 AI칩은 일종의 디지털 속기를 활용함
○ 칩스 어호이(Chips ahoy)
- AI칩은 너무 많은 것을 기억하는 것을 피하도록 설계되어 있는데, 계산을 수행하는 마이크로프로세서와 메모리가 저장되는 곳 사이에서 데이터를 주고 받는 것은 극도로 많은 시간이 소요되고 에너지 집약적이기 때문임
- GPU와 같은 AI칩의 부상이 CPUs의 종말을 의미하지 않으며, 기본유형 칩 사이의 경계도 모호해지고 있고 CPUs와 GPUs는 혼합하여 사용되고 있음
