메뉴바로가기본문바로가기

동아사이언스

서울대팀, AI 머신러닝 효율 끌어리는 기술 개발

통합검색

서울대팀, AI 머신러닝 효율 끌어리는 기술 개발

2018.10.29 17:00
서울대 공대 연구진이 개발한 인공지능 효율증대 프로그램 ‘프레첼’의 수행과정. 서울대 젝오.
서울대 공대 연구진이 개발한 인공지능 효율증대 프로그램 ‘프레첼’의 수행과정. 서울대 제공.

인공지능(AI) 핵심 기술인 머신러닝(기계학습)은 사람처럼 학습을 하고 그 정보를 바탕으로 추론과 판단을 한다. 일반 컴퓨터가 해결하지 못하는 문제를 해결할 수 있지만 학습량이 늘어날 경우 막대한 컴퓨터 자원이 필요하기 때문에 다양한 분야에 적용하기 어려웠다. 

 

전병곤 서울대 컴퓨터공학부 교수는 소프트웨어 회사 마이크로소프트, 이탈리아 밀라노공대 연구진과 공동으로 머신러닝 AI시스템의 추론을 최적화하는 시스템인 ‘프레첼(Pretzel)’을 개발했다고 29일 밝혔다.

 

머신러닝 분야는 실생활의 많은 분야에 빠르게 적용되고 있는 AI 핵심 기술 중 하나다. 머신러닝을 통한 추론은 학습이 완료된 인공지능이 새로운 상황을 만났을 때 답을 제공하는 것이다. 처음 설계할 때부터 정교한 모델을 만들어 내는 것도 중요하지만  지연시간, 처리량, 자원 사용량을 최적화해 실제 사용 환경을 개선하는 것도 중요한 과제로 인식되고 있다. 프레첼은 머신러닝 추론을 최적화한 화이트 박스 방식의 시스템이다. 이른바 '블랙 박스'가 내부 구조가 보이지 않는 시스템이라면 화이트박스 시스템은 소스코드와 다양한 요소의 비중을 볼 수 있다. 기존 머신러닝 시스템에 추가로 장착해 추론을 최적화할 수 있다.

 

인공지능의 효율을 높이는 방법은 과거에도 있었다. 하지만 내부구조 정보를 넘겨받지 않고 단순히 추론 속도만을 높이는 ‘블랙박스’ 방식이 주를 이뤘다. 학습된 모델을 별도의 수정 없이 쓰기 때문에 손쉽게 사용할 수 있지만 컴퓨터 자원의 낭비를 피하기는 어려워 성능을 높이는데 한계가 있었다.

 

연구진의 실험 결과 메모리 사용량은 물론 처리해야 할 정보량의 숫자가 줄어드는 것으로 나타났다. 마이크로소프트가 제공한 머신러닝 프로그램 500개에 대한 성능을 비교한 결과에선 종전보다 응답시간이 5.5배 빨라졌다. 메모리 사용량은 25분의 1 수준으로 줄었고 메모리 처리량은 4.7배 증가했다. 

 

전 교수는 “이번에 개발한 화이트 박스 방식의 머신러닝 추론 시스템은 기존의 블랙 박스 방식에 비해 응답시간, 메모리 사용량, 처리량이 개선됐다”고 설명했다. 이번 연구는 이달 8일부터 10일까지 미국 캘리포니아 칼스배드에서 열린 컴퓨터 시스템 분야 전문 학회인 ‘OSDI’에서 발표했다. 국내 대학에서 연구한 논문이 OSDI에 소개된 것은 18년만이다.

 

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

6 + 9 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기

    관련 태그 뉴스