RAPTER INTERNATIONAL

인텔이 IA 전용 솔루션에 주력한다. 앞으로 제품 확충

기자 회견 모두 발언에서 인사에 선 Intel CEO의 브라이언 크르자니크는 "현재 수십 억의 스마트 기기가 인터넷에 접속되고 있으며 앞으로도 증가한다. AI는 그러한 스마트 커넥티비티 디바이스에 있어서 매우 중요한 기술이다. 인텔은 그런 AI를 위한 완전한 솔루션을 한방에 제공하고 있으며 향후 이를 확대한다" 며 다양한 차원에서 AI용 반도체와 소프트웨어 등을 제공하고 IoT 기기용 반도체(Atom 프로세서 등), 5G를 위한 통신 솔루션, 클라우드 측에서 머신-러닝이나 딥-러닝에 이용되는 반도체(Xeon, Xeon Phi 등)의 클라이언트, 통신 서버 등 IoT 생태계 전체에 반도체를 제공할 수 있는 것이 강점이라고 강조했다.

AI용 반도체 하면 일반적으로는 딥 러닝용 연산 등에 이용되고 있는 GPU 등의 범용 프로세서가 잘 알려져 있지만 실제로는 딥-러닝은 머신 러닝의 한가지 방법이며 CPU를 이용한 머신 러닝도 비슷하게 중요한 요소다. CPU, 특히 클라우드 서버는 사실상 IA(Intel Architecture, 이른바 x86) 중 택일로 머신 러닝이라는 큰 매듭으로 보면 인텔은 머신 러닝 시장에서 강한 존재감을 갖고 있다.

크르자니크는 "딥 러닝은 물론 중요하지만 스몰 세트다. AI는 확장성이 있는 것으로 GPU 만이 성능을 결정하는 것이 아니다" 며 인텔 아키텍처의 AI 중요성을 강조하면서 향후 인텔이 지금보다 강한 AI를 약속하겠다고 강조했다. 크르자니크는 지난 1년간 Saffron Technology, Movidius, Nervana Systems 등의 AI 관련 기술을 가진 기업을 인수하면서 AI 관련 포트폴리오를 늘려 왔다고 밝혔다.

그 위에서 Nervana System CEO를 무대로 부르며 인텔과 Nervana의 향후 전략에 대해서 설명했다. 이 가운데 크르자니크는 Nervana의 자산과 인텔의 기존 자산을 통합하고 앞으로 AI용 반도체와 소프트웨어 등의 플랫폼을 "Intel Nervana platform"으로 전개하겠다고 밝혔다.

크르자니크는 "중요한 것은 신뢰성이다. 인텔은 신뢰성 높은 AI 플랫폼을 향후로도 제공한다" 며 향후 인텔이 AI를 중요한 비즈니스의 하나로 파악하여 힘을 넣겠다는 방향성을 강조했다.

2020년까지 현재보다 100배 웃도는 딥 러닝 솔루션 투입

크르자니크에 이어 등단한 것은 인텔의 다이앤 브라이언트. 그는 "2020년에는 AI에 필요한 컴퓨팅 파워는 지금보다 12배로 확대할 것으로 예상된다" 며 AI에 필요한 연산 능력이 늘어나기 때문에 이에 대처할 필요가 있다고 밝혔다.

여기서 인텔의 새로운 AI를 위한 전략 중 하나로 구글과의 협업에 대해서 발표했다. Google은 AlphaGo와 DeepMind 같은 AI을 개발하고 딥 러닝 프레임워크에서 톱 쉐어 TensorFlow를 제공하는 등 AI 세계에서 선두를 달리고 있다. 브라이언트가 불러 등단한 구글의 엔터프라이즈 담당 수석 부사장 다이앤 그린은 "인텔은 그 동안 서버 개발 등에 협력했지만 차세대 개발도 함께 한다. TensorFlow를 IA에 최적화 하고 딥 러닝 학습 등에 대해서도 최적화한다. 또 IoT 보안 확보에서도 협업하겠다" 며 인텔과 AI 개발 환경의 확충 등에서 협력하겠다고 밝혔다.

그는 "2016년 마지막 시점으로 예측하면 94%의 AI 서버가 GPU가 없는 IA 서버다. 앞으로도 AI용 IA 솔루션을 점차 강화하고 싶다"며 인텔이 제공하고 있는 IA용 반도체 제품을 향후로도 적극적으로 확충할 것이라고 밝혔다. 그런 AI용 인텔의 제품으로 그는 Xeon E5, Xeon Phi, Xeon+FPGA, 또 이번에 새로 발표된 딥 러닝용 액셀러레이터 4가지를 꼽았다.

Xeon E5 등 Xeon프로세서는 현재 데이터 센터에서 이용되는 클라우드 서버의 대다수에서 채용되고 있는 CPU다. 그는 그 Xeon E5의 차세대 버전으로 계획하고 있는 "Skylake-EP"를 언급하면서 초기 개발 버전의 출하를 시작했다고 밝혔다. AVX512 등의 새로운 명령 세트, 부동 소수점 연산 기능의 확장 등으로 성능이 향상됐으며 Apache Spark를 이용하면 성능은 18배나 된다고 한다. 또한 제품 버전은 2017년 중반 출하를 상정하고 있다고 설명했다.

Xeon Phi에 대해서는 올해(2016년) 발표한 나이츠 랜딩(Knights Landing)을 설명하며 "Knights Landing으로 현 시점에서 최대 32노드까지 연결이 가능해 학습 성능은 31배나 된다. 또, 메모리는 GPU에 16GB까지 밖에 이용할 수 없지만 Knights Landing은 최대 400GB까지 이용할 수 있다" 며 GPU에 비해 스케일 아웃으로 불리는 복수의 노드를 연결하여 병렬로 실행함으로써 더 높은 성능을 실현할 수 있다고 강조했다. 또 8월에 열린 IDF에서 발표한 차세대 제품인 나이츠 밀(Knights Mill)에 대해서도 설명하며 배정밀도, 단정밀도에 반정밀도 부동 소수점 연산 지원 등으로 현행 Kights Landing에 비해 4배의 딥 러닝 성능을 실현하겠다고 강조했다.

이어 그는 인텔이 인수한 Nervana가 개발한 딥 러닝용 엑셀러레이터 칩으로 "LAKE CREST"(개발 코드 네임)을 발표하면서 2017년 상반기에 투입하겠다고 밝혔다. Xeon 프로세서에 그 딥 러닝용 액셀러레이터 칩을 통합한 "Knights Crest"(나이츠 크레스트, 개발 코드 네임) 계획도 밝혔다(투입 시기는 발표가 없었다). 그는 "인텔은 딥 러닝에 걸리는 시간을 현재 가장 빠른 GPU와 비교해 100분의 1로 가능하게 하는 솔루션을 제공한다" 며 인텔이 지금까지 딥 러닝에서 최고라고 불리는 엔비디아 GPU에 대한 도전장을 내밀었다.

출처 - http://pc.watch.impress.co.jp/docs/news/1030714.html

미국 NVIDIA는 16일(현지시간) 인텔이 공개한 심층 학습(딥러닝)에 관한 제온파이와 NVIDIA GPU을 비교한 벤치마크 결과에 오류가 있다는 주장을 블로그에 공개했다.

인텔에 따르면 제온파이는 딥러닝에서

1. GPU보다 2.3배 빠른 훈련
2. 노드 전체에서 GPU보다 38% 뛰어난 스케일링 실현
3. GPU에는 불가능한 128노드에 대한 강력한 스케일링 실현

이라 하고 있다.

인텔의 자료

이에 대해 NVIDIA는 인텔이 사용한 벤치마크가 오래 된 것을 지적했다. 인텔이 사용한 것은 18개월 전에 공개된 Caffe AlexeNet 데이터이며 최근 도입된 Caffe AlexNet을 사용하면 4기의 Maxwell GPU 시스템 쪽이 4기의 Xeon Phi 시스템보다 30% 빠르며 4기의 파스칼 베이스의 TITAN X를 이용하면 90% 고속으로 훈련할 수 있다는 것.

스케일링에 대해서도 인텔이 인용한 것은 낡은 인터커넥트를 채용한 4년전의 데이터이며 NVIDIA는 더욱 새롭게 맥스웰 GPU와 인터커넥트를 채용한 시스템으로 Baidu가 GPU를 128기까지 거의 직선적으로 확장 발표한 것을 인용해 반증하고 있다.

NVIDIA는 인텔이 현재 딥러닝 연구를 진행하는 것이 멋지며 이는 가까워지고 있는 인공지능 시대에 가장 중요한 컴퓨팅 혁명으로 딥러닝은 무시할 수 없는 위대한 기술이지만 사실은 제대로 확인할 필요가 있다고 덧붙였다.

출처 - http://pc.watch.impress.co.jp/docs/news/1015680.html

차세대 제온파이 "Knights Mill"은 2017년 투입 예정

다이앤 브라이언트는 강연의 후반에서 AI(인공지능)으로 화제를 돌려 인텔이 6월 발표한 Xeon Phi(개발 코드 네임:Knights Landing)이 딥러닝용으로, 그리고 Xeon 프로세서가 머신 러닝용으로 적합하다고 강조했다.

여러개를 병렬로 접속해서 스케일 아웃 할 수 있는 Xeon Phi는 128개를 나란히 처리시킴으로써 1개의 경우보다 최대 52.2배의 속도로 AlexNet을 이용한 학습을 고속화할 수 있는 장점이 있다고 어필했다. 또 지난주 인텔이 인수한다고 발표한 너바나 시스템즈에 대해서 소개하면서 Nervana Systems가 개발한 딥러닝용 소프트웨어를 활용함으로써 딥러닝의 학습 등이 IA 시스템상에서 더 잘 이루어진다고 밝혔다.

고객의 사례로 중국의 검색 벤더 바이두가 소개되면서 이 회사의 딥러닝을 활용한 음성 인식 소프트웨어 "DeepSpeech"등이 소개됐으며 바이두의 딥러닝 사례는 NVIDIA가 2015년 봄에 개최한 GTC15에도 소개되고 있다.

그는 앞으로도 IA 환경에서 딥러닝, 머신러닝의 솔루션을 확장시키도록 하겠다며 Caffe, theano등의 대응 라이브러리를 늘리고 인텔의 개발 툴로 대응을 늘리며 대학과의 공동 연구 등을 가속하겠다고 설명했다.

그리고 마지막으로 2017년 투입할 예정인 차세대 Xeon Phi를 언급하면서 "차세대 제품은 나이츠 밀(Knights Mill)이 된다. Knights Mill은 보다 딥러닝의 성능에 초점을 맞춘 제품으로 특히 딥러닝용으로 중요한 확장이 진행될 예정이다" 라며 차세대 Xeon Phi가 되는 Knights Mill에서는 특별한 딥러닝용 기능 확장을 진행하고 더 깊은 학습에 적합한 프로세서로 개발할 것이라고 설명했다.

출처 - http://pc.watch.impress.co.jp/docs/news/event/1015453.html

펀드매니저 / 증권 애널리스트

이미 미국 월스트리트에서는 펀드매니저의 70%가 펀드알고리즘 프로그램으로 되어있음. 
1초에 거래를 하는 속도와 시장 파악 자료 수집 속도, 분석력 등 사람보다 뛰어남. 
국내 금융권에서도 작년 한해에 5만여명이 일자리를 잃음, 향후로도 사람은 계속 필요 없어짐 


약사 

처방전을 넣으면 그 처방전 대로 약을 조제해주는 시스템이 나와있음. 
일반의약품도 환자의 증상들을 입력하면 그에 맞는 추천 약이 나옴. 
지금까지 수십만건의 조제중 잘못 나온적이 한번도 없음. 


버스, 택시 운전사 

무인 자동차 시스템으로 인해 사라짐. 
이미 구글에서 시험용으로 나온 무인자동차는 거의 상용화 단계, 다른 자동차 업체들도 모두 뛰어듬. 
1초에 인간보다 훨씬 많은 정보처리를 하므로 사람이 못보거나 판단하는 속도보다 빠르게 반응하여 사고도 적고 안전 운행이 가능함  


변호사 / 판사 

변호사의 가장 큰 업무가 법률, 판례등의 자료수급과 전략수립이였는데 
알고리즘 프로그램이 훨씬 뛰어남. 
그 프로그램대로 자신 스스로를 변호하는 시대가 옴. 그리고 그걸 판단하는 것은 판사가 아닌 인공지능이 함


물류, 운송업종 

이미 아마존의 창고에는 로봇들이 일하고 있고, 사람은 로봇이 가져다주는 제품을 포장만 함. 
포장하는 직업도 곧 사라짐. 
배달도 드론이나 무인자동차로 대체되기 때문에 물류 택배업종도 사라짐. 
업체들은 무인 트럭을 만들어 화물운송을 자동화 할 계획. 


비행기 파일럿 

60~70년대에 조종석에 항법사 등 5~6명이 탔었는데 현재는 이미 두명만으로 충분함. 
그 두명도 이,착륙 외에는 자동비행이 대신하고 있음. 
앞으로 파일럿은 한명으로 줄어들고 이후 완전 무인화 될 전망. 운송업종과 같은 길
미국의 무인 스텔스기 항공모함 이,착륙 시험은 이미 성공, 아마존 드론 택배 등 빠르게 투입중 


공장 생산직 

이미 대부분이 로봇이 제조하고 완전 무인화된 공장도 점점 많아짐.

앞으로는 더 필요없게 됨 (스마트 팩토리)


기자

이미 미국에서 스포츠 기사쓰는 알고리즘이 활약중. 
경기결과와 내용을 취합하여 퀄리티 높은 기사를 수백건씩 뽑아냄. 
캘리포니아의 지진 기사를 가장 빠르고 정확히 쓰는 것도 사람이 아닌 프로그램이 수행중.

기자는 아주 특별한 전문성과 저널리즘을 갖춘 극소수만 필요하게 됨 



세무사 

자료를 찾고 계산하는 등의 알고리즘도 이미 개발되었음. 프로그램이 사람보다 비교할 수 없을 만큼 정확하고 빠름



번역가 

지금도 대략적인 내용은 번역이 되지만, 앞으로 사투리나 속어등도 
충분히 번역 알고리즘이 매끄럽게 번역해내게 됨. 어떤 언어든 실시간 변역 가능
속도부터 사람과 비교 할 수 없음. 앞으로 언어적인 장벽이 파괴돼 여행도 쉬어짐


버스/기차/공항 시스템 

지금도 이미 사람 대신 ATM기계로 대부분 가능. 앞으로는 모든 시스템이 자동화 


그 밖에 단순 작업, 자료 취급 등의 

보험관리사, 단순 사무직, 서비스직종도 존폐의 위기에 놓임. 

위에 언급된 직업들은 가장 빠른 시간내에 없어질 대표적인 직업들이고, 이미 사라져가고 있는 직업도 많기 때문에 고용률이 전 세계적으로 늘어나기 힘듬. 

싼 인건비로 "세계의 공장"이라고 불리던 중국조차 폭스콘을 시작해서 로봇 자동화로 바꿔가는중. 

< 네이처(Nature)지가 공개한 알파고, Fan Hui, 기타 인공 지능 머신의 바둑 단수 >

구글이 개발중인 인공지능(AI) 시스템 AlphaGo(알파고)가 화제가 되고 있다.

구글의 알파고는 바둑 경기로 타 인공 지능 시스템과의 경기에서 499승 1패, 최근에는 유럽 챔피언을 5승 0패로 완파하면서 IT 시장의 큰 관심을 받기 시작했다.

알파고 시스템은 바둑판 자체의 정보를 입력하고 관련 정보를 수 백만 노드로 구성한 12층 구성의 뉴럴 네트워크를 전개하여 정책 네트워크가 상대와의 경기에서 다음 수(방법)을 선택하고 가치 네트워크가 그에 따른 결과를 예측하는 구조로 동작한다. 

또, 과거부터 현재까지 바둑 달인들의 3000만 수가 넘는 경우의 수를 입력하고 훈련함으로써 57%의 확률로 다음 수를 예측, 이러한 방대한 연산 및 프로세스는 구글이 운영하는 구글 클라우드 플랫폼(분산형 x86 시스템)이 처리하는 말 그대로 "IT 기술의 집합체"로 평가할 수 있다.

과거 기계가 인간에 승리한 경우는 1997년 IBM의 딥-블루 머신이 체스 경기에서 세계 챔피언을 상대로 승리한 사례가 있으나 바둑 경기는 체스 경기가 포함하는 경우의 수와 비교가 불가한 방대한 수(10의 170제곱)를 나타내기 때문에 이번 알파고와 이세돌의 경기에 더 관심이 집중되고 있는 것.

구글은 이세돌과의 경기 예상에 대해 5:5 라는 다소 겸손한 자세를 취하고 있으나 알파고의 도전을 받아들인 현 세계 챔피언 이세돌은 최근 언론들과의 인터뷰에서 자신의 승리를 자신한다는 입장을 표명하며 세기의 "인간vs기계" 경기 결과에 세계인의 관심이 집중되고 있는 한편, 이 경기 결과는 IT와 과학이 융합된 인공지능(AI) 기술 분야의 진척 수준까지 파악할 수 있는 중요한 이정표가 될 것으로 보인다.