4차 산업혁명의 핵심은 산업과 인공지능의 창조적 결합이고, 이를 위한 열쇠는 컴퓨팅 파워, 머신러닝, 빅데이터로 요약된다. 이들 세 가지 키워드는 클라우드 분야에서 새롭고 강력한 기회 요인으로 작용할 것이다.

인공지능 클라우드는 글로벌 강자들의 패권 경쟁과 서비스 사용기업의 편익이 합치되며 상승작용을 일으켜 매우 빠르게 발전할 것이다.

또 궁극적으로 인공지능 클라우드는 한 사회가 공유하는 거대한 인공두뇌로 진화하게 될 것이다.

최근 정보통신기술(ICT) 분야뿐만 아니라 전 산업분야에서 최대 이슈는 단연 4차 산업혁명이다.

혹자는 4차 산업혁명을 ‘인공지능(AI), 로봇기술, 생명과학이 주도하는 차세대 산업혁명’이라고 정의하기도 하지만, 그 정의가 무엇이든 4차 산업혁명의 주요 특징은 ‘산업과 인공지능의 창조적 결합’이 될 것임에는 분명하다.

그렇다면, 이와 같은 특징을 현실로 만드는 데에 있어서의 열쇠는 무엇이며, 열쇠를 쥔 리더는 누가 될 것인가?

첫 번째 열쇠는 컴퓨팅 파워다. 4차 산업혁명 쓰나미의 진원이 됐다고 볼 수 있는 알파고에서 우리가 한 가지 간과한 것이 있다면 그것이 이세돌과의 단일 세션에 불과했다는 것이다.

만약 전 산업의 각 종목마다 인공지능을 본격적으로 활용하고자 하는 혁신이 일어난다면 셀 수 없이 많은 세션을 동시에 서비스해야 할 것이다. 그렇다면 이를 위한 막대한 컴퓨팅 파워를 그 누군가가 제공해야 하는데, 이를 제공할 수 있는 기업들이 결국엔 4차 산업혁명의 리더가 될 것이다.  

두 번째 열쇠는 단연코 머신러닝이다. 머신러닝의 대표격인 딥뉴럴네트워크(DNN)를 비롯해 다양하고 막강한 차세대 머신러닝 알고리즘을 막강한 컴퓨팅 플랫폼에 탑재해 대중화시킴으로써 이를 창의적으로 응용하는 기업으로 하여금 해당 분야에서 패권을 차지하도록 한다면 이러한 기업들 또한 4차 산업혁명의 리더가 될 것이다.

세 번째 열쇠는 빅데이터다. 최근 들어 인공지능이 자연어 처리나 이미지 처리에서 기존 알고리즘 지향적 프로그램의 성능을 뛰어 넘게 된 것도 빅데이터에 기인한다는 것은 주지의 사실이다.

다양한 빅데이터를 정부나 공공기관이 공공재로 제공하는 방법도 있겠지만 민간 고유의 무한대 정보를 막대한 스토리지에 저장해 주고 막강한 컴퓨팅 파워와 머신러닝을 이용해 이를 가공할 수 있도록 해준다면 이러한 기업들 또한 4차 산업혁명의 리더가 될 것이다.

클라우드 공급·사용자 윈윈 게임

이러한 세 가지 키워드는 클라우드 분야에서 새롭고 강력한 기회 요인으로 작용할 것이다. 컴퓨팅 파워와 저장능력은 당초 클라우드의 기본 개념에 해당하는 것이므로 머신러닝만 접수하면 4차 산업혁명의 리더가 될 수 있을 것이기에 고지가 바로 코앞인 셈이다. 

클라우드 사용 기업의 입장에서는 인공지능을 위한 큰 투자 없이도 기존의 클라우드에서 인공지능 기능도 활용해 자사 서비스의 지능성을 높일 수 있기 때문에 매우 반가운 일이 아닐 수 없다.

굳이 머신러닝까지는 아니더라도 예를 들어 클라우드에서 다국어 번역 API(Application Programming Interface)가 제공된다면 이러한 API를 사용해 글로벌 비즈니스에 필요한 서비스로서의 소프트웨어(SaaS)를 비교적 손쉽게 개발함으로써 경쟁력을 높일 수 있다.

이러한 API는 이미 구글과 IBM이 제공하고 있다. 이처럼 인공지능 기술에 대한 수요도 분명한 것이 클라우드 분야다. 

이렇듯 수요 요인과 공급 요인의 접점 형성으로 이미 클라우드 분야는 인공지능이 곧 경쟁의 법칙이 되는 3세대로 진입했다. 가상화 서비스 도입기를 1세대, 글로벌 엔터프라이즈 규모로 발돋움한 시기를 2세대로 볼 때, 3라운드의 종이 울린 것이다.

출전 선수들은 단연코 아마존, 마이크로소프트(MS), IBM, 구글 등 글로벌 4강이 될 것으로 보인다. 이들은 현재까지 구축해온 고도의 클라우드 기술과 글로벌 사업 기반을 바탕으로 차별화된 인공지능 클라우드 솔루션 및 서비스를 구비해 나가고 있어 주도권 쟁탈을 위한 대격전이 예고되고 있다.

3세대 클라우드, 글로벌 4강 격돌

구글은 지난해 이미 ‘GCP(Google Cloud Platform)’를 발표했다. GCP는 이의 프로덕트로 컴퓨트, 스토리지 등과 함께 ML(Machine Learning)을 포함하고 있으며, ML의 세부 항목으로 각종 API와 ‘텐서플로(TensorFlow)’를 기반으로 하는 클라우드 머신러닝 플랫폼을 통해 머신 러닝 모델 개발과 스케일러블한 분산 학습을 제공하고 있다. 

아마존웹서비스(AWS)는 당초 상품추천 서비스를 목적으로 한 머신러닝 라이브러리인 DSSTNE(Deep Scalable Sparse Tensor Netwrok Engine)을 개발했다. AWS는 이를 오픈소스로 공개, 다양한 분야에 확장해 응용할 수 있도록 하고 있다.

AWS는 ‘EC2’ 사용자를 위한 딥러닝 이미지인 딥러닝 AMI(Deep Learning Amazon Machine Image)를 몇 가지 EC2 인스턴스 타입으로 제공하고 있다.

딥러닝 AMI는 유력한 라이브러리들을 포함하고 있으며, 이들을 ‘엔비디아 테슬라 K80(NVIDIA Tesla K80)’ 기반의 GPU가 지원되는 P2 인스턴스 상에서 사용할 수 있어 머신러닝을 위한 가속 기능도 제공한다.

>>>

인공지능 클라우드는 기존 글로벌 강자들의 패권 경쟁과

서비스 사용 기업의 편익이 서로 합치되면서 상승작용을

일으켜 매우 빠른 속도로 발전할 것이다.

MS는 ‘애저 N-시리즈(Azure N-Series)’ 가상머신을 제공한다. 엔비디아 테슬라 K80 GPU 기반의 NC 가상머신과 엔비디아 테슬라 M60 GPU 기반의 NV 가상머신 등 두 가지 가상머신이 제공되며, 이 중 NC 가상머신을 통해 머신러닝 라이브러리를 사용할 수 있다.

한편, 인피니밴드를 통한 RDMA(Remote DMA)가 제공돼 복수의 가상머신 인스턴스 사이에 속도 빠른 데이터 공유가 가능해 신경망 레이어와 같이 딥러닝 모델상에 존재하는 병렬성을 실현할 수 있는 것으로 알려져 있다.

IBM은 파워8(Power8) 프로세서와 엔비디아 P100을 결합한 고성능 서버인 S822LC 상에 유력한 딥러닝 프레임워크를 최적화시킨 ‘파워AI’를 제공하며, 궁극적으로 ‘소프트레이어(SoftLayer)’를 통해 클라우드 인프라로 진출할 것으로 예상된다.

한편, IBM은 서비스로서의 플랫폼(PaaS) 솔루션인 ‘블루믹스(Bluemix)’ 플랫폼에 왓슨을 포함하는 차원에서 인공지능 기능을 제공하는 전략을 추구하고 있다. 이미 블루믹스를 통해 30종의 왓슨 서비스 API를 제공하고 있다. 

우리나라는 현재 국내 기술을 바탕으로 인공지능 클라우드 API를 서비스로 제공하는 CSP(Cloud Service Provider)가 있는지는 분명하지 않다.

오히려 인프라로서의 서비스보다는 특색 있는 응용 서비스이나 특정 도메인에서의 인공지능 클라우드 생태계 구축에 포커스를 맞추고 있는 형국이다.

SK C&C의 경우 IBM 왓슨과 협력해 왓슨의 한국어 서비스를 개발하고 판교의 클라우드데이터센터를 활용해 보험 분야 24시간 인공지능 상담원을 운영할 계획으로 알려져 있다. SK텔레콤은 클라우드 기반의 대화형 인공지능 서비스인 ‘누구(NUGU)’의 API를 개방해 생태계 확장을 추구할 것으로 보인다.

네이버도 인공지능 엔진인 ‘아미카’를 삼성전자 사물인터넷(IoT) 개발 플랫폼인 ‘아틱’과 연계해 지능형 IoT 생태계 확보를 추진 중인 것으로 알려졌다.

한편, 인공지능 클라우드와 관련한 연구개발(R&D)로 ‘대규모 딥러닝 고속처리를 위한 HPC 시스템 개발’ 사업이 한국전자통신연구원에서 진행되고 있다. 클라우드 서비스 개발이 주목적은 아니지만 향후 국내 CSP가 인공지능 클라우드 서비스를 제공하기 위한 기반기술이 될 것으로 기대된다.

인공지능 API 확대 필연

현재까지의 인공지능 클라우드 서비스는 API 제공과 머신러닝 가속 기능 제공으로 요약될 수 있다. 그러나 국내외에서 진행 중인  인공지능 클라우드 서비스는 전주곡에 불과하다. 

우선 인공지능 응용 영역의 확장에 따른 API의 확대는 필연적이며, 이를 위한 보다 과학적인 API 디자인이 핵심으로 떠오를 것으로 보인다.

예를 들어 스마트 팩토리 산업에 클라우드 업체가 진출하기 위해서는 팩토리 업무 관리나 정보 저장의 수준을 넘어 공장의 실시간 정보를 머신러닝 기법으로 분석할 수 있도록 인공지능 API를 제공하는 것이 중요하게 될 것이다.

서비스 개발 전문기업들은 이러한 API를 활용해 별도의 장비 없이도 클라우드 상에서 강력한 머신러닝 파워를 활용해 창의적인 분석 서비스를 개발할 수 있는 편익을 얻게 된다.

결국 인공지능 API 제공은 클라우드 서비스 제공 기업이나 사용 기업 모두에게 이득을 안겨줌으로써 시장 확대를 위한 상승효과를 창출할 수 있을 것이다.

머신러닝 가속 기능에서는 GPU의 가상화 기술이 핵심이다. 물론 GPU 가상화 기술은 수년전부터 존재해온 기술로 최근에는 가상머신뿐만 아니라 컨테이너 공개 소프트웨어인 도커(Docker)에서도 GPU를 사용할 수 있게 됐다.

그러나 동일 GPU 장치에 대해 가상화 인스턴스 간에 멀티 태스킹이 아직 어려운 것 등 GPU 기반의 가속 기능을 본격적으로 서비스하기까지는 기술적으로 넘어야할 산도 많다.

한편, GPU가 아닌 머신러닝 전용 프로세서를 개발해 클라우드에 활용하는 사례도 있다. 구글의 경우 알파고를 위해 텐서플로 전용 칩인 TPU(Tensor Processing Unit)를 개발해 가속장치로 사용한 바 있다.

8비트 정도까지 계산 정밀도를 낮춰 연산에 사용되는 트랜지스터의 개수를 줄이는 대신 속도를 크게 높였다. 구글에 따르면, 기존 칩셋과 비슷한 전력 소모량으로 10배가량 빠른 연산 속도를 보인다고 한다.

조금 장기적인 관점에서 보면, 클라우드 컴퓨팅이 뉴로모픽 칩과 조우할 날도 멀지 않아 보인다. 예를 들어 미국 고등방위연구계획국(DARPA)의 ‘시냅스(SyNAPSE)’ 프로젝트의 후속작업으로 발된 IBM의 ‘트루노스(TrueNorth)’ 칩만 해도 약 100만 개의 디지털 뉴런과 2억5600만 개의 디지털 시냅스를 제공하며, 기존 프로세서의 1만 분의 1 정도의 전력만 소비한다.

물론 칩의 면적이 4.3㎠로 매우 크기 때문에 휴대형 환경으로는 부적합하겠지만, 이를 어레이로 수없이 연결하고 클라우드 서버에 연동해 뉴런과 시냅스를 단위로 서비스를 해보는 것은 전혀 엉터리 같은 생각은 아닐 것 같다.

인공지능 클라우드는 기존 글로벌 강자들의 패권 경쟁과 서비스 사용 기업의 편익이 서로 합치되면서 상승작용을 일으켜 매우 빠른 속도로 발전할 것이다.

궁극적으로 인공지능 클라우드는 한 사회가 공유하는 거대한 인공두뇌로 발전하게 될 것으로 점쳐지기도 한다.

과연 이렇게 빠른 발전 추세 속에서 인공두뇌로서의 클라우드를 누가 먼저 보유해 4차 산업혁명의 진정한 주인공이 될지 기대된다. 

<본 기사는 테크M 제46호(2017년 2월) 기사입니다>