Offcanvas
Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.
Offcanvas
1111Some text as placeholder. In real life you can have the elements you have chosen. Like, text, images, lists, etc.

딥러닝

'딥 러닝의 미래 예측' 6가지

딥 러닝(Deep learning)은 많은 요소가 있으며 단순하지도 않다. 인공 신경망의 기본 사항을 마스터한 데이터 과학자라 할지라도 회선, 순환, 생성을 비롯한 모든 다계층 딥 러닝 알고리듬의 복잡한 내용을 다 따라잡으려면 꽤 많은 시간을 들여야 할 것이다. 딥 러닝 혁신이 확산되면서 일반적인 개발자는 쉽게 접근하지 못할만큼 지나치게 기술이 복잡해질 위험도 커지고 있다. 그러나 필자는 2020년 정도가 되면 딥 러닝 산업이 제시하는 여러 개념이 대폭 간소화되어 보편적인 개발자도 쉽게 이해하고 활용할 수 있게 되리라고 확신한다. 딥 러닝 툴, 플랫폼, 솔루션 간소화를 향한 큰 추세를 보면 다음과 같다. 1. 딥 러닝 산업은 핵심 표준 툴 집합을 채택할 것이다 2020년 정도가 되면 딥 러닝 커뮤니티는 사실상의 표준이 될 몇 가지 핵심 툴 프레임워크 집합으로 수렴된다. 현재 딥 러닝 전문가들이 사용할 수 있는 툴 옵션은 과잉 상태이며 그 대부분은 오픈소스다. 가장 인기있는 툴에는 텐서플로우(TensorFlow), 빅DL(BigDL), 오픈딥(OpenDeep), 카페(Caffe), 씨아노(Theano), 토치(Torch), MX넷(MXNet) 등이 포함된다. 2. 딥 러닝은 스파크(Spark) 내에서 네이티브로 지원된다 스파크 커뮤니티는 향후 12~24개월 내에 스파크 플랫폼의 네이티브 딥 러닝 기능을 강화할 것이다. 최근 스파크 서밋의 세션 내용을 근거로 판단하면 스파크 커뮤니티는 텐서플로우에 대한 지원을 강화하는 것으로 보이며, 빅DL과 카페, 토치 도입도 증가하고 있다. 3. 딥 러닝은 개방형 분석 생태계 내에서 안정적인 틈새 시장을 찾을 것이다 대부분의 딥 러닝 환경은 이미 스파크, 하둡(Hadoop), 카프카(Kafka) 및 기타 오픈소스 데이터 분석 플랫폼에 의존하고 있다. 이런 다른 플랫폼이 제공하는 종합적인 빅데이터 분석 기능 없이는 딥 러닝 알고리즘을 충분히 교육하거나 관리, 구축할 수 없다는 것이 점차...

스파크 딥러닝 2017.02.28

바이두, 딥 러닝 프레임워크로 '퀴베르네시스' 채택

바이두(Baidu)의 딥 러닝 오픈소스 프레임워크 패들패들(PaddlePaddle)이 이제 쿠버네티스(Kubernetes) 클러스터 관리 시스템과 호환된다. 이를 통헤 쿠버네티스를 실행할 수 있는 어느 곳에서나 대규모 모델을 교육시킬 수 있게 됐다. 이 호환성은 단순히 패들패들 교육에 사용 가능한 시스템의 범위를 확장할 뿐만 아니라 두 프로젝트를 기반으로 한 포괄적인 종단간 딥 러닝도 제공한다. Credit: Activedia via pixabay 빅 K를 사용한 교육 딥 러닝 프레임워크가 결과를 생산하기 위해서는 주어진 데이터 집합을 사용해 교육을 시켜야 한다. 이 교육 프로세스는 프로세서 집약적인데다 시간도 많이 소비되지만 클러스터로 분산 실행하면 속도를 높일 수 있다. 바이두는 기계 번역, 검색 결과 순위 계산 등의 작업을 위한 모델을 클러스터를 통해 교육시키기 위해 패들(PArallel Distributed Deep LEarning, PADDLE, 즉 병렬 분산 딥 러닝)을 만들었다. 그리고 쿠버네티스 기여 업체인 코어OS(CoreOS)의 도움을 받아 이러한 클러스터를 관리하기 위해 쿠버네티스를 도입했다. 쿠버네티스는 수요에 따른 확장 또는 리소스 기반의 할당이 가능하므로 리소스 요구에 따라 작업을 클러스터로 묶거나 분산시켜 패들패들의 효율성을 높여준다. 바이두는 이번 변화에 대한 블로그 글에서 "GPU가 필요한 패들패들 작업과 큰 메모리 또는 디스크 I/O 처리량 등 다른 리소스가 필요한 작업을 동일한 물리적 컴퓨터 집합에서 조합할 수 있다"고 전했다. 바이두의 패들패들 기술 책임자인 위 왕은 쿠버네티스가 내고장성(fault tolerance)도 제공한다고 강조했다. 왕은 "스케일링 가운데 일부 작업의 컨테이너/프로세스에 장애가 발생하더라도 이런 작업이 보류되거나 멈추지 않도록 하고자 했다. 우리가 원하는 것은 속도가 느려지더라도 계속 실행되는 것"이라고 말했다. 진보적인 ...

바이두 머신러닝 딥러닝 2017.02.14

스마트 기계, 친구일까 적일까?

전 세계 지식 근로자들은 이제 정신을 바짝 차려야 합니다. 곧 일자리 경쟁이 고조될 것이기 때문입니다. 새로운 경쟁자는 사회성이 부족하지만, 순수한 능력만으로 이를 만회하며, 상호작용을 할 때마다 그 능력은 향상됩니다. 경쟁자는 여러분보다 똑똑하고 빠르며 24시간 내내 일할 수도 있습니다. 음식과 물, 잠도 필요 없습니다. 스마트 기계의 시대란 이런 것입니다. 공상과학 소설 이야기가 절대 아닙니다. 가트너의 예측에 따르면 2018년에는 고속 성장 기업의 50%에서 스마트 기계의 수가 인간 직원을 넘어서게 될 것이라고 합니다. 기계 인식은 데이터 분석, 모바일, 데이터 센터 인프라, IoT와 같이 계속 진화 중인 여러 기술을 취합한 것입니다. 규모와 관계없이 첨단 분석을 지원할 수 있는 새로운 IT 인프라와 더불어, 데이터 양의 폭발적인 증가로 인해 기계 인식은 당장이라도 돌풍을 일으킬 태세입니다. 한 예로, 인지 시스템은 인공지능(AI)의 엔진 역할을 합니다. 인지 시스템은 먼저 막대한 분량의 데이터를 받아들입니다. 그런 다음 연관성이나 패턴을 찾아 측정하고 그러한 패턴을 기초로 답변이나 조언을 제공합니다. 끝으로 새로운 데이터가 도착하면 실시간으로 조정하고 향상시키며 학습합니다. 이를 통해 수술실 일정 관리를 강화하거나 은퇴 계획에 대한 조언을 할 수도 있고 자연 재해 발생 후 전체 운송편의 경로를 수정할 수도 있습니다. 인지 시스템은 학습과 이해가 가능한 인공 시스템으로 컴퓨터 또는 딥러닝 알고리즘을 실행하는 신경망에 구축될 수도 있고, 뉴로모픽 칩을 하드웨어로 이용하게 될 수도 있습니다. 물론 이 모두를 한꺼번에 갖출 수도 있습니다. 인지 시스템은 센서, 스트리밍되는 생체인식 정보, 컴퓨터 비전 기술, 데이터 피드 등 수많은 출처에서 데이터를 얻을 수 있습니다. 미래에는 로봇과 드론 자체가 인지 시스템이 될 것입니다. 사고 및 학습이 가능한 시스템에 팔과 다리, 날개가 달리는 셈입니다. 하지만 만약 기존 컴퓨팅 시스템을...

알고리즘 인지시스템 딥러닝 2017.01.17

AMD, 머신러닝용 라데온 인스팅트 GPU 발표…AI 시장 추격 나선다

AMD가 라데온 인스팅트(Radeon Instnct) 제품군을 발표하며 엔비디아와 인텔의 뒤를 쫓아 머신러닝 시장에 뛰어들었다. AMD는 2017년에 새로운 브랜드로 세 가지 제품을 출시할 계획이다. 라데온 인스팅트 GPU를 탑재한 AMD의 머신러닝 서버 수동 냉각 방식의 라데온 인스팅트 MI6는 폴라리스 아키텍처를 기반으로 할 예정이며, 최고 5.7테라플롭의 성능, 224Gbps의 메모리 대역폭에 150와트의 전력을 소비한다. 좀 더 작은 폼팩터의 피지 기반 라데온 인스팅트 MI8은 8.2테라플롭의 성능과 512GB의 메모리 대역폭에 175와트의 전력을 소비한다. 라데온 책임자 라자 코두리가 신형 라데온 인스팅트 MI6을 소개하고 있다. 마지막 GPU인 MI25는 AMD의 새로운 베가(Vega) 아키텍처를 기반으로 하며, 300와트의 전력을 소비한다. 새로운 고대역 캐시와 컨트롤러가 특징이다. AMD는 MI25의 구체적인 성능은 공개하지 않았지만, 엔비디아의 최고 성능 GPU보다 더 높은 성능을 제공할 것이라고 주장했다. 하지만 MI6가 5.7테파플롭, MI8이 8.2테라플롭인 점으로 미루어, MI25는 최고 25테라플롭의 성능을 제공할 것으로 짐작할 수 있다. 이는 현재 엔비디아의 최고 성능 GPU인 타이탄 X 파스칼 카드의 11테라플롭을 능가하는 성능이다. AMD는 자사의 라데온 인스팅트 GPU가 이미 엔비디아의 타이탄 X 파스칼 카드의 성능을 능가하고 있다고 주장한다. 머신러닝은 무인자동차부터 인공지능 챗봇까지 다양한 영역에 활용되고 있으며, 구글, 엔비디아, 인텔 등의 주요 업체는 AI에 중점을 둔 하드웨어 개발에 적지 않은 자원을 투자하고 있다. 라데온 인스팅트는 이 시장을 노린 AMD의 승부수가 될 것으로 보인다. 문제는 상대적으로 자금력이 부족한 AMD가 이 시장에서 제대로 경쟁할 수 있을지이다. 엔비디아는 이미 몇 세대에 걸쳐 제품을 출시하며 앞서가고 있으며, 구글은 지난 5월 TPU(Ten...

AMD GPU 인텔 2016.12.13

2017년을 넘어 이어질 9가지 엔터프라이즈 기술 동향

올해 엔터프라이즈 기술을 한 단어로 요약하자면 명확성(clarity)이다. 컨테이너, 마이크로서비스, 클라우드 확장성, 데브옵스, 애플리케이션 모니터링과 스트리밍 분석을 둘러싼 새로운 생태계가 일시적 유행이 아니라는 점은 밝혀졌다. 미래의 기술로서, 이미 실리콘 밸리와 시애틀의 최첨단 기업들을 움직이고 있다. 동시에 이 신세계와 대부분의 기존 엔터프라이즈 IT 운영 사이의 간격이 더 커지고 있음도 사실이다. 열기가 식긴 했어도 "디지털 트랜스포메이션"이라는 용어가 아직 사라지지 않은 이유도 그래서다. 레거시에서 현대적 시스템으로 도약하기 위해서는 여러 단계에 걸친 방대하고 전반적인 변화가 필요하다. 그렇다면 2017년은 어떨까? 엔터프라이즈 기술의 현재 상태를 알면 앞을 예견하기도 그만큼 쉽다. 그래서 필자는 내년과 그 이후의 9가지 엔터프라이즈 기술 동향을 예측했다. 가장 확실한 것부터 차례로 살펴보자. 1. 진보된 협업 몇 년에 걸친 "비즈니스 소셜 네트워킹"의 실패 이후, 슬랙(Slack)과 슬랙을 중심으로 한 생태계는 채팅 기반 협업을 핵심 비즈니스 애플리케이션으로 부상시켰다. 물론 힙챗(HipChat)부터 플록(Flock)에 이르기까지 많은 경쟁업체들이 있고, 마이크로소프트 팀(Teams)이 슬랙을 격파할 수 있을지에 대해서도 큰 관심이 쏠리고 있다. 특히 팀은 오피스 365에 무료로 제공된다. 필자 개인적으로는 단순한 채팅 기반 협업이 이렇게 부상했다는 사실이 신기하다. 채팅방이라는 개념은 IRC 시절부터 항상 있었기 때문이다. 개발자들은 리누스 토발즈가 리눅스 커널 리버전을 관리하기 위한 방편으로 깃(Git)을 제안했을 때부터 더 심층적인 형태의 협업을 수행해왔다. 현재 가장 널리 사용되는 깃 구현은 깃허브(GitHub)와 비트버킷(Bitbucket), 깃랩(GitLab)이다. 존 유델 등은 깃허브가 코드를 넘어 온갖 것의 협업을 위한 토대를 제공할 수 있다고 주장한다. 더 흥미...

전망 SQL 엔터프라이즈 2016.12.07

아마존이 MXNet을 딥러닝 플랫폼으로 선택한 이유

아마존 CTO 워너 보겔스는 MXNet이 “아마존이 선택한 딥러닝 프레임워크”가 될 것이라고 밝혔다. 아마존이 MXnet을 선택했다는 것은 일부에게는 놀라운 일로 여겨질 수 있는데, 텐서플로우부터 테아노(Theano), 토치(Torch), 카페(Caffe) 등 더 잘 알려져 있는 프레임워크가 많기 때문이다. 아마존은 MXNet이 확장성이 좋고 다른 어떤 프레임보다 빠르게 구동할 수 있기 때문이라고 설명했다. 하지만 다른 동기도 작용했을 것으로 보인다. MXNet는 올해 초 인포월드가 선정한 2016년 오픈소스 루키로 선정될 만큼 주목을 받고 있는 프레임워크이다. 여러 가지 장점 중 작은 크기와 크로스 플랫폼 이식성이 가장 두드러지는데, 보겔스 역시 이 두 가지 특징을 칭찬했다. 보겔스는 “코어 라이브러리가 단일 C++ 소스 파일에 들어가며, 안드로이드와 iOS용으로 컴파일할 수 있다”고 강조했다. 개발자가 다양한 프로그래밍 언어를 사용할 수 있다는 것도 장점인데, 파이썬, C++, R, 스칼라, 줄리아, 매트랩, 자바스크립트를 사용할 수 있다. 하지만 아마존아 가장 주목한 것은 확장성이다. 보겔스는 인셉션 v3 이미지 분석 알고리즘을 사용한 MXNet의 학습 처리량 벤치마크를 발표하고, 여러 대의 GPU를 사용하면 선형적인 성능 향상 효과를 얻을 수 있다고 주장했다. 128개의 GPU를 사용했을 때 MXNet은 단일 GPU를 사용한 것보다 109배 빠른 성능을 보였다. 아마존의 장기적인 계획에는 MXNet을 클라우드 서비스로 제공해 수익화하는 것도 포함됐다고 보는 것이 맞을 것이다. 이 서비스는 아마존의 기존 머신러닝 서비스를 통해 이루어질 필요도 없다. 아마존이 이미 판매하고 있는 기존 딥러닝 AMI와 같은 공식 지원 머신 이미지로 구현할 수도 있다. 전자는 쉽게 사용할 수 있는 소비자 제품을 원하는 고객에게, 그리고 후자는 모든 것을 직접 제어하기를 원하는 고객에게 적합하다. 한편 아마존...

아마존 딥러닝 텐서플로우 2016.11.24

“입 모양 읽고, 희귀병 진단하고” AI가 인간보다 뛰어난 분야들

수백만 년 동안, 인간은 거의 모든 분야에서 지구상의 다른 생명체들보다(예컨대 돌고래나 오랑우탄 같은) 뛰어난 능력을 보여왔다. 물론 수영이나 나무 오르기 같은 것은 예외지만 말이다. 최근 몇 년 사이 인류는 여러 분야에서 그 자신을 능가하는 새로운 형태의 지능을 만들어냈다. 이러한 인공지능(AI)중에서 가장 유명한 것이 아마도 딥마인드(Deepmind)가 개발한 알파고 일 것이다. 알파고는 불과 몇 년 만에 그 역사가 4,000년에 이르는 바둑의 전략을 학습해 2 명의 세계 정상급 기사들과의 대국에서 승리를 거두었다. 딥마인드가 개발한 소프트웨어 중에는 8비트 비디오 게임 '브레이크아웃(Breakout)을 플레이 할 수 있는 인공 지능도 있다. 방망이로 공을 쳐서 벽돌을 떨어뜨리는 게임이다. 이 AI는 별도의 지시 없이 화면만 보고 게임 플레이 방식을 익혔다고 딥마인드 CEO 데미스 하사비스는 자랑스레 말했다. 먼저 화면의 숫자를 읽는 법과 숫자 세는 법을 가르쳐준 후 점수를 최대한 높게 받으라는 명령을 줬을 뿐이었다. 아무리 똑똑한 AI여도 최초의 룰과 동기 부여에 관한 힌트는 필요했던 것 같다. 하지만 AI가 할 수 있는 일이 이게 전부일까? AI가 인간과 비슷한, 혹은 더 우수한 역량을 보여주는 다섯 가지 분야를 소개한다. 나무 블록으로 탑 쌓기 AI라고해서 비디오 게임만 하는 것은 아니다. 가끔은 실제 장난감도 가지고 논다. 마치 인간 아기들처럼, AI도 나무 블록을 쌓아 올리고 무너지는 모습을 보며 기본적인 물리 지식을 익힌다. 페이스북 리서치팀은 회선 신경망(convolutional neural network)을 이용한 AI를 개발했다. 이 AI는 블록으로 쌓은 탑이 무너지는 영상만을 보여주었을 뿐인데 이 정보로부터 인간과 비슷한 수준으로 실제 블록이 무너질 상황을 정확히 예측해내기도 했다. 입 모양 읽기 다른 사람의 입 모양만 보고 그 사람이 무슨 말을 하고 있는지 추측하는 건 결코 쉽지 않은 일이지만...

인공지능 AI 머신러닝 2016.11.18

페이스북, 딥러닝으로 뉴스피드 관련성 높여

하루 10억 명 이상의 사용자들에게 서비스를 제공하는 페이스북은 사용자에게 맞춤형 뉴스피드를 제공하기 위해 딥 러닝을 사용하고 있다. 페이스북 소프트웨어 엔지니어인 앤드류 툴로치는 최근 @스케일 컨퍼런스에서 사용자에게 최고로 개인화된 콘텐츠를 찾는 것이 도전 과제 중 하나라고 말했다. 그는 “지난 몇 년간 점점 더 많은 딥러닝 기술을 사용자들이 보는 피드를 구성하는 머신러닝 모델에 적용하고 있다”고 말했다. 신경 네트워크 같은 개념을 적용하기 위해서 딥러닝은 이벤트 예측, 기계 번역 모델, 자연어 이해, 컴퓨터 시각 서비스 등에 사용된다. 특히 이벤트 예측은 페이스북의 가장 큰 머신러닝 과제 중 하나로, 사용자를 위해 수천개 중에서 2개의 게시물을 몇 초 안에 꼽아야한다. 툴로치는 “관련성을 예측하는 것은 큰 도전 과제며, 텍스트, 이미지나 동영상의 픽셀, 소셜 맥락 등 여러 콘텐츠 요소의 이해를 통해서 이루어진다”고 설명했다. 페이스북은 또한 매일 100개 이상의 언어로 올라오는 게시물을 처리해야 하는 문제도 안고 있다. 툴로치에 따르면, 이는 전통적인 머신 러닝을 더욱 복잡하게 만드는 요소다. 텍스트 이해를 위해서 페이스북은 딥텍스트(DeepText) 텍스트 이해 엔진을 활용하고 있다. 추가로 페이스북은 시각적인 콘텐츠도 다뤄야 한다. 툴로치는 “사진이나 동영상을 픽셀을 통해서 이해하는 것은 굉장한 도전 과제다”라고 전했다. 페이스북은 딥러닝을 통해 컴퓨터 시각 처리를 발전시키고 있다고 설명했다. 또한, 페이스북은 이미지에 필터 적용을 위해 콘볼루션(convolution)을 적용한다. 페이스북은 고도의 시맨틱(semantic) 이해를 위해 콘볼루션을 최적화해왔다. 톨루치는 딥러닝이 포괄적인 기술을 의미하며, 페이스북 내에 다양한 접근법을 통해 구체화되고 있다고 덧붙였다. editor@itworld.co.kr

페이스북 뉴스피드 딥러닝 2016.09.05

토픽브리핑 | "가상현실과 인공지능에 승부수" 인텔 IDF 2016 정리

인텔의 연례 최대 행사인 IDF(Intel Developer Forum)가 이번 주 열렸다. 가상현실과 증강현실, 인공지능 등에 관한 주요 발표가 있었던 이번 행사를 통해 인텔이 PC가 아닌 가상현실과 인공지능에 주력할 것임을 분명히 했다. 최초의 오픈소스 서드파티 홀로렌즈 인텔 ‘프로젝트 앨로이’…가상현실로 영역 확대 MS “모든 윈도우 10 PC에 홀로그래픽 혼합현실 구현 예정” IDG 블로그 | 인텔 프로젝트 앨로이, PC의 구세주 될 것인가 우선 IDF 현장에서 가장 주목을 받은 것은 프로젝트 앨로이(Project Alloy) 가상현실 헤드셋이다. 앨로이 헤드셋을 착용한 연주자가 무대에 올라 가상의 드럼을 연주했는데, 현재 나와있는 가상현실 헤드셋과는 달리 PC나 스마트폰에 연결되지 않았고, 컨트롤러가 없어도 손동작을 정확히 인식했다. 프로젝트 앨로이는 마이크로소프트와의 합작으로 만들어진 것이다. 윈도우 홀로그래픽(Windows Holographic)으로 구동되며, 한 쌍의 리얼센스 카메라로 외부 세계를 탐지한다. 마이크로소프트는 IDF에서 2017년 중 윈도우 10 업그레이드를 통해 모든 윈도우 10 PC에서 홀로그래픽 혼합현실을 구현할 수 있도록 할 것이라고 발표했다. 인텔이 프로젝트 앨로이 헤드셋을 실제로 출시할지, 아니면 협력 업체에게 레퍼런스 디자인으로 제공할지는 확실치 않다. 하지만 인텔이 가상현실을 통해 PC의 부활을 꿈꾸고 있는 것은 확실해 보인다. 인텔, AI 전략 주도할 메가칩 나이츠 밀 공개 고성능 GPU의 부재… 인텔 AI·VR 전략의 걸림돌 될까 한편, 인텔은 다소 조용했던 머신러닝 및 인공지능 영역의 전략도 나이츠 밀(Knights Mill) 칩과 함께 공개했다. 나이츠 밀은 이 영역의 경쟁자인 엔비디아나 AMD의 고성능 GPU와는 다른 접근법을 취한다. CPU에 기반을 두고 있기 때문에 별도의 CPU가 필요 없...

인텔 가상현실 인공지능 2016.08.19

딥러닝으로 창고 정리하는 로봇, 아마존 대회서 우승

거대한 아마존 물류 창고에서 일하는 로봇이 딥러닝으로 상품을 정리하는 날이 올 것 같다. 2016 아마존 피킹 챌린지에서 우승한 델프트팀의 로봇. Credit: Delft University of Technology 아마존은 항상 창고 관리 효율을 높이기 위해 새로운 로봇 기술을 발굴하고자 한다. 올해 아마존 행사에서 딥러닝이 창고 효율 개선에 쓰일 방법이 소개됐다. 올해로 두번째로 열린 연례 행사인 아마존 피킹 챌린지(Amazon Picking Challenge)에서 네덜란드의 TU델프트 로봇공학협회(TU Delft Robotics Institute of the Netherlands)와 로봇회사인 델프트로보틱(Delft Robotics)이 한팀으로 출전해 우승을 차지했다. 올해 아마존 행사는 독일 라이프치히에서 열린 로보컵 2016(Robocup 2016)과 관련해 개최됐다. 아마존의 제시 과제인 피크 태스크(Pick Task)는 창고 선반에서 물건을 들어 올려 컨테이너로 포장했던 지난해와 비슷했는데, 올해 새로운 ‘스토우 태스크(Stow Task)’는 수하물을 가져와 창고에 쌓는 것과 관련된 것이었다. 참가팀들은 여러 상품들이 뒤섞여 있는 선반에서 12개를 상품을 골라 가능한 최단 시간 내에 안전하게 컨테이너로 정리해야 했다. 세계 각국에서 참가한 가운데 16개 팀이 결승전에 올랐는데, 델프트팀이 로봇 팔, 3D 카메라, 딥러닝 인공지능으로 대회 첫날 우승했다. 이 시스템의 구성요소는 산업용 로봇운영체제(ROS-Industrial)로 개발됐고 공개 소프트웨어로 출시될 예정이다. 스토우 태스크는 참가팀들에 컨테이너에서 뒤섞여 있는 12가지 상품을 선반 위에 있는 통으로 옮기라는 또다른 과제도 제시했는데, 델프트팀은 여기서도 우승해 총 미화 5만 달러에 달하는 상금을 받게 될 것으로 알려졌다. 이 로봇은 7일 목요일 TU 델프트의 과학센터에서 시연을 선보일 예정이다. ciokr@idg.co....

로봇 아마존 딥러닝 2016.07.07

페이스북, ‘사람 수준으로’ 내용을 이해하는 딥텍스트 A.I. 공개

페이스북이 목요일 사용자의 페이스북 게시물과 리플을 분석할 수 있는 딥러닝 기반 엔진 딥텍스트 AI.를 개발했다. 페이스북은 딥텍스트가 “사람 수준의 정확도”를 구현한다고 말했다. 딥텍스트는 사용자 이해도를 높이면서 관심사를 파악할 수 있는 방법으로 사용될 것으로 보인다. 페이스북에 따르면, 딥텍스트는 딥러닝을 통해 초당 수천 개의 사용자 게시물을 읽고 이해한다. 딥러닝은 인공 신경과학 네트워크에 기반한 머신러닝의 일종이다. 가브리엘 컨설팅 그룹 애널리스트 댄 올즈는 “머신러닝을 아주 잘 활용한 사례”라고 말했다. “컴퓨터를 훈련시켜 개별 단어뿐 아니라 속어와 섞였을 때의 의미를 이해하면, 사용자들의 제품 경험을 개선할 수 있다. 사용자의 요구사항을 파악하거나 스팸 같은 불쾌한 콘텐츠를 제거할 수 있게 된다”는 의견이다. 개인 애널리스트 제프 케이건은 인공지능 활용 빈도가 향후 수년 간 급격히 증가해 기업과 사용자 간 소통을 지원할 것이라고 말했다. 케이건은 “모든 기업이 인공지능이라는 열차에 올라탈 것이다. 물론 도입 초기에는 신기술을 낯설어하고 생소해할 사용자도 많을 것이다. 그러나 산업 전반에 걸친 거대한 변화임은 틀림없다”고 말했다. 페이스북은 페이스북 메신저를 대상으로 20개국 언어에 딥텍스트를 실험해 왔다. 예를 들어 사용자들이 어딘가에 가고 싶다고 대화하는 내용을 알아듣기 위해서다. 페이스북은 “딥텍스트는 사용자의 발화 의도 이해와 독립 추출에 사용된다. 사용자가 “지금 막 택시에서 내렸다”고 말했을 때, 이 문장이 “택시를 잡아야겠다”의 의미가 아니며 사용자가 택시를 찾고 있지 않음을 이해하는 것”이라고 밝혔다. 머신러닝 기술은 메신저뿐 아니라 페이스북 웹 사이트에서도 사용자 지원에 활용된다. 페이스북은 “예를 들어, 한 사용자가 “중고...

페이스북 인공지능 AI 2016.06.03

'GPU 대항마 못 된다'···엔비디아 CEO, 구글 AI 칩 평가

엔비디아의 미래 전략 중심에는 인공지능 분야를 겨냥한 고성능 그래픽 칩이 있다. 구글이 2주 전 독자적인 AI 칩을 개발해 자사 데이터센터에 적용하겠다는 계획을 발표한 사실이 엔비디아에게는 달갑게 느껴졌을 리 없다. "몇몇 딥러닝 업무에는 여전히 GPU가 왕이다." 엔비디아 젠슨 황 CEO / Credit: James Niccolai 구글의 텐서 프로세싱 유닛(TPU)는 AI로부터 뻗어나온 가지 중 하나인 딥러닝에 특화돼 있다. 이 칩을 통해 소프트웨어는 스스로를 학습시키게 된다. 객체를 인식하거나 음성 언어를 이해할 수 있게 되는 것이다. TPU가 구글에서 활용되어온 지는 1년이 넘었다. 검색 및 구글 맵 내비게이션 향상 등의 용도였다. 구글에 따르면 이 칩은 전성비, 즉 와트 당 성능을 극대화할 수 있다. 엔비디아에게 구글의 이러한 움직임은 반갑지 않을 수 있다. 엔비디아는 최근 파스칼 마이크로아키텍처를 개발해 머신러닝 분야를 노리고 있기 때문이다. AI, 게이밍, VR 분야도 함께다. 회사의 젠슨 황 CEO는 대만 타이페이에서 열리고 있는 컴퓨텍스 전시회에서 구글의 칩을 평가절하하는 듯한 뉘앙스의 발언을 전했다. 그는 딥러닝에는 2가지 측면이 있다며 이야기를 시작했다. 트레이닝과 추론(inferencing)이 그것이다. 그는 이어 GPU가 트레이닝 측면에서 우월하다고 강조했다. 참고로 트레이닝은 알로리즘에 방대한 양의 데이터를 전달해 무언가를 더 잘 인식하도록 하는 것과 관련 있으며, 추론은 알고리즘이 학습한 것을 미지의 입력체에 적용하는 것과 관련 있다고 그는 설명했다. 젠슨 황은 "트레이닝은 수십 억 배 더 복잡하다"라며, 트레이닝 분야야말로 엔비디아의 GPU가 우우월한 영역이라고 강조했다. 그는 구글의 TPU에 대해 "추론 작업을 위한 것"이라며, 알고리즘을 트레이닝 하는 기간은 수 주에서 몇 개월까지 걸리지만 추론은 찰나에 이뤄진다고 덧붙였다. 이와 함께 그...

CPU GPU 인공지능 2016.05.31

IT리더에게 듣는다 | "쉽게 바꿀 수 있는 IT인프라 지향" 티켓몬스터 이승배 CTO

한국IDG의 미래 IT환경 준비 현황 조사에는 231명의 국내 기업 IT담당자들이 참여했으며, 이 결과를 토대로 <CIO Korea>는 기업 IT를 총괄하는 CIO들을 만나 심층 인터뷰를 진행했다. <CIO Korea>는 ‘미래를 준비하는 IT리더’ 인터뷰 시리즈를 연재하고 있다. <편집자 주> “시장이 너무 빨리 바뀌기 때문에 완벽하게 준비하면 오히려 나중에 가서 쓸 수 없게 돼 비용을 낭비한 결과가 될 수 있습니다. 어떤 시스템을 구축하거나 구매하려 할 때, 앞으로 이것이 얼마나 바뀔지를 먼저 고려합니다. 쇼핑 비즈니스에서 절대 바꾸지 않는 것이 있다면, 그것은 저렴한 가격을 찾는 소비자들입니다. 하지만 개인화 전략은 시장 상황이나 방향에 따라 달라질 수 있습니다.” 티켓몬스터(이하 티몬)에서 IT를 총괄하는 이승배 CTO는 경쟁이 치열하고 빠르게 변화하는 유통산업의 IT인프라 방향에 관해 ‘쉽게 바꿀 수 있는 IT’를 강조했다. 한국IDG의 ‘엔터프라이즈 IT의 미래 준비 현황과 과제‘ 조사에 따르면, 미래의 변화를 인식하고 있지만, 준비는 부족한 수준이라는 답변이 61%로 가장 많았다. 티몬의 경우 완벽한 IT인프라로 준비하겠다기보다는 쉽게 바꿀 수 있는 유연한 환경을 지향한다는 것이다. 시스템 기능, 작고 단순하게… 변경으로 발생할 영향 ↓ 이 CTO는 “전문 용어로 로우 커플링(low coupling)이라고 하는데 이를 최소화하고 단위를 잘게 만드는 어떤 시스템을 새로운 기술로 만들거나 새로운 방법으로 바꿨을 때 그 여파를 적게 만들려면 이 시스템의 기능이 작고 단순해야 한다”며 “그렇게 만드는 데 초점을 맞춘다”고 이야기했다. 현재 외국에서 가장 많이 쓰이는 아키텍처 레퍼런스 모델은 마이크로서비스 아키텍처(MSA)다. 티몬은 MSA에 나온 것을 ...

CIO 딥러닝 고객경험 2016.03.21

알파고란 무엇인가: 알고리즘과 학습 방법으로 이해하는 알파고

"일어나 보니 세상이 달라져 있었다." 이는 이세돌과 알파고 둘 모두에게 해당하는 말이다. 3월 9일부터 15일까지 구글 딥마인드 챌린지 매치에서 이세돌은 인간지능의 대표로, 알파고는 인공지능의 대표로 바둑 대결을 펼쳤다. 이세돌은 인간만이 가질 수 있는 불굴의 의지와 도전정신, 그리고 마지막까지 최선을 다하는 모습을 보여줘 감동을 줬으며, 알파고는 세계 정상급의 바둑 실력을 발휘함으로써 전세계를 놀라게 했다. 이세돌 9단과의 대결에서 4승 1패로 승리한 구글 딥마인드의 알파고(Alphago)는 구글의 인공지능만이 아닌 인공지능 발전의 대표격으로 부각됐다. 발전한 것은 사실이지만 거품과 환상 많다 알파고(AlphaGo)는 구글 딥마인드가 개발한 인공지능 바둑 프로그램으로, 기존 인공지능 바둑 프로그램과의 대결에서 495전 494승을 기록(승률 99.8%)했으며, 지난해 10월에는 유럽 바둑 챔피언인 판후이를 상대로 5대 0 승리를 한 바 있다. 특히 알파고는 세계 최고의 프로바둑기사 이세돌 9단과의 대결에서 4승 1패로 승리를 거둬 인공지능의 우수성을 입증했다. 사실 바둑은 인공지능이 후세대까지 풀지 못할 과제로 인식되어 왔기 때문이다. 그렇지만 알파고는 현존 최강의 인공지능도 아니며 모든 일을 해낼 수 있는 것도 아니다. 알파고는 바둑에 특화된 인공지능 프로그램이며 특정 문제를 해결하는 데 활용될 수 있는 딥러닝 기술이 어느 정도 발전했는 지를 보여줬다는 것이 정확한 평가가 될 것이다. 특히 기존 방법론들을 제대로 융합해 잘 활용한 것에 불과할 뿐 혁신적인 알고리즘이나 방법론을 개발한 것은 아니다. 구글의 딥마인드는 이번 바둑 대결 이벤트를 통해 지금까지 IBM의 왓슨(Watson)이 주도하던 인공지능 인지도를 자사로 가져왔다. 이 점에서 훌륭한 마케팅이었다고 평가할 수 있다. 하지만 현재 각종 미디어에서 전파하는 알파고에 대한 환상과 과대 포장은 인공지능에 대한 일반인들의 선입견이나 두려움을 부풀려 전체 ...

인공지능 딥마인드 머신러닝 2016.03.17

“인지, 신경, 딥?!” AI 유행어에 대해 알아야 할 5가지 개념

IT는 원래 온갖 유행어가 넘쳐나는 분야이지만 AI의 경우 특히 여러 가지 용어를 구분하기가 어렵다. 인공 지능이라는 말도 있고 기계 지능이라는 말도 있다. 머신 러닝과 딥 러닝도 있다. 도대체 차이점이 무엇일까? 그 차이를 이해하기 위해 알아야 할 5가지를 살펴보자. 1. AI는 모든 용어를 포괄하는 우산 미국국립과학재단의 정보 및 지능형 시스템 부문 책임자인 린 파커에 따르면 인공 지능(Artificial Intelligence)이란 “외부 관찰자에게 인간과 비슷하게 보이는 ‘스마트한’ 방법으로 소프트웨어를 작동시키는 폭넓은 방법, 알고리즘 및 기술”이다. 즉 머신 러닝, 컴퓨터 비전, 자연어 처리, 로봇 공학 및 그와 관련된 주제들은 모두 AI에 속한다고 할 수 있다. 2. 기계 지능 = AI 파커는 “두 가지를 구분해서 사용하는 사람도 일부 있지만 보편적인 견해 측면에서 두 용어가 다른 의미로 사용된다고 할 수는 없다”고 말했다. 각 용어가 생겨난 지역에 따른 기호의 측면도 있다. 오리건 주립 대학 교수이자 인공지능 발전을 위한 협회(Association for the Advancement of Artificial Intelligence) 회장이기도 한 토마 디트리히는 “기계 지능”이 전통적으로 유럽에서 인기 있는 “현실적인 엔지니어링 감성”에 뿌리를 둔다면 “인공 지능”은 미국에서 더 인기가 있는 “과학 소설(SF)적 느낌”을 반영한다면서 캐나다에서는 “컴퓨터 지능(computational intelligence)”이라는 용어도 자주 사용된다고 덧붙였다. 3. 머신 러닝도 여러 가지 기술을 포괄하는 용어 AI의 일부인 머신 러닝은 소프트웨어가 시간에 걸쳐 더 많은 데이터를 획득함으로써 성능을 개선할 수 있도록 하는 다양한 알고리즘과 방법론을 의미한다....

인공지능 AI 머신러닝 2016.03.07

토픽 브리핑 | 인기 최정점에 선 머신러닝에 대해 알아보자

최근 구글의 머신러닝 기반의 인공지능 바둑 알고리듬인 알파고(AlphaGo)와 이세돌 9단과 바둑 대결이 학계와 IT업계는 물론, 일반인들에게도 큰 관심을 끌고 있다. 구글의 모기업인 알파벳(Alphabet)과 바둑(Go)의 합성어인 '알파고'는 딥마인드의 머신러닝과 시스템 신경과학 분야의 기술을 활용해 고전 전략 게임인 바둑에서 프로 바둑 기사를 이길 수 있도록 설계된 인공지능 프로그램이다. 바둑은 인간이 즐기는 경기 가운데 가장 많은 경우의 수를 갖고 있는 굉장히 복잡한 게임으로 컴퓨터가 프로 기사를 이기는 것은 아주 오랜 시간이 걸릴 것으로 예상되어 왔다. 그러나 알파고 팀은 유럽 바둑 챔피언인 판후이를 런던 사무실로 초청해 경기를 진행했는데, 알파고가 판후이를 5대 0으로 이겨 프로 기사를 이긴 최초의 프로그램이 되었다. 2016년 3월, 알파고는 서울에서 이세돌 9단과 경기를 진행할 예정이다. 2014년 1월, 구글은 영국 런던의 인공지능업체인 딥마인드(DeepMind)를 인수했는데, 이 인수전에는 IBM, 페이스북 등이 참여했었다. 구글, 이번엔 인공지능 업체 인수 … 대용량 데이터 분석 알고리듬 강화 구글 딥마인드, 게임법을 스스로 터득하는 'DQN' 개발 머신러닝(Machine Learning)이란 알고리즘을 기반으로 컴퓨터를 학습시킴으로써 방대한 데이터를 분석해 그 결과를 예측하는 것을 말한다. 직역하면 기계학습이라고 부르는 이 기술은 인공지능(Artificial Intelligence)의 한분야로 빅데이터 핵심 기술로 각광받고 있다. ITWorld 용어풀이 | 머신 러닝(Machine Learning) “기계에 지능을 더하는” 머신러닝의 이해 - IDG Tech Report 머신러닝은 데이터를 수집, 분석해 미래를 예측한다는 목적은 여타 빅데이터 분석과 유사하지만 컴퓨터 스스로가 방대한 데이터를 수집, 학습할 수 있다는 점에서 차이를 두고...

인공지능 빅데이터 머신러닝 2016.02.12

엔비디아, 슈퍼컴퓨터 드라이브 PX 2 발표…"자율 주행 자동차부터 딥러닝까지"

자율 주행 자동차, 딥 러닝, 손쉬운 주차. 엔비디아가 CES 기자 회견에서 운전 환경이 머지 않아 어떻게 변화할지에 대한 흥미로운 주제를 던졌다. 전년도와 달리 올해 기자 회견에서는 기술적인 세부 사항도 조명했다. 몇 시간이나 이어진 회견의 가장 중요한 부분은 엔비디아의 최신 테그라 칩을 비춘 부분이었다. 새로운 통합 테그라 칩은 슈퍼컴퓨팅, 엔터테인먼트, 모바일 제품 부문에서의 엔비디아의 방향에 큰 영향을 미칠 수 있는 주제였다. 엔비디아가 맥북 프로 150개 분량의 마력을 제공하는 자동차용 초소형 슈퍼컴퓨터 드라이브 PX 2를 선보였다. 드라이브 PX 2 내부에는 차세대 테그라 CPU, 파스칼 GPU가 내장돼 있어 선명한 그래픽과 GRID 서버, 슈퍼컴퓨터, 쉴드 TV 박스 등 다른 제품에 다양한 기능을 제공한다. 엔비디아가 올해 출시할 계획이라고 밝혔던 모바일 프로세서인 코드명 파커가 이번에 출시될 드라이브 PX 2일 가능성도 있다. 드라이브 PX 2 칩은 12 CPU 코어와 2개의 GPU를 결합한 컴퓨팅 모듈이 있으며, 각 모듈에는 4개 ARM 기반 코르텍스 A57과 2개의 덴버 64비트 코어, 1개의 파스칼 GPU가 탑재됐다. 엔비디아 고유의 덴버 CPU는 이전 테그라 X1 칩에서는 쓰이지 않았으나 다시 복귀했다. 테그라 X1 칩은 맥스웰 GPU를 사용했다. 티리아스 리서치의 수석 애널리스트 짐 맥그레고르는 엔비디아가 고성능 컴퓨팅과 머신 러닝 부문 진입을 집중 추진해 테그라 CPU와 파스칼 GPU의 전례없는 페어링이 탄생했고, 더 강력한 서버와 슈퍼컴퓨터에서 활용될 수 있다고 분석했다. 전세계의 가장 빠른 컴퓨터 중 일부는 이미 엔비디아 GPU를 복잡한 산출 과정에 사용하고 있지만, 지금까지는 인텔 CPU와 짝을 이뤄왔다. 테그라 CPU와 파스칼 GPU의 조합으로 엔비디아는 완전한 ARM 기반 슈퍼컴퓨터용 칩 세트를 제공할 수 있게 됐다. PX 2 칩은 대형 데이터 집합을 처리하고 예상 모델을 구축하고 각종 경향을 ...

테그라 슈퍼컴퓨터 인공지능 2016.01.06

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.