NVIDIA는 5월 25일에 국내의 개발자들을 대상으로 엔비디아 딥 러닝 데이 2017를 개최했습니다. 이 자리에선 NVIDIA가 선도해 나가는 딥 러닝 기술의 소개와 활용 방법을 제시, 개발자들이 어떻게 하면 이를 잘 활용할 수 있는지를 소개했지요. 그리고 매체 관계자들만 따로 모아 GTC 2017에서 발표된 기술과 동향에 대해 설명했습니다.

 

사실 내용 자체는 GTC 2017에서 이미 설명했던 것이기에 그 부분에 대해서 다시 설명하진 않겠습니다. 다만 엔비디아 솔루션 아키텍처 및 엔지니어링 부문 부사장인 마크 해밀턴이 직접 질의응답을 진행해, 정해진 격식에 따르지 않는 솔직한 이야기를 들을 수 있었는데요. 여기에선 질의응답의 내용 위주로 소개하겠습니다.

 

 

한국은 IT 분야에서 앞서나가는 선도 국가임을 강조하며 인사말을 시작했습니다. 현재 IT 업계는 AI 컴퓨팅 시대로 나아가는 중이며, 특히 한국엔 NVIDIA의 파트너가 많이 있어 중요한 시장이라고 평가했습니다.

 

한국의 IT 대기업과 갖고 있는 관계는 매우 다양하기에 한마디로 정의할 순 없습니다. 다만 삼성과 SK 하이닉스와 HBM 메모리를 개발하고, HBM2는 NVIDIA GPU에 도입했지요. NVIDIA의 VGS 시스템을 직접 쓰는 곳도 있지만 HP나 IBM 같은 워크스테이션에 탑재된 NVIDIA 제품을 쓰는 곳은 그보다 더 많으며, 특히 지포스 그래픽카드를 사용해 게임을 즐기는 사람의 수는 헤아리기 힘듭니다.

 

또 NVIDIA가 작은 회사라는 겸양의 말도 잊지 않았습니다. 다만 이것은 NVIDIA가 경쟁사보다 규모가 작다는 것, 그리고 전체 10500명의 직원 중 9500명이 엔지니어임을 강조하기 위해서라고 봐야 되겠지요.

 

매년 새로운 기술을 출시하면서, 고객들이 이를 원활하게 쓰도록 NVIDIA와 여러 커뮤니티가 원활하게 협력해야 한다고 강조했습니다. 개발 쪽에서의 커뮤니티란 대학이나 연구소, 그리고 관련 기업을 모두 망라하고 있지요.

 

NVIDIA는 이들 커뮤니티에 있는 많은 연구자들에게 스폰서쉽을 제공하고 있습니다. 특히 한국 대학에선 교수들이 직접 NVIDIA의 기술 훈련을 할 수 있도록 제공중이라고 하네요. NVIDIA의 공모전에는 한국의 팀이 결선까지 올라간 적도 있고요.

 

 

아직까지 많은 사람들은 NVIDIA를 게이밍 그래픽카드 회사라고 생각하지만, 어느 순간부터 NVIDIA가 대외적으로 보여주는 이미지는 AI나 딥 러닝, 연산 가속, 자율 주행 같은 기술 회사에 더 가깝습니다. NVIDIA가 언제부터 이런 변화를 보인 것일까요?

 

첫번째 변화는 11년 전, 최초의 CUDA를 내놓았을 때입니다. CUDA를 통해 범용 프로그램을 GPU에서 실행할 수 있게 되면서, 그래픽카드에서 벗어나 AI를 다루는 회사로 변신해야겠다는 깨달음이 왔다고 하네요.

 

본격적으로 AI 기업이 될 수 있다고 확신한 건 5년 전쯤인데, 그때 중요한 사건이 2개가 있었습니다. 2011년에 토론토 대학의 제프리 힐튼이 이미지넷이라는 컴퓨터 사이언스 경진 대회에 참여, GPU를 활용한 이미지 인식 기술을 선보였습니다.

 

그리고 구글이 스탠포드 대학의 앤드류 앤 교수와 협업해 구글 브레인 프로젝트를 시행했습니다. 유튜브 동영상의 모든 물체를 파악/분석하는 것이죠. 역시 GPU를 써서 말입니다.

 

 

2013년엔 이미지넷 경진에 4백개의 기관이 참여했는데 그 중 3백개가 GPU를 활용한 기술을 사용했습니다. 그리고 2014년엔 이미지넷에 참여한 4백개 기관이 모두 GPU를 썼습니다. 올해엔 전세계 최대 규모의 엔터프라이즈 기술 제공 회사인 세일즈포스와 SAP가 GPU 기술을 접목하겠다고 발표한 바 있습니다. 앞으로 5년 안엔 더 큰 변화가 일어날 것이라 기대해도 되겠죠.

 

10년 전에 클라우드와 모바일이 본격적으로 개발되기 시작했습니다. 지금은 애플리케이션을 개발해 클라우드에 올리고 모바일에서 쓸 수 있습니다. 불과 5년 전만 해도 이 정도까지 기술이 발전하리라 예상하지 못했을 것입니다.

 

클라우드 모바일 혁명을 주도했던 아마존, 구글, 마이크로소프트 같은 기업들은 이제 인공지능에 초점을 맞추고 있습니다. 기술 발전이 매우 빠르기에 앞으로 어떤 기술이 발전할 것이라 예측하기가 매우 어려워졌습니다. 인공지능 스타트업 기업에 작년에만 50억 달러가 넘게 투자됐습니다.

 

 

그럼 왜 인공지능일까요? 오늘날 전세계적으로 많은 데이터가 매일매일 만들어지고 있습니다. 이런 데이터는 크게 두가지로 나눌 수 있는데, 우선 사용자가 직접 만들어내는 데이터입니다. 사진과 동영상을 촬영하고 글을 써서 업로드하는데 이것만 해도 엄청난 양이죠.

 

두번째 종류의 데이터는 컴퓨터가 만들어내는 것입니다. 이제는 커다란 냉장고만한 컴퓨터가 아니라, 아주 작은 칩에서도 데이터를 만들어내고 있죠. IoT, 사물 인터넷 그 자체가 거대한 데이터 소스가 될 것입니다.

 

 

 

이런 데이터는 지난 10년 동안 제대로 활용되지 못하고 단순히 저장하는 수준에 그쳤습니다. 왜냐면 데이터를 제대로 활용하기 위해선 프로그래머가 코드를 직접 짜줘야 했거든요. 어떤 정치인은 모든 학생이 프로그래밍을 배워야 한다고 말한 적도 있지요.

 

그러나 모든 학생이 프로그래밍을 할 수 있도록 교육을 시킨다 해도, 사물 인터넷이 만들어내는 방대한 데이터를 다루기엔 그 숫자가 터없이 부족합니다. 그래서 NVIDIA는 좀 더 스마트한 방법, 인공지능을 제안합니다.

 

 

인공지능 소프트웨어는 소프트웨어를 개발하는 소프트웨어입니다(기술적 특이점 같군요). 모든 학생들이 직접 프로그래밍을 하는 게 아니라, 자동으로 데이터를 취급하는 소프트웨어를 다룰 수 있도록 해야 합니다.

 

물론 아직까지는 인공지능보다는 사람이 직접 데이터를 취급해서 훈련시키는 것이 더 빠릅니다. 그러나 인간은 피곤함을 느끼는 반면, 컴퓨터는 그렇지 않습니다. 그래서 NVIDIA는 아이작 로봇 시뮬레이터를 통해 로봇의 훈련 과정을 보다 효율적으로 만드려 하는 것입니다.

 

로봇이라고 해서 실체를 지닌 로봇을 써야 할 필요가 없습니다. 로봇을 시뮬레이션하고, 많은 수의 복사본을 함께 운용하면 그 효율은 더욱 높아집니다. 이런 시뮬레이션 소프트웨어를 잘 활용하면 훈련과 테스트 과정을 많이 줄일 수 있겠죠. 그리고 NVIDIA는 로봇으로 사람을 100% 대체하려는 생각이 없습니다. 저마다 각자의 역할이 있다고 보는 것이죠.

 

 

이런 훈련 과정에는 방대한 데이터가 필요한데, 그런 이유에서 NVIDIA는 딥 러닝에 최적화된 슈퍼컴퓨터인 DGX를 개발해 사용 중입니다. 테슬라 프로세서와 거기에 최적화된 워크플로우로 효율을 극대화하겠다는 것입니다.

 

NVIDIA의 이런 행보를 보면 인텔과 같은 회사, 혹은 인텔을 대신할 새로운 회사가 되려는 게 아니냐 생각할지도 모르는데 그것은 아닙니다. GPU는 가속 장치이지 중앙 연산 장치가 아닙니다. 항상 CPU와 함께 써야 하지요. DGX만 해도 브로드웰 기반 제온이 들어가고요.

 

NVIDIA는 인텔이 계속해서 빠른 CPU를 만들어야 한다고 생각합니다. 그래야 더 좋은 제품을 만들 수 있으니까요. 지금까지는 인텔이 잘 해주었고 앞으로도 잘 해나갈 것이며, 시장 점유율을 봐도 인텔이 아주 잘 해나갈 것이라 생각한다고 합니다. (AMD 돌려까기?)

 

다만 여기서 진짜 하고 싶은 말이 나오네요. 인텔은 NVIDIA보다 아주 큰 기업이며, 이는 매출이나 직원 수만 봐도 확연이 드러납니다. 그러나 NVIDIA만큼 인공지능 분야 연구와 개발에 많은 돈을 투자하는 곳은 없다고 생각한다네요.

 

 

NVIDIA는 딱 한가지 분야에 집중 투자하고 있습니다. 가속 장치가 그것이죠. 여기에 모든 연구 개발과 역량을 집중해, AI가 직접적으로 개선될 것입니다. 실제로 GPU의 성능 개선이 있었기에 인공지능을 본격적으로 연구하는 단체에선 100% NVIDIA GPU를 사용해서 개발이 이루어진다고 합니다.

 

AI가 발전을 거듭하면서, 보다 현실적이고 인간적인 결과를 필요로 하며, 이를 위해선 더 많은 컴퓨팅 파워가 필요한데 지난 2년 동안 10배 성장했습니다. 반면 CPU는 매년 10%의 성능 개선에 그쳐, 40년 동안 표준이었던 무어의 법칙을 따라가지 못하고 있지요. 그러나 NVIDIA는 GPU를 통해 필요로 하는 연산 성능을 제때 제공하고 있습니다.

 

그렇다고 해서 단순히 고성능 칩을 내놓았기에 NVIDIA가 이 시장에서 성공했다는 말은 아닙니다. NVIDIA는 GPU 뿐만 아니라 소프트웨어를 접목해 제공하는 Ai 컴퓨팅 기업이며, 그래서 전세계 대형 클라우드와 시스템에 NVIDIA GPU 기술이 제공될 수 있었다고 합니다.

 

 

NVIDIA는 클라우드를 직접 제공하진 않습니다(여기서 말하는 클라우드는 게임이 아닌 연산 분야를 가리키는 듯 합니다). 아마존이나 애저와 협업해 클라우드를 제공하며, 다른 클라우드 서비스 제공자와도 이런 방향으로 나갈 것입니다. 물론 사용자가 직접 타이탄 X나 DGX 시리즈를 구입해서 구현할 수도 있겠죠.

 

다만 예외가 하나 있습니다. NVIDIA는 DGX 새턴V라는 시스템을 개발해서 운용 중인데, 여기에는 124개의 DGX 서버가 포함됩니다. 아마존처럼 큰 곳이라고 해도 이정도 규모의 클라우드 시스템을 제공하기란 힘들겠지요.

 

DGX 새턴V를 가장 먼저 사용한 곳은 미국 정부가 주도하는 암 연구팀입니다. 새턴V를 사용해 다양한 암을 치료할 방법을 찾아내고, 그렇게 찾아낸 답은 공개 클라우드를 통해 보다 많은 사람들에게 제공되겠지요.

 

NVIDIA는 일반 클라우드 업체와 직접적으로 경쟁할 생각이 없으나, 클라우드 시스템이 본격적으로 발전하기 전까지는 인류의 난제를 해결하기 위해서 슈퍼컴퓨터가 꼭 필요한 연구자들에게 새턴V 같은 시스템을 제공할 것이라고 합니다.

 

인텔과 직접적으로 경쟁하지 않는 것이라고 말했던 것처럼, 클라우드에서도 다른 회사와 경쟁하지 않는다는 점을 분명히 했습니다. 구글의 경우도 그런데, 구글은 NVIDIA의 좋은 파트너이며, 구글 TPU는 딥 러닝의 여러 접근 방식일 뿐이라 선을 그었습니다. 물론 NVIDIA가 단순 칩 제조사가 아니라 GPU 기반 가속장치를 개발하는 플랫폼 기업이란 입장도 빼놓을 순 없겠죠.

 

 

 

그럼 구체적인 활용 사례를 볼까요. 영상 보안 분야에선 한화테크윈과 함께 협업한다고 해서 화제가 됐었는데요. 이런 분야는 AI가 현실 세계에 가장 가까이 다가온 분야라고 할 수 있습니다. 사실 NVIDIA는 카메라나 감시 시스템을 직접 만드는 곳은 아니지만, 여기엔 NVIDIA의 기술이 들어가 있지요.

 

CCTV를 봅시다. 사람들은 CCTV가 촬영한 영상을 일일이 분석하지 못하고, 뭔가 사건이 터졌을 때만 돌려봅니다. 그리고 전세계 CCTV의 수는 5억대가 넘지요. 허나 여기에 딥 러닝과 인공지능을 결합하면 영상을 실시간으로 분석 가능합니다. 그러니까 범죄가 일어난 후에 그 장면을 찍은 CCTV 영상을 돌려보는 게 아니라, 범죄활동이 일어나는 그 즉시 AI가 파악해서 대처한다는 것입니다.

 

가상 현실도 있습니다. 일각에서는 증강현실이나 가상현실이 3D TV처럼 한때의 유행일 뿐이라고 생각하고 있으나, NVIDIA는 VR이나 AR 시장이 떠오르는 시장이라 판단하며, 여러 기술 발전이 있을 것이라고 봅니다.

 

올해 많은 기업들이 더 가볍고, 착용감이 좋고, 해상도도 뛰어난 헤드마운트 디스플레이를 내놓을 예정입니다. 증강현실은 게임 뿐만 아니라 다양한 애플리케이션을 개발하는 회사들도 접목을 시도하고 있기에, 올해에도 여전히 AR과 VR은 주류의 자리에서 물러나지 않을 것입니다.

 

 

자율 주행도 빼놓을 수 없습니다. NVIDIA는 이번에 새로 도요타와 협력을 발표했고, 드라이브 PX에 여러 센서를 도입했습니다. 인공지능을 이용해 주변 환경을 파악하고 위험을 감지해 나가는 것이지요. 자율주행 역시 인공지능 개발에서의 2가지 단계를 그대로 따라가야 합니다. 학습과 추론이죠.

 

시스템을 훈련-학습시켜 어떤 일이 일어나건, 무슨 상황에서건 대처할 수 있도록 만들어야 합니다. 그래서 학습 단계에선 많은 컴퓨팅 파워가 필요합니다. 텐서를 이용해 네트워크를 훈련시킨 후, 그 결과를 앱, 스마트폰, GPU를 통해 제공합니다.

 

테슬라의 자율주행 자동차를 봅시다. 자율주행을 한다고 해서 주행 중 발생하는 모든 정보를 테슬라 본사로 보내진 않습니다. 실제 상황에서 각종 센서와 카메라를 통해 취득한 정보를 가지고 어떻게 해야 하는지를 판단하는 추론 단계를 수행하는데, 그 정확도가 어느 정도인지 결과만 전송합니다.

 

현재 테슬라의 자동차 운행 보조 시스템은 교통사고가 일어나기 전 10초와 일어난 후 10초의 영상을 테슬라로 보내서 신경망을 테스트합니다. 물론 이게 완전하진 않습니다. 사람이 맘먹고 보험 사기를 저지르거나, 바이러스가 침투하는 비정상적인 상황이라면 사람이 판단해야 되겠죠. 다만 비정상적인 상황을 감지해 나가는 데에선 연구를 집중적으로 해 나갈 것입니다.

 

자율주행 차량 업계에선 현재 2백곳이 넘는 기업이 NVIDIA의 드라이브 PX를 사용해서 시스템을 개발하고 있습니다. 2020년이 되면 자율주행 차량 기술이 지금보다 현격히 발전할 것이며 우리 삶에 영향을 미치는 많은 분야가 변화하리라 생각합니다.