본문 바로가기 주메뉴 바로가기 검색 바로가기
AI 칩, 전자가 아닌 빛으로 작동한다?
상태바
AI 칩, 전자가 아닌 빛으로 작동한다?
미국 스타트업 라이트매터는 복잡한 신경망이 필요한 컴퓨팅과 전력을 유지하기 위해 새로운 기술이 필요하다고 말한다.
By WILL KNIGHT, WIRED US

인공지능(AI)의 수요가 증가함에 따라 AI 운영에 필요한 컴퓨터 전력 수요도 함께 증가했다.

MIT에서 탄생한 스타트업 라이트매터(Lightmatter)는 AI와 관련, 매우 큰 열망 때문에 궁극적으로 빛을 활용해 핵심 계산을 수행한다는 기존과는 다른 컴퓨터 칩 수요가 탄생하리라 확신한다.

라이트매터 CEO 닉 해리스(Nick Harris)는 “인류가 새로운 종류의 컴퓨터 개발을 계속하지 않는다면, AI 발전 속도가 둔화될 것이다”라고 말했다.

기존 컴퓨터 칩은 트랜지스터를 사용하며, 반도체를 통해 전자의 흐름을 제어한다. 정보를 1초와 0초 단위로 줄이면서 칩은 광범위한 논리를 운영하면서 강력한 복합 소프트웨어를 수행한다. 그러나 라이트매터가 개발한 컴퓨터 칩은 강력한 AI 프로그램 운영에 중요한 특정 유형의 컴퓨터 계산만 수행하도록 설계됐다.

해리스는 와이어드에 보스턴에 본사를 둔 라이트매터가 새로 개발한 칩을 보여주었다. 여러 가지 광섬유 선이 안에서 몰래 빠져나오는 듯한 일반 컴퓨터 칩처럼 보였다. 그러나 단순히 나노미터 단위로 작은 채널에서 빛을 쪼개고 혼합하면서 계산을 수행했다. 기본 실리콘 칩은 광자 부분의 기능을 조정해, 임시 메모리 저장 공간도 제공한다.

라이트매터는 첫 번째 빛 기반 AI 칩인 엔바이스(Envise)를 2021년 말에 출하하기 시작할 계획이다. 기존 데이터 서버에 적합한 칩 16개가 포함된 서버 블레이드를 출하할 예정이다. 또, 라이트매터 측은 구글 벤처스(GV), 스파크 캐피털(Spark Capital), 매트릭스 파트너스(Matrix Partners)에 총 2,200만 달러의 자금을 지원받았다.

라이트매터는 엔바이스가 작업에 따라 엔비디아의 최고급 제품인 A100 AI 칩보다 1.5~10배 더 빠른 실행 속도를 구현한다고 설명한다. 그리고, 라이트매터 측은 베르트(BERT)라는 자연어 모델을 실행하면서 엔바이스가 엔비디아 칩보다 5배 더 빠른 실행 속도를 선보이면서 전력 소비량은 1/6 수준에 불과하다고 말한다. 이와 관련, 엔비디아 측은 답변을 거부했다.
 
[사진=Lightmatter 트위터]
[사진=Lightmatter 트위터]

AI 칩 기술에는 기술적 한계가 있으며, 여러 기업이 입증되지 않은 설계 구조를 적용하도록 설득하는 데 어려움이 있다는 것이 입증됐다. 그러나 AI 칩 기술 관련 내용을 설명한 애리조나 연구기관 세미코(Semico) 소속 애널리스트 리치 바르지니악(Rich Wawrzyniak)은 라이트매터가 빛으로 작동하는 AI 칩으로 변환하는 데 양호한 기회를 지니고 있다고 믿는다고 밝혔다. 그는 “라이트매터가 보여준 것은 매우 훌륭하다고 생각한다”라고 언급했다.

바르지니악은 매우 빠른 속도로 증가하는 AI 수요, 그리고 비싼 AI 사용 비용 때문에 테크 업계 대기업이 적어도 라이트매터의 AI 칩 제작 기술을 실험하리라 기대한다. 그는 “여러 관점에 서 보았을 때, 즉시 다루어야 할 문제이다. 데이터 센터에 필요한 전력량은 급속도로 치솟아 오른다”라고 말했다.

라이트매터의 칩은 특정 AI 계산 작업을 매우 빠르면서 더 효율적으로 수행한다. 정보를 다양한 파장의 빛으로 더 효율적으로 암호화할 수 있으며, 또 빛을 제어하는 데 필요한 전력은 트랜지스터로 전자의 흐름을 제어하는 데 필요한 전력보다 적기 때문이다.

라이트매터 칩의 주요 한계는 계산 작업이 디지털이 아닌 아날로그로 이루어진다는 것이다. 이 때문에 기본적으로 디지털 실리콘 칩보다 계산 정확도가 낮다. 그러나 라이트매터는 계산 정확도를 개선할 기법을 생각해냈다. 라이트매터는 AI 모델 훈련용 칩이 아닌 초기에 사전 훈련된 AI 모델용 칩으로 홍보할 예정이다. 사전 훈련된 AI 칩에 필요한 정확도가 더 낮기 때문이다. 그러나 해리스는 원칙적으로 사전 훈련된 AI 운영과 AI 모델 훈련 모두 가능하다고 말한다.

라이트매터의 엔바이스는 다량 혹은 딥 뉴럴 네트워크를 기반으로 데이터를 이해하고 유용한 결정을 내리는 딥러닝이라는 AI 영역에 가장 유용할 것이다. 이는 컴퓨터가 이미지 및 영상 처리, 자연어 이해, 로봇, 비즈니스 데이터 이해 등 새로운 기능을 제공했다. 그러나 많은 양의 데이터와 컴퓨터 전력이 필요하다.

딥 뉴럴 네트워크 훈련 및 실행은 고급 그래픽 칩에 적합한 여러 병렬 계산 수행을 의미한다. 딥러닝의 인기가 급상승 추세는 데이터 센터 전용 칩부터 뛰어난 효율성을 자랑하는 모바일 기기 및 웨어러블 기기용까지 새로운 칩 설계의 성공에 영감을 주었다.

광자 컴퓨터를 연구하는 UCLA의 아이도건 오즈칸(Aydogan Ozcan) 교수는 AI의 급부상이 라이트매터가 선보인 것과 같은 기술이 더 주목을 받으리라 생각한다. 그는 새로운 형태의 광자 컴퓨터로의 변환이 AI의 새로운 발전 방식을 열어줄 수 있다고 제시한다. 그는 “컴퓨터 속도, 전력, 병렬 등 AI의 성공 속도를 높일 요소가 삽입될 것이다”라고 말했다.
 
“인류가 새로운 종류의 컴퓨터 개발을 계속하지 않는다면, AI 발전 속도가 둔화될 것이다.”
닉 해리스, 라이트매터 CEO

컴퓨터 계산 작업에 빛을 사용하는 것 자체는 새로 등장한 개념이 아니라 1950년대에 등장한 개념이다. 그러나 전기 컴퓨터가 발전 및 상용화 측면에서 더 실용적인 것으로 확인됐다. 1980년대, 벨 연구소는 종합적인 목적을 지닌 빛 기반 칩을 제작하고자 했으나 광학 트랜지스터 제작 어려움 때문에 실패했다.

라이트매터 측은 엔바이스가 기존 데이터 센터에서 사라지고 주요 AI 소프트웨어와 대부분이 연동될 수 있다고 말한다. 2021년 말, 라이트매터는 다른 기업의 제품을 비롯한 칩을 광자 기술을 활용해 연결할 새로운 기술을 출시하고자 한다. 빛은 광섬유 케이블을 사용해, 여러 컴퓨터 간 정보를 전달하는 데 널리 사용된다.

해리스는 비용 인상 및 에너지 사용, 엔지니어링 제약 등이 곧 발생할 수 있어, AI가 향후 몇 년 뒤면 한계에 도달할 것이라고 주장한다. 많은 엔지니어가 더 많은 트랜지스터를 칩에 빼곡히 채워 넣고 성능을 향상하고자 하고 있어, 칩을 관리하는 데 지나치게 뜨거워질 수 있다.

여러 칩 제조사가 계속 뛰어난 엔지니어링 및 제작 기술을 활용해 설계 과정에 더 많은 계산을 계속한다고 해도 AI 분야는 거의 지속 불가능한 궤도에 있는 것으로 보이는 상황이다. 최근, 오픈AI(OpenAI)가 공개한 데이터에 따르면, 획기적인 AI 연구에 필요한 컴퓨터 전력량이 약 3.4개월 단위로 두 배씩 증가해, 2012년부터 2018년까지 총 30만 배가 증가했다.

그러나 일부 AI 전문가는 계속 증가하는 컴퓨터 전력 비용 때문에 AI의 발전 속도가 느려질 수 있다고 경고한다. 또, 일각에서는 많은 전력을 소모하는 AI 알고리즘 사용이 만연해지면 발생할 수 있는 환경의 여파를 우려한다.

** 위 기사는 와이어드US(WIRED.com)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
This Chip for AI Works Using Light, Not Electrons
이 기사를 공유합니다
RECOMMENDED