May 26, 2017

알파고, 바둑 말고 어디에 활용됐을까

데이터센터에 적용돼 다양한 분야서 활약
ZDnet, 손경호 기자 2017.05.24


알파고는 바둑만 잘하는 것일까?

지난해 이세돌 9단과 바둑대결에서 승리한 알파고가 23일 바둑 세계 랭킹 1위인 커제 9단과 맞붙는다.

커제 9단 스스로도 "지금 알파고가 인간에게 주는 느낌은 신선과 같다"며 "어려운 승부가 될 것"이라고 밝힌 만큼 인공지능(AI)의 수 읽기는 이전과 상상할 수 없을 만큼 정교해졌다.

그러나 알파고가 바둑만 잘하는 AI라고 보기는 힘들다.

지난해부터 올해 초까지 알파고에 활용된 딥러닝 기술 노하우는 산업 영역 곳곳에 녹아들기 시작했다.


알파고를 개발한 구글 자회사 딥마인드 데미스 하사비스 최고경영자(CEO)는 지난달 10일 인간 대 AI 바둑 리매치가 열리는 '바둑의 미래 서밋'을 소개하며 "알파고에 사용된 머신러닝 방식은 이미 에너지 절약, 의료 진단과 헬스케어 등 다양한 부문에서 중요한 문제를 해결하는 데 사용되고 있다"고 강조했다.

지난 1년 간 알파고에 쓰인 핵심 기술이 가장 빨리 적용된 곳은 구글 데이터센터다.

데이터센터는 컴퓨터가 연산하는 과정에서 많은 열을 발생시킨다. 때문에 냉각시설을 운영하는데 많은 에너지가 소비된다. 딥마인드는 자사 블로그를 통해 머신러닝 기술을 활용, 구글 데이터센터 냉각비용을 40%까지 절감할 수 있다고 밝혔다.

데이터센터 내 각종 장비는 날씨 등 외부환경과 상호작용한다. 엔지니어나 인간의 직관에만 의존해 냉각시설을 효율적으로 관리하기는 쉽지 않다. 더구나 데이터센터마다 독특한 아키텍처와 운영환경을 가진 만큼 이들 내부의 여러 프로세스에 대해서도 파악하고 있어야 한다.

머신러닝을 적용했을 때와 그렇지 않았을 때 구글 데이터센터 전력사용효율성(PUE) 측정값.(자료=딥마인드)

딥마인드가 개발한 머신러닝 기술은 데이터센터 내 수 천 개 센서로부터 온도, 전력량, 냉각펌프의 운영속도, 각종 설정값 등을 수집한 뒤 딥뉴럴네트워크에 학습시킨다. 이를 통해 미래 전력사용효율성(PUE)을 예측해 냉각비용을 최소화할 수 있는 방안을 찾아낸다. PUE는 전체 건물 에너지 사용량 중 IT 분야 에너지 사용량 비율을 말한다. 이와 함께 온도, 압력을 예측하는 또 다른 딥뉴럴네트워크도 활용했다.

헬스케어 분야도 딥마인드가 공들이는 분야 중 하나다. 영국 국민보건서비스(NHS)가 이 회사가 개발한 AI시스템을 활용, 지역이나 병원 내 특정 진료과에 상관없이 동일한 의료 서비스를 지원받을 수 있게 했다. AI시스템이 사전에 학습한 내용을 바탕으로 환자에 대한 초진을 빠르게 완료해 의사들이 어떤 부분을 중점으로 봐야하는지를 돕는다.

이와 함께 알파고가 프로 바둑기사들이 예상치 못했던 수를 던졌던 것처럼 다른 각도에서 서로 다른 증상 간 관계를 분석해 질병을 분서할 수 있게 도울 수도 있다. 딥마인드는 "AI시스템은 시간이 지날수록 (학습을 통해) 성능이 개선된다"고 강조했다.

로봇 분야에서 구글은 학습하는 로봇팔을 테스트하기도했다. IT매체 와이어드에 따르면 알파고에도 쓰인 강화학습이라는 머신러닝 기술을 활용했다. 특정한 임무를 수행하기 위해 실패를 반복하는 시행착오를 겪으면서 원하는 목표를 달성하게 할 수 있는 방법이다. 시연에서는 로봇팔이 계속 시도한 끝에 문고리를 잡아 문을 열었다. 스스로 문을 여는 방법을 습득한 것이다.

지난해 알파고는 1천202개 CPU, 176개 GPU를 탑재한 슈퍼컴퓨터를 통해 작동했다. 그러나 올해 커제와 맞붙는 알파고2.0은 구글이 자체 개발한 텐서프로세싱유닛(TPU)을 활용하고, 강화학습이 가지는 강점을 새로운 머신러닝 기법으로 훈련됐다.

새로운 알파고가 바둑 뿐만 아니라 전 산업영역에서 화두로 부상한 AI에 어떤 영향을 주게 될지 주목된다.