2018.05.04

AI 개발에 가장 적합한 5가지 프로그래밍 언어

Ian Pointer | InfoWorld
AI(인공 지능)는 애플리케이션 개발자에게 새롭게 열리는 가능성의 세계다. 머신러닝 또는 딥 러닝을 활용함으로써 훨씬 더 정밀한 사용자 프로필과 개인화, 추천이 가능하며, 스마트 검색, 음성 인터페이스 또는 지능적인 가상비서를 구현하거나 그 외의 다양한 방법으로 앱을 개선할 수 있다. 심지어 보고 듣고 반응하는 애플리케이션도 만들 수 있다.



AI를 깊이 파헤치려면 어떤 프로그래밍 언어를 배워야 할까? 물론 양질의 머신러닝 및 딥 러닝 라이브러리가 많은 언어가 좋다. 또한 런타임 성능이 우수해야 하고 충실한 툴 지원과 대규모 프로그래머 커뮤니티, 견실한 지원 패키지 생태계도 필요하다. 이러한 조건에 부합하는 언어는 꽤 많다.

다음은 필자가 생각하는 AI 개발에 가장 적합한 5가지 프로그래밍 언어, 그리고 5개 안에는 들지 못했지만 후보에 오른 3개 언어다. 이 중에는 요즘 뜨는 언어도 있고 하향세인 언어도 있다. 몇 개월 후에 다시 이 목록을 확인한다면 순위가 바뀌어 있을지도 모르겠다.

1. 파이썬
1위는 파이썬이다. 파이썬 말고 다른 어떤 언어가 1위가 될 수 있겠는가? 파이썬에는 개발자를 미치도록 화나게 하는 면이 있지만(공백, 파이썬 2.x와 파이썬 3.x 사이의 극심한 분열, 각기 다른 면에서 부실한 5가지 패키징 시스템 등) AI 관련 작업을 한다면 어느 시점에는 분명 파이썬을 사용하게 된다.

파이썬의 라이브러리는 다른 언어에서 따라올 수 없는 부분이다. 넘파이(NumPy)는 워낙 보편적으로 사용되는 터라 텐서 연산에서 사실상 표준 API 역할을 한다. 판다스(Pandas)는 R의 강력하고 유연한 데이터프레임을 파이썬으로 가져온다. 자연어 처리(NLP)에서는 이름도 유명한 NLTK와 빠른 속도가 장점인 스페이시(SpaCy)가 있다. 머신러닝 쪽에는 역전의 사이킷-런(Scikit-learn)이 있다. 딥 러닝이라면 현재의 모든 라이브러리(텐서플로우(TensorFlow), 파이토치(PyTorch), 체이너(Chainer), 아파치 MXNet(Apache MXNet), 테아노(Theano) 등)가 사실상 파이썬을 가장 우선시하는 프로젝트다.

arXiv에서 첨단 딥 러닝 연구를 살펴보면 십중팔구는 파이썬으로 된 소스 코드를 찾을 수 있다. 파이썬 생태계에는 그 외의 다른 부분도 있다. 아이파이썬(IPython)은 주피터 노트북(Jupyter Notebook)이 되면서 파이썬 중심에서 다소 벗어났지만 주피터 노트북 사용자와 온라인에서 공유되는 노트북의 대부분은 파이썬을 사용한다.

부정할 수 없다. 파이선은 AI 연구의 최전방에 선 언어다. 대부분의 머신러닝과 딥 러닝 프레임워크는 파이썬용으로 만들어지며, AI 분야에서 일하는 거의 모든 사람들이 파이썬을 이야기한다. 하루에 적어도 한 번은 공백 문제 때문에 욕이 나오게 하는 언어임에도 바로 이러한 이유로 AI 프로그래밍 언어 중 1위로 꼽힌다.

2 자바와 그 친구들
JVM 언어군(자바, 스칼라, 코틀린, 클로저 등) 역시 AI 애플리케이션 개발을 위한 좋은 선택이다. 자연어 처리(CoreNLP), 텐서 연산(ND4J) 또는 GPU 가속 딥 러닝 스택(DL4J) 등, 파이프라인의 모든 부분에서 풍부한 라이브러리를 사용할 수 있다. 또한 아파치 스파크, 아파치 하둡과 같은 빅 데이터 플랫폼에 대한 접근성도 우수하다.

자바는 대부분의 기업에서 국제 공통어로 사용되며, 자바 8과 자바 9에 새로운 언어 구성자가 도입되면서 대부분의 개발자가 기억하는 짜증스러운 코딩 경험에서도 어느정도 벗어났다. 자바를 사용해서 AI 애플리케이션을 코딩하는 과정은 다소 지루하기도 하지만, 어쨌든 소기의 목적은 달성할 수 있다. 또한 개발, 배포, 모니터링을 위한 기존의 모든 자바 인프라를 그대로 사용 가능하다는 것도 장점이다.

3. C/C++
C/C++는 보통 AI 애플리케이션을 개발할 때 가장 먼저 떠오르는 언어는 아니지만, 임베디드 환경을 다루고 자바 가상 머신이나 파이썬 인터프리터의 오버헤드를 감당할 수 없다면 C/C++가 해답이 된다. 시스템에서 마지막 한 방울까지 성능을 짜내야 하는 상황에서는 내키지 않더라도 포인터의 세계로 다시 돌아갈 수밖에 없다.

다행히 현대의 C/C++ 코딩은 즐거운 경험이 될 수도 있다! 여러 가지 접근 방법 중에서 선택이 가능하다. 바닥까지 뛰어들어 CUDA와 같은 라이브러리를 사용해서 GPU에서 바로 실행되는 자체 코드를 작성할 수 있고, 텐서플로우 또는 카페(Caffe)를 사용해서 유연한 고수준 API에 접근하는 방법을 사용할 수도 있다. 후자의 경우 데이터 과학자가 파이썬으로 만든 모델을 가져온 다음 C/C++의 장점인 속도를 십분 발휘해 프로덕션에서 실행하는 것도 가능하다.

이 분야에서 올해 러스트(Rust)가 행보를 주목하라. C/C++의 속도와 형식 및 데이터 안전성을 결합한 러스트는 보안 문제를 유발하지 않으면서 프로덕션 성능을 확보하기 위한 좋은 선택이다. 또한 텐서플로우 바인딩이 이미 제공된다.

4. 자바스크립트
자바스크립트? 요즘 분위기가 심상치 않다. 구글은 최근 웹 브라우저에서 머신러닝 모델의 학습 및 실행이 가능한 WebGL 가속 라이브러리인 TensorFlow.js를 출시했다. 여기에는 케라스(Keras) API, 그리고 정규 텐서플로우에서 학습된 모델을 로드하고 사용할 수 있는 기능도 포함된다. 이는 AI 영역으로 개발자들을 대대적으로 끌어들일 가능성이 높다. 현재 자바스크립트에서 이용할 수 있는 머신러닝 라이브러리는 다른 언어만큼 풍족하지는 않지만, 개발자들이 리액트(React) 구성 요소 또는 CSS 속성을 추가하는 것만큼 아무렇지도 않게 웹 페이지에 신경망을 추가하게 되는 날이 곧 온다. 생각만 해도 기대와 두려움이 동시에 느껴진다.

TensorFlow.js는 초기 단계다. 현재 브라우저에서 작동하지만 Node.js에서는 안 된다. 전체 텐서플로우 API 구현도 아직 되지 않는다. 그러나 필자는 2018년 말까지 이 두 가지 문제가 모두 해결되고, 그 직후 자바스크립트의 AI 침공이 뒤따를 것으로 예상한다.

5.R
R은 상위 5개 언어 가운데 최하위이며 지금도 계속 하락세다. R은 데이터 과학자들이 선호하는 언어다. 그러나 다른 프로그래머들은 R을 처음 접할 때 그 데이터프레임 중심의 접근 방식에 다소 혼란을 느낀다. R만 다루는 개발자 그룹이 있다면 연구, 프로토타이핑, 실험을 위해 텐서플로우, 케라스 또는 H2O와의 통합을 사용하는 것도 좋지만 프로덕션 용도로 R을 추천하기는 망설여진다.

다른 AI 프로그래밍 옵션
물론 AI 프로그래밍이 가능한 언어는 파이썬, 자바, C/C++, 자바스크립트 R 이외에도 더 있다. 상위 5개에는 들지 못했지만 주목할 만한 프로그래밍 언어 3개를 추가로 소개하면 다음과 같다. 이 중에서 두 개는 상승세, 하나는 하락세다.

루아(Lua)
루아는 몇 년 전 인공 지능 세계에서 잘 나가는 언어였다. 토치(Torch) 프레임워크와 함께 딥 러닝 개발에서 가장 인기 있는 언어 중 하나였으며, 지금도 깃허브에서 루아/토치로 모델을 정의하는 과거의 딥 러닝 작업물을 많이 볼 수 있다. 사람들의 지난 작업을 살펴보고 연구하기 위한 목적으로 루아에 대해 잠깐 공부하는 것은 좋다고 생각한다. 그러나 루아의 사용 빈도는 텐서플로우, 파이토치와 같은 프레임워크가 등장하면서 크게 떨어졌다.

줄리아(Julia)
줄리아는 수치 연산에 초점을 둔 고성능 프로그래밍 언어로, 계산 작업이 많은 AI와 잘 어울린다. 현재 언어 선택 측면에서 큰 인기는 없지만 TensorFlow.jl, 모카(Mocha – 카페의 영향을 크게 받음)와 같은 래퍼는 딥 러닝을 충실하게 지원한다. 아직 큰 생태계가 없다는 점에 연연하지 않는다면 고성능 계산을 쉽고 빠르게 수행하는 데 초점을 두는 줄리아의 장점을 활용해 보자.

스위프트(Swift)
기사를 막 게재하려는 때에 텐서플로우용 스위프트(Swift for TensorFlow)가 등장했다. 텐서플로우용 스위프트는 파이썬이 제공하는 사용의 용이함과 컴파일 언어의 속도 및 정적 형식 확인을 결합하는 것을 목표로 하는 프로젝트다. 보너스로, 텐서플로우용 스위프트에서는 넘파이와 같은 파이썬 라이브러리를 가져온 다음 스위프트 코드에서 다른 라이브러리를 사용하 때와 거의 같은 방법으로 사용할 수 있다.

현재 텐서플로우용 스위프트는 개발의 극 초기 단계지만 현대적 프로그래밍 구성자를 만들면서 빠른 컴파일 시간과 안전성을 보장할 수 있다는 것만으로 큰 기대를 품게 한다. 아직 스위프트를 배우지 않았더라도 이 프로젝트에는 주목할 것을 권장한다.  editor@itworld.co.kr

2018.05.04

AI 개발에 가장 적합한 5가지 프로그래밍 언어

Ian Pointer | InfoWorld
AI(인공 지능)는 애플리케이션 개발자에게 새롭게 열리는 가능성의 세계다. 머신러닝 또는 딥 러닝을 활용함으로써 훨씬 더 정밀한 사용자 프로필과 개인화, 추천이 가능하며, 스마트 검색, 음성 인터페이스 또는 지능적인 가상비서를 구현하거나 그 외의 다양한 방법으로 앱을 개선할 수 있다. 심지어 보고 듣고 반응하는 애플리케이션도 만들 수 있다.



AI를 깊이 파헤치려면 어떤 프로그래밍 언어를 배워야 할까? 물론 양질의 머신러닝 및 딥 러닝 라이브러리가 많은 언어가 좋다. 또한 런타임 성능이 우수해야 하고 충실한 툴 지원과 대규모 프로그래머 커뮤니티, 견실한 지원 패키지 생태계도 필요하다. 이러한 조건에 부합하는 언어는 꽤 많다.

다음은 필자가 생각하는 AI 개발에 가장 적합한 5가지 프로그래밍 언어, 그리고 5개 안에는 들지 못했지만 후보에 오른 3개 언어다. 이 중에는 요즘 뜨는 언어도 있고 하향세인 언어도 있다. 몇 개월 후에 다시 이 목록을 확인한다면 순위가 바뀌어 있을지도 모르겠다.

1. 파이썬
1위는 파이썬이다. 파이썬 말고 다른 어떤 언어가 1위가 될 수 있겠는가? 파이썬에는 개발자를 미치도록 화나게 하는 면이 있지만(공백, 파이썬 2.x와 파이썬 3.x 사이의 극심한 분열, 각기 다른 면에서 부실한 5가지 패키징 시스템 등) AI 관련 작업을 한다면 어느 시점에는 분명 파이썬을 사용하게 된다.

파이썬의 라이브러리는 다른 언어에서 따라올 수 없는 부분이다. 넘파이(NumPy)는 워낙 보편적으로 사용되는 터라 텐서 연산에서 사실상 표준 API 역할을 한다. 판다스(Pandas)는 R의 강력하고 유연한 데이터프레임을 파이썬으로 가져온다. 자연어 처리(NLP)에서는 이름도 유명한 NLTK와 빠른 속도가 장점인 스페이시(SpaCy)가 있다. 머신러닝 쪽에는 역전의 사이킷-런(Scikit-learn)이 있다. 딥 러닝이라면 현재의 모든 라이브러리(텐서플로우(TensorFlow), 파이토치(PyTorch), 체이너(Chainer), 아파치 MXNet(Apache MXNet), 테아노(Theano) 등)가 사실상 파이썬을 가장 우선시하는 프로젝트다.

arXiv에서 첨단 딥 러닝 연구를 살펴보면 십중팔구는 파이썬으로 된 소스 코드를 찾을 수 있다. 파이썬 생태계에는 그 외의 다른 부분도 있다. 아이파이썬(IPython)은 주피터 노트북(Jupyter Notebook)이 되면서 파이썬 중심에서 다소 벗어났지만 주피터 노트북 사용자와 온라인에서 공유되는 노트북의 대부분은 파이썬을 사용한다.

부정할 수 없다. 파이선은 AI 연구의 최전방에 선 언어다. 대부분의 머신러닝과 딥 러닝 프레임워크는 파이썬용으로 만들어지며, AI 분야에서 일하는 거의 모든 사람들이 파이썬을 이야기한다. 하루에 적어도 한 번은 공백 문제 때문에 욕이 나오게 하는 언어임에도 바로 이러한 이유로 AI 프로그래밍 언어 중 1위로 꼽힌다.

2 자바와 그 친구들
JVM 언어군(자바, 스칼라, 코틀린, 클로저 등) 역시 AI 애플리케이션 개발을 위한 좋은 선택이다. 자연어 처리(CoreNLP), 텐서 연산(ND4J) 또는 GPU 가속 딥 러닝 스택(DL4J) 등, 파이프라인의 모든 부분에서 풍부한 라이브러리를 사용할 수 있다. 또한 아파치 스파크, 아파치 하둡과 같은 빅 데이터 플랫폼에 대한 접근성도 우수하다.

자바는 대부분의 기업에서 국제 공통어로 사용되며, 자바 8과 자바 9에 새로운 언어 구성자가 도입되면서 대부분의 개발자가 기억하는 짜증스러운 코딩 경험에서도 어느정도 벗어났다. 자바를 사용해서 AI 애플리케이션을 코딩하는 과정은 다소 지루하기도 하지만, 어쨌든 소기의 목적은 달성할 수 있다. 또한 개발, 배포, 모니터링을 위한 기존의 모든 자바 인프라를 그대로 사용 가능하다는 것도 장점이다.

3. C/C++
C/C++는 보통 AI 애플리케이션을 개발할 때 가장 먼저 떠오르는 언어는 아니지만, 임베디드 환경을 다루고 자바 가상 머신이나 파이썬 인터프리터의 오버헤드를 감당할 수 없다면 C/C++가 해답이 된다. 시스템에서 마지막 한 방울까지 성능을 짜내야 하는 상황에서는 내키지 않더라도 포인터의 세계로 다시 돌아갈 수밖에 없다.

다행히 현대의 C/C++ 코딩은 즐거운 경험이 될 수도 있다! 여러 가지 접근 방법 중에서 선택이 가능하다. 바닥까지 뛰어들어 CUDA와 같은 라이브러리를 사용해서 GPU에서 바로 실행되는 자체 코드를 작성할 수 있고, 텐서플로우 또는 카페(Caffe)를 사용해서 유연한 고수준 API에 접근하는 방법을 사용할 수도 있다. 후자의 경우 데이터 과학자가 파이썬으로 만든 모델을 가져온 다음 C/C++의 장점인 속도를 십분 발휘해 프로덕션에서 실행하는 것도 가능하다.

이 분야에서 올해 러스트(Rust)가 행보를 주목하라. C/C++의 속도와 형식 및 데이터 안전성을 결합한 러스트는 보안 문제를 유발하지 않으면서 프로덕션 성능을 확보하기 위한 좋은 선택이다. 또한 텐서플로우 바인딩이 이미 제공된다.

4. 자바스크립트
자바스크립트? 요즘 분위기가 심상치 않다. 구글은 최근 웹 브라우저에서 머신러닝 모델의 학습 및 실행이 가능한 WebGL 가속 라이브러리인 TensorFlow.js를 출시했다. 여기에는 케라스(Keras) API, 그리고 정규 텐서플로우에서 학습된 모델을 로드하고 사용할 수 있는 기능도 포함된다. 이는 AI 영역으로 개발자들을 대대적으로 끌어들일 가능성이 높다. 현재 자바스크립트에서 이용할 수 있는 머신러닝 라이브러리는 다른 언어만큼 풍족하지는 않지만, 개발자들이 리액트(React) 구성 요소 또는 CSS 속성을 추가하는 것만큼 아무렇지도 않게 웹 페이지에 신경망을 추가하게 되는 날이 곧 온다. 생각만 해도 기대와 두려움이 동시에 느껴진다.

TensorFlow.js는 초기 단계다. 현재 브라우저에서 작동하지만 Node.js에서는 안 된다. 전체 텐서플로우 API 구현도 아직 되지 않는다. 그러나 필자는 2018년 말까지 이 두 가지 문제가 모두 해결되고, 그 직후 자바스크립트의 AI 침공이 뒤따를 것으로 예상한다.

5.R
R은 상위 5개 언어 가운데 최하위이며 지금도 계속 하락세다. R은 데이터 과학자들이 선호하는 언어다. 그러나 다른 프로그래머들은 R을 처음 접할 때 그 데이터프레임 중심의 접근 방식에 다소 혼란을 느낀다. R만 다루는 개발자 그룹이 있다면 연구, 프로토타이핑, 실험을 위해 텐서플로우, 케라스 또는 H2O와의 통합을 사용하는 것도 좋지만 프로덕션 용도로 R을 추천하기는 망설여진다.

다른 AI 프로그래밍 옵션
물론 AI 프로그래밍이 가능한 언어는 파이썬, 자바, C/C++, 자바스크립트 R 이외에도 더 있다. 상위 5개에는 들지 못했지만 주목할 만한 프로그래밍 언어 3개를 추가로 소개하면 다음과 같다. 이 중에서 두 개는 상승세, 하나는 하락세다.

루아(Lua)
루아는 몇 년 전 인공 지능 세계에서 잘 나가는 언어였다. 토치(Torch) 프레임워크와 함께 딥 러닝 개발에서 가장 인기 있는 언어 중 하나였으며, 지금도 깃허브에서 루아/토치로 모델을 정의하는 과거의 딥 러닝 작업물을 많이 볼 수 있다. 사람들의 지난 작업을 살펴보고 연구하기 위한 목적으로 루아에 대해 잠깐 공부하는 것은 좋다고 생각한다. 그러나 루아의 사용 빈도는 텐서플로우, 파이토치와 같은 프레임워크가 등장하면서 크게 떨어졌다.

줄리아(Julia)
줄리아는 수치 연산에 초점을 둔 고성능 프로그래밍 언어로, 계산 작업이 많은 AI와 잘 어울린다. 현재 언어 선택 측면에서 큰 인기는 없지만 TensorFlow.jl, 모카(Mocha – 카페의 영향을 크게 받음)와 같은 래퍼는 딥 러닝을 충실하게 지원한다. 아직 큰 생태계가 없다는 점에 연연하지 않는다면 고성능 계산을 쉽고 빠르게 수행하는 데 초점을 두는 줄리아의 장점을 활용해 보자.

스위프트(Swift)
기사를 막 게재하려는 때에 텐서플로우용 스위프트(Swift for TensorFlow)가 등장했다. 텐서플로우용 스위프트는 파이썬이 제공하는 사용의 용이함과 컴파일 언어의 속도 및 정적 형식 확인을 결합하는 것을 목표로 하는 프로젝트다. 보너스로, 텐서플로우용 스위프트에서는 넘파이와 같은 파이썬 라이브러리를 가져온 다음 스위프트 코드에서 다른 라이브러리를 사용하 때와 거의 같은 방법으로 사용할 수 있다.

현재 텐서플로우용 스위프트는 개발의 극 초기 단계지만 현대적 프로그래밍 구성자를 만들면서 빠른 컴파일 시간과 안전성을 보장할 수 있다는 것만으로 큰 기대를 품게 한다. 아직 스위프트를 배우지 않았더라도 이 프로젝트에는 주목할 것을 권장한다.  editor@itworld.co.kr

X