메뉴바로가기본문바로가기

동아사이언스

스마트폰으로 ‘알파고’ 돌릴 AI 반도체 칩 개발

통합검색

스마트폰으로 ‘알파고’ 돌릴 AI 반도체 칩 개발

2021.07.16 14:25
유회준 KAIST 교수팀
DRL (Deep Reinforcement Learning)에 사용되는 심층 신경망의 부동소수점 연산을 프로세싱-인-메모리를 통해 저전력으로 처리하고, 고압축률을 유지하면서 추론뿐만 아니라 학습까지도 엣지에서 구현할 수 있도록 개발된 프로세서 칩. 과학기술정보통신부 제공
유회준 KAIST 교수팀이 개발한 인공지능(AI) 반도체 칩 ‘옴니DRL’. 스마트폰 등 모바일 기기에서 심층 강화학습을 실행할 수 있고, 기존 대비 데이터 처리 효율과 전력 효율을 끌어올린 점이 특징이다. 과학기술정보통신부 제공

국내 연구진이 스마트폰과 같은 모바일 기기에서 인공지능(AI) ‘알파고’가 사용했던 심층 강화학습을 사용할 수 있는 인공지능 반도체를 개발했다. 기존 대비 전력효율을 2배 이상 높여 향후 모바일 드론이나 자율주행 로봇 개발 등에 크게 기여할 것으로 예상된다. 


과학기술정보통신부는 유회준 KAIST 전기및전자공학부 교수팀이 모바일 기기에서 사용할 수 있는 저전력 인공지능 반도체 칩 ‘옴니DRL’을 개발했다고 16일 밝혔다. 

 

연구진은 지난달 14~19일 개최된 반도체 분야 최고 학회 중 하나인 ‘IEEE VLSI 심포지엄’에서 전 세계 200여 편의 발표 논문 가운데 우수성을 인정받아 하이라이트 논문으로 선정되는 등 큰 주목을 받았다. 

 

2016년 구글이 공개한 인공지능 ‘알파고’는 인공지능이 스스로 최적의 답안을 도출하는 심층 강화학습을 사용해 ‘알파고 쇼크’로 불릴 만큼 인공지능 연구의 패러다임을 바꿨다. 

 

심층 강화학습은 인간의 도움 없이 스스로 환경에 적응하며 학습해 지능형 로봇 조종이나 자율주행 드론 등에서 주목을 받고 있지만, 그간 전력 소모가 크고 효율이 낮은 중앙처리장치(CPU)나 그래픽처리장치(GPU) 위에서 소프트웨어 기술로만 구현돼 속도가 떨어지고 전력 소모가 크다는 한계가 있었다. 

 

연구진은 옴니DRL에 ‘집단-희소와 학습코어’ 및 ‘지수의 평균-변화량 부호화’를 도입해 심층 강화학습 과정에서 필요한 가중치와 특징맵 모두 고압축륙을 유할 수 있게 했다. 이런 기법이 도입된 건 이번이 처음이다. 

 

또 부동 소수점 연산이 가능한 ‘프로세싱-인-메모리’ 연산기를 개발해 심층 강화학습의 속도도 높였다. 그간 소수점 연산이 가능한 인공지능 반도체 개발은 불가능한 것으로 여겨졌다.  

 

이를 통해 연구진은 옴니DRL의 데이터 압축률을 기존 대비 최대 41.5%포인트 높였고, 압축된 상태로 연산이 가능하게 해 연산 속도는 기존 대비 2배 이상 높이면서 전력 소모는 기존 대비 2.4배 낮추는 효과를 얻었다.  


연구진은 옴니DRL 반도체 칩을 인간형 로봇 적응 보행 시스템에 적용해 시험한 결과 옴니DRL이 없을 때보다 7배 이상 로봇의 보행 속도가 빨라진다는 사실을 확인했다. 


유 교수는 “반도체 하나로 심층 신경망 학습을 가능하게 했다는 점에서 의미가 크다”며 “향후 지능형 로봇 조종, 자율주행 드론, 게임 등 다양한 분야에서 응용이 가능할 것”이라고 말했다. 

관련 태그 뉴스

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

2 + 7 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기