전체메뉴

세계적으로 AI기술 경쟁이 치열한 가운데 데이터, 알고리즘, 컴퓨팅 파워 등 3가지의 AI자원에 집중한 기술 개발이 승부를 결정할 것이라는 주장이 제기됐다.

최근 한국정보화진흥원은 “데이터, 알고리즘, 컴퓨팅 파워 3대 자원이 균형 있게 발전할 때 AI 기반이 조성되고 생태계 활성화가 가능하다”며 개인과 기업은 물론 정책적 지원을 강조하는 보고서를 펴냈다.

실제로 IT ‘빅3’를 비롯한 글로벌 기업들의 경우 이런 스탠스를 유지하며 세계 AI시장의 주도권을 확보하기 위해 사력을 다하고 있다.

이번 보고서는 특히 데이터, 알고리즘의 발전을 통해 AI 모델의 정확도를 향상시키되 컴퓨팅 파워가 동시에 발전해야 비용이나 시간 절약이 가능하다는 주장도 덧붙였다.

이 기관의 AI미래전략센터 우상근 책임연구원은 <애플경제>와의 통화에서 “데이터, 알고리즘만으로 고성능의 모델을 개발할 수는 있으나 비용 및 시간 측면을 고려하면 비효율적”이라는 연구 결과를 특히 강조했다. 즉 AI 서비스를 개발하여 배포하기 위해서는 데이터와 학습을 위한

알고리즘 그리고 이를 구동하는 컴퓨팅 파워가 핵심 역할을 담당한다는 해석이다.

그에 따르면 일반적으로는 데이터 과학자가 전처리시 데이터 라벨링을 하지만 최근에는 라벨링된 학습 데이터를 활용하는 경우가 많다. 이때 알고리즘은 신경망의 깊이, 학습률, 학습 구조 등 학습 방법을 설정하는 역할을 한다.

개발된 모델 성능을 높이는데 물론 중요한 기능을 수행하는 셈이다. 다만 그렇게 라벨링된 데이터가 알고리즘을 통해 원활히 학습될 수 있도록 하기 위해선 대규모 연산을 위한 컴퓨팅 파워가 필수라는 지적이다.

그런 전제하에서 고도의 데이터셋을 구축하고, 알고리즘 연구(AI core)와 그 결과를 산업에 적용하는 모델링 단계(AI+X)를 조화롭게 보완하고 있다는 것이다. 실제로 글로벌 기업들도 이에 초점을 두고 주력하는 모습을 보이고 있다. 즉 AI 개발을 위해 데이터의 양뿐만 아니라 학습에 쉽게 활용될 수 있는 데이터 확보가 중요함을 인식하고 있는 것도 그와 같은 이치다. 구글의 경우 ‘오픈 이미지 데이터세트 V6,’ MS는 ‘COCO 데이터셋’ 등과 같은 AI 데이터를 구축하고 있다. 또한 이에 기반해 데이터 식별과 검증을 위한 다양한 이미지 챌린지 등을 시도하고 있다.

이와 함께 ‘AI Core’의 경우 초기 가중치를 설정하거나 연산량을 최적화하는 등 알고리즘 방법을 개선하며 알고리즘 성능을 높여가는 노력을 하고 있다. AI+X 분야는 주로 AI Core 연구를 통해 생산된 모델을 미세 조정하는 방식으로 실제 산업 현장에 적용하고 모델을 보완해가고 있다.

이같은 알고리즘 연구를 통해 최신 모델이 발표되면, 실제 산업에 적용해보고 미흡한 점은 다시 피드백되어 새로운 알고리즘을 모색한다. 다음으로 각종 커뮤니티를 통해 최신 알고리즘 및 모델, 알고리즘을 구성하는 코드 등을 공유하며 AI 성능 향상을 가속화하고 있다는 얘기다.

우상근 책임 연구원은 보고서에서 “대부분의 알고리즘은 글로벌 플랫폼(깃허브, 케글)을 통해 공유되고 있으며 알고리즘 설명뿐만 아니라 코드 자체를 공유하고 있다”며 “알고리즘과 코드 공유를 통해 추가 연구에 대한 편의성을 높여 생태계 내에 참여하고 있는 구성원들 간 시너지를 창출하며 사전 훈련된 모델을 공유하고 있다”고 전했다.

국내 연구진도 이런 글로벌 기업들의 AI개발 생태계를 눈여겨봐야 한다는 지적이다. 더욱이 최근 GPU 성능이 지속적으로 향상되고 비용이 저렴해짐에 따라 딥러닝 알고리즘을 활용한 모델 개발의 진입 장벽이 낮아지면서 경쟁은 더욱 치열해지고 있다.

전문가들은 이에 각 기업단위는 물론 정책 차원에서도 이런 글로벌 환경에 대응할 수 있는 조건이 시급하다는 지적이다.

앞서 우상근 책임연구원도 “데이터, 알고리즘, 컴퓨팅 파워 등 3대 자원을 중심으로 한 AI 서비스 개발 생태계가 튼실하게 구축될 수 있도록 민간과 정부의 협업과 지원이 절실한 실정”이라고 강조했다.