AI/로봇·드론/VR·AR

전자정보통신학회지_특집 2020.05

다양한 하드웨어에 적응된 AI 실장 기술

■ 특집 편집에 있어서
편집팀 리더 이노우에 나오키(井ノ上直己)

최근 AI는 소프트웨어뿐만 아니라 하드웨어에 구현하는 기술의 발전과도 밀접하게 관계되어 있다. 예를 들어 그래픽 처리를 고속으로 시행하기 위해 개발된 GPU(Graphic Processing Unit)에 심층학습을 구현함으로써 인식 정밀도가 향상된 것도 그 중 한 예이다. 이처럼 고성능 하드웨어에 AI 소프트웨어를 구현하는 시도가 많이 추진되면서 다양한 기술도 개발되고 있다. 이번 특집에서는 AI의 정밀도 향상을 뒷받침하는 하드웨어로의 구현 기술에 대해 알아본다.

우선 제 1장에서는 소프트웨어 관점에서 최신 동향이 소개되었다. 1-1에서는 AI의 개념이 등장한 후 현재까지의 진전을 마쓰오(松尾) 씨가 개관(槪觀)해주셨다. 1-2에서는 다양한 분야에서의 활용이 기대되는 화상인식의 최신 동향을 사토(佐藤) 씨가 소개해 주셨으며, 다양한 대규모 데이터를 수집할 수 있게 된 지금, 데이터를 분석해 활용하는 데이터 구동형 접근의 중요성이 크게 높아지고 있는 가운데 1-3에서는 고토(後藤) 씨가 데이터 분석 기술의 동향을 소개해주셨다.

제 2장에서는 하드웨어의 관점에서 최신 동향이 소개되었다. 2-1에서는 AI에 필요한 연산의 관점에서 컴퓨터 하드웨어의 기술 동향에 대해 가타기리(片桐) 씨가 설명. 2-2에서는 이용자가 프로그램을 구축해 내부의 회로를 자유롭게 구성할 수 있는 하드웨어 디바이스인 FPGA(Field Programmable Gate Array)에 대한 것과 AI로의 응용 가능성에 대해 각각 시바타(柴田) 씨와 마나베(眞邉) 씨가 소개해주셨다. 2-3에서는 현재 AI 분야에서 표준적인 하드웨어 디바이스가 된 GPU의 최신 개발 환경을 나리세(成瀨) 씨가 소개해주셨고, 2-4에서는 AI기술 연구개발을 위해 정비가 추진되고 있는 AI 슈퍼컴퓨터에 대해 그 시스템 여건과 구체적인 활용 사례를 고가와(小川) 씨가 소개해주셨다.

제 3장은 AI 소프트웨어를 다양한 하드웨어에 구현한 구체적 사례를 정리해 소개했다. 3-1에서는 대규모 심층학습을 GPU에 구현할 때의 기술에 대해 네기시(根岸) 씨, 이마이(今井) 씨, Tung D. LE 씨, 가와우치야(河內谷) 씨가 소개. 3-2에서는 심층학습 구현 시, 하드웨어 비용을 낮추는 방법과 FPGA로의 구현에 대해 나카하라(中原) 씨가 소개해주셨다. 3-3에서는 자기조직화 맵(Self-Organizing Map)으로 불리는 AI 소프트웨어를 FPGA에 구현한 사례를 야스나가(安永) 씨가 소개해주셨고, 3-4에서는 심층학습의 고효율화 알고리즘과 그 특징을 최대한 활용한 사례를 데구치(出口) 씨, 미야시타(宮下) 씨, 마키(眞木) 씨, 사사키 신이치(佐々木 愼一) 씨, 나카타(中田) 씨, 스즈키(鈴木) 씨, 다치바나(橘) 씨, 후지모토(藤本) 씨가 소개해주셨다. 3-5에서는 Black-box 최적화 문제라고 불리는 문제를 신속하게 해결하는 방법으로서 주목 받고 있는 입자군 최적화법(Particle swarm optimization)을 GPU에 구현하는 방법에　대해 사사키 사토시(佐々木 智志) 씨가 소개해주셨다. 3-6에서는 벡터 프로세서에 심층학습 등을 구현한 사례를 아라키(荒木) 씨. 오노(大野) 씨, 이시자카(石坂) 씨가 설명. 3-7에서는 AI의 응용 사례로서 자율주행 시스템을 예로 들어 그 구체적인 구현 사례를 우마지(馬路) 씨가 소개. 3-8에서는 앞으로의 활용이 기대되는 불휘발성 메모리를 이용한 비노이만 형(Non Von Neumann architecture) AI 칩의 회로 구현 방법 및 그 성능을 가와노(河野) 씨가 소개를 해주셨다.

마지막으로, 바쁜 와중에도 이번 특집을 위해 원고를 집필 해주신 집필자 여러분들과 기사 구성 제안 및 조정 등에서 많이 협력해 주신 편집팀 여러분들께 깊은 감사의 말씀을 드린다.

 -- 끝 --