지난 9월 25일 수요일 오석관 405호에서 퓨쳐디자인시스템 기안도 대표님의 ‘하드웨어 딥러닝 가속기’라는 주제로 강의가 열렸다. 퓨쳐디자인시스템은 전자기기 디자이너들이 아이디어를 실현하는데 도움이 되는 솔류션을 개발하고 공급하는 주식회사이다. 기안도 대표님은 이번 특강을 통해 학생들에게 딥러닝의 개발 과정과 가속효과를 높이는 법에 대해 가르쳐 주셨다.

 

기안도 대표님은  주어진 리소스가 있을때 그 것을 통해 결과를 더 빨리 얻어 내는 것이 가속 (acceleration)의 핵심이라고 말씀하셨다. 하드웨어 가속(Hardware acceleration)은 컴퓨팅에서 일부 기능을 CPU에서 구동하는 소프트웨어 방식보다 더 빠르게 수행할 수 있는 하드웨어의 사용을 말한다. CPU로부터 별도로 가속을 수행하는 하드웨어를 하드웨어 가속 장치, 구체적으로 말해 그래픽 처리 장치, 부동 소수점 장치라고 한다. 그렇다면 왜 일반적인 문제에 있어서 가속효과가 선형적으로 증가하지 않는가? 라는 질문에 대표님은 여러 명이 분업하여 협업하게 되면 정보를 전달/ 교류 하는 과정에서 추가적인 비용이 들어가기 때문에 점점 가속효과가 줄어들고 어딘가로 수렴하게 된다고 말씀하셨다.

다음으로는 딥러닝(Deep learning)의 일반적인 프로그래밍 과정에 대해서 설명해 주셨다. 딥러닝을 위해서는 맨 처음으로 해결 또는 처리해야 할 데이터에 대해 충분한 분석이 필요하다. 그 후에는 의도한 결과가 나올 수 있는 방법을 고안해 알고리즘을 만들어야 한다. 그 알고리즘을 프로그래밍 언어로 구체화 시키는것이 마지막 단계이다. 이런 일반적인 방법의 장점은 주어진 일을 잘 해내지만 예상치 못한 문제에는 대처하기 힘들다는 단점을 가지고 있다.

 

 

대표님은 딥러닝과 머신러닝의 차이점에 대해서도 간략히 설명해 주셨다. 우리말로 “기계학습”인 머신러닝은 컴퓨터에 명시적으로 프로그래밍 하지 않고 기계가 직접 데이터를 학습(러닝)함으로써 그 속에 숨겨진 일련의 규칙성을 찾는것이다. 즉, 우리가 가지고 있는 사례 형식의 데이터를 컴퓨터가 학습해, 그를 기반으로 새 데이터를 평가, 예상하고 이를 우리가 활용할 수 있게 한다. 반면 딥러닝은 기계학습의 일부로 데이터의 특징을 사람이 추출하지 않고 데이터 전체를 학습시키고 주로 인공신경망 구조를 사용하여 학습한다. 빅데이터, 즉 인터넷, 사회적 인프라가 잘 구성 되었을 때 딥러닝이 용이하다고 볼 수 있다.

또한 HW를 사용한 가속방법에 대해 설명해 주셨다. 서버연산 독점하던 CPU에  GPU FPGA, TPU 등 다양한 하드웨어(인프라)가 적용이 이뤄지고 있다. 하드웨어의 본질은 인공지능의 효율성을 높이기 위해서는 계산량을 줄이는 것이다. 이를 위해 신경망은 모델교육 (Trainning model)을 하고 있고 이와 같은 교육과정은 지속적으로 개선되고 있다. 리프로그래밍(re-programming)은 숙력된 모델을 쉽게 업데이트 하게 해주며, 프로그래머블 로직은 병렬 아키텍처를 통해 알로리즘 처리를 가속화한다. FPGA는 현장에서 프로그래밍이 가능한 반도체기 때문에 이미 설계가 완료된 이후 출하되는 AISC보다는 유연한 특성이 있다. 한동대 학생들에게 4차산업혁명시대에 중요한 딥러닝과 가속방법에 대해 배울 수 있는 유익한 시간이었다.

 

SW 기자단 정수산나

 

릴레이 특강 – 퓨쳐디자인시스템 기안도대표