본문으로 이동

  • 인공지능의 새로운 물결
    인공지능의 새로운 물결
    인공지능의 새로운 물결

    뇌 모형을 중심으로 반도체 칩을 강조하는 파란색 조명이 퍼지는 이미지

관련 컨텐츠

인공지능, 우리 삶 속으로

우리는 상상이 현실화되고 있는 AI 시대에살고 있습니다. 공상과학 소설 속 이야기였던 인공지능이 어느덧 일상의 다양한 부분에서 우리가 상상하지 못했던 방식으로 사용되고 있습니다.

인공지능이 탑재된 새로운 기기들은 인간이 기술과 상호 작용하고, 활용하는 방식을 진화시키며 삶을 더 스마트하게 만들고 있습니다.

인공지능이 무엇인지, 그리고 삼성 반도체와 함께 삶을 어떻게 변화시키고 있는지 확인해보세요.

  • 인공지능이란?

    인공지능은 인간의 지능적인 행동을 어떻게 기계 시스템에 적용할 수 있을지 연구하는 컴퓨터 과학의 한 분야입니다.
    즉, 인공지능은컴퓨터나 로봇과 같은 기계 시스템이 인간과 비슷한 방식으로 생각할 수 있게 합니다.

    인공지능에게 어떠한 일을 주면 주위 환경에서 정보를 가져오고 분석해 적절한 답을 선택하고, 실수했다면 다음 번에 더 잘할 수 있도록 대안을 학습합니다.

    인공지능은 머신 러닝과 자연어 처리를 포함한 광범위한 기술을 나타내는 포괄적인 용어로서 오늘날에는 스마트폰과 가전제품은 물론 자율주행 자동차, 산업 제조, 의료에 이르기까지 다양한 분야에서 활용되고 있습니다.

    줄지어 서 있는 로봇 무리들

  • 이미지 인식과 음성인식

    인공지능은 사람처럼 주위 환경이나 사물을 인지할 수 있습니다. 현재 빠르게 발전하고 있는 두 가지 영역은 이미지 인식과 음성 인식입니다.

    이미지 인식 시스템은 사물이나 얼굴 표정 뿐만 아니라 그 이면의 맥락과 뉘앙스도 빠르게 인식할 수 있도록 발전하고 있습니다. 이러한 인식 능력을 활용하면 완전히 새롭고 매우 사실적인 이미지를 생성할 수도 있습니다.

    음성 인식 시스템은 딥 러닝을 활용해 수십억 개의 단어는 물론 복잡한 구문이나 문장 구조를 분석할 수 있습니다. 이와 같은 능력은 인공지능 비서 서비스가 사용자의 명령을 이해하고 이에 응답 할 수 있도록 합니다.

    AI의 이미지 및 음성인식을 설명하기 위한 원형 모션그래픽 일러스트 이미지

  • 진화를 위한 학습

    디바이스가 스스로 생각하기 위해서는 머신러닝의 개념이 필요합니다.

    머신러닝은 컴퓨터가 특정 작업을 수행하도록 프로그래밍하는 것이 아닌 기기가 데이터의 패턴을 식별하고 스스로 신뢰할 수 있는 결정을 하도록 학습한다는 개념입니다. 그리고 이를 통해 시간이 지날수록 정확도도 향상됩니다.

    한편, 딥 러닝은 인간의 뇌 구조에서 찾은 알고리즘인, 인공 신경망을 활용해 대량의 데이터에서 패턴을 식별하는 머신 러닝의 하위 개념입니다. 딥 러닝은 이미지 분류와 자연어 분석 등의 핵심 요소로 사람을 능가하는 수준까지 발전하여 번역은 물론 자율 주행 등의 응용처에도 적용되고 있습니다.

    인공지능 네트워크의 일러스트 사진, 선으로 이어진 점들

  • 추론, 생각하는 힘

    어떤 생각을 근거로 새로운 판단이나 결론을 끌어내는 추론 능력은 인공지능이 기존 데이터와 결과를 토대로 새로운 판단을 하도록 합니다.

    딥 러닝을 토대로 인간처럼 더 유연하게 생각할 수 있게 되고, 인식한 대상 간의 상대적 관계에 대해서도 판단할 수 있습니다. 이러한 능력은 단순한 작업부터 예술적 창작에 이르기까지 우리 삶을 둘러싼 다양한 분야에 새로운 경험을 제공할 것입니다.

    오늘날 많은 초거대 인공지능 시스템들은 이와 같은 판단이 가능하도록 훈련되고 있습니다. 문제를 더욱 큰 관점에서 파악하고, 최종 목표를 달성할 수 있는 가장 높은 확률의 가능성을 찾기 위해 각각의 옵션에 대한 결과까지 고려합니다.

    AI의 이미지 및 음성인식을 설명하기 위한 원형 모션그래픽 일러스트 이미지

  • 더 나은 결정을 위해

    사람은 결정을 내릴 때 즉각적인 영향 뿐만 아니라 향후 다가올 영향도 고려합니다. 때로는 최선의 결과를 바로 가져오지 못하더라도, 장기적으로 더 많은 이점을 가질 수 있는 것을 선택을 하게 됩니다.

    오늘날 많은 초거대 인공지능 시스템들은 이와 같은 판단이 가능하도록 훈련되고 있습니다. 문제를 더욱 큰 관점에서 파악하고, 최종 목표를 달성할 수 있는 가장 높을 가능성을 찾기 위해 각각의 옵션에 대한 결과까지 ‘상상’합니다.

    홀로그램 화면을 클릭하는 일러스트 이미지

기술

지도 학습, 비지도 학습 및 강화 학습을 포함한 기계 학습의 인포그래픽

머신러닝

머신 러닝은 인공지능이 복잡한 데이터를 분석하고 미래의 행동을 예측할 수 있도록 하는 프로세스입니다. 지도 학습을 통해 데이터를 레이블로 분류하거나 비지도 학습을 통해 데이터 세트의 패턴을 식별함으로써, 머신 러닝은 기계가 더 빠르고 정확하게 의사 결정을 내릴 수 있도록 도와줍니다.

또한, 사람과 동물이 시행착오를 통해 학습하는 방식과 유사한 강화 학습 방법은 기계가 현재의 상태에서 최대의 보상을 가져다주는 최선의 행동을 찾도록 도와줍니다.

인공 신경망 (ANN)과 심층 신경망 (DNN)의 인포그래픽 알고리즘과 DNN의 상호 연결된 계층으로 구성된 ANN은 입력과 출력 사이에 여러 계층을 포함합니다.

뉴런의 힘

기계는 딥러닝 덕분에 놀라운 정확도로 이미지 등 입력 데이터를 분석하고 인식할 수 있습니다.

이는 우리 뇌와 유사한 방식으로 데이터를 처리하고 학습할 수 있는 상호 연결된 알고리즘 계층, 즉 뉴런으로 구성된 ANN(Artificial Neural Network, 인공 신경망)을 통해 가능합니다.

DNN(Deep Neural Network, 심층 신경망)은 입력과 출력 사이에 여러 계층을 포함하는 인공 신경망으로 입력과 출력 사이에 인간의 뇌처럼 복잡하게 연결된 다양한 뉴런 계층들을 통해 작동합니다.

CNN(Convolution Neural Network, 합성곱 신경망)은 일반적으로 이미지, 음성 및 자연어 처리를 위해 데이터 패턴을 식별하는 데 사용됩니다.

인포그래픽은 AI가 빅데이터를 처리하는 과정을 보여줍니다. 빅데이터는 데이터와 AI 프로세스를 생성하고 저장하며 통찰력을 나타냅니다.

AI와 빅데이터

인공지능의 가장 흥미로운 응용처 중 하나는 기존 기술로는 처리할 수 없을 정도로 크고 복잡한 빅 데이터를 처리하는 것입니다. 여러 산업 분야에서 인공지능 도입에 박차를 가하는 것은 이러한 데이터 분석이 의사 결정에 필요한 중요한 통찰력을 제공해줄 수 있기 때문입니다.

차원이 다른 속도로 빠르게 정보를 선별 및 분석하는 머신 러닝 알고리즘을 활용함으로써 기업들은 데이터에 숨겨진 인사이트를 더 쉽게 발견하고 활용할 수 있습니다.

다양한 컴퓨팅 노드를 사용한 HPC의 병렬 처리에 대한 인포그래픽

새로운 차원의 컴퓨팅

인공지능을 한 단계 더 발전시키려면 이에걸맞는 수준의 컴퓨팅 인프라, 즉 HPC (high-performance computing)의 발전이 필수적입니다. HPC는 고성능 데이터 분석 및 머신 러닝 모델의 교육을 포함해 많은 양의 데이터를 다방면으로 사용하는 데 활용되고 있습니다.

HPC는 ‘노드’로 알려진 컴퓨팅 서버와 함께 병렬 컴퓨팅을 실현하여, 최첨단의 대규모 애플리케이션을 빠르고 안정적으로 실행할 수 있도록 합니다. 이러한 성능과 효율성은 기하급수적으로 증가하는 데이터 처리를 위한 인공지능의 발전에 필수적입니다.

AI 사용 클라우드 서버와 장치 내 AI의 대조 인포그래픽 장치 내 AI는 빠른 응답을 위해 네트워크 연결을 필요로 하지 않습니다.

온 디바이스 AI

온 디바이스 (On-device) AI의 발전은 인공지능 서비스를 더 빠르고 효율적으로 제공하는데 핵심적인 역할을 합니다. 인공지능 알고리즘과 하드웨어 및 소프트웨어의 빠른 발전은 인공지능 서비스를 클라우드에서 디바이스 내부로 옮겨올 수 있게 했습니다.

이처럼 모바일 기기, 가전제품, 자동차 등에서 작동하는 인공지능 서비스는 안정성, 개인 정보 보호, 성능 등에서 많은 이점을 얻을 수 있습니다. 온 디바이스 AI는 네트워크 의존도를 낮추고 클라우드보다 빠르며 생체 인식 등 민감한 데이터를 안전하게 활용할 수 있습니다.

애플리케이션

내 손안의 인공지능

온 디바이스 (On-device) AI는 빠른 인공지능 연산, 안정성과 보안성 등의 장점을 토대로 모바일 경험을 빠르게 진화시키고 있습니다.

인공지능 기반의 카메라는 피사체와 상황을 확실하게 인식해 사진을 찍으며, 빠르고 정확한 안면 인식 기능을 통해 보안을 강화합니다. 가상 및 증강 현실 경험도 인공지능을 통해 더욱더 사실적이며 몰입할 수 있도록 발전하고 있습니다. 또한 자연어 처리와 음성 인식 등의 기능은 가상 비서 서비스를 더 똑똑하고 유용하게 만들 것입니다.

펼쳐진 손바닥 위에 푸른빛의 큐브 형체의 그래픽이 떠오르는 일러스트 이미지

고성능 컴퓨팅을 더욱더 강하게

인공지능은 고성능 컴퓨팅 HPC(high-performance computing)의 새롭고 다양한 응용처들을 위한 열쇠가 될 것입니다.

대량의 데이터를 실시간으로 처리해야 하는 라이브 스트리밍 서비스 등의 애플리케이션은 초고속 HPC 기반의 IT 인프라 덕분에 깨끗하고 선명한 컨텐츠를 제공할 수 있습니다.

또한 HPC 클러스터는 효율성을 향상해 컴퓨팅 서버와 스토리지 간의 신속한 데이터 전송을 가능하게 하며, 효율적인 클러스터 구조는, HPC 구성을 위한 기업의 TCO (total cost of ownership)를 낮춰줍니다.

고성능 컴퓨팅의 이미지

안전한 드라이빙을 위해

인공지능은 자율 주행을 실현하는 핵심 기술입니다.
인공지능이 적용된 차량은 수많은 센서가 파악한 정보를 토대로 운전자보다 먼저 잠재적인 위험을 감지하고 사고를 방지하기 위해 차량을 제어합니다.

또한 고장을 방지하기 위해 차량 내 수많은 구성 요소를 모니터링하고, 운전자의 시선과 머리 위치를 파악해 졸음 운전에 대한 경고도 합니다.

이 모든 것은 인공지능을 통해 가능하며 더욱 안전한 운전 문화를 가져올 것입니다.

자율 주행 자동차의 이미지

엔터테인먼트에 즐거움을 더하다

인공지능은 스마트TV를 더욱 스마트하게 만들어, 더욱더 즐겁고 몰입할 수 있는 엔터테인먼트 경험을 제공합니다.

TV는 인공지능을 활용해 사용자에게 더욱 개인화된 컨텐츠를 추천하고 음성 명령으로 제어할 수 있게 해줍니다. 또한 머신 러닝은 더욱 다양한 8K UHD 콘텐츠를 즐길 수 있도록 도와줍니다. TV에 내장된 인공지능 프로세서는 낮은 해상도의 콘텐츠 영상을 분석해 8K 해상도로 업스케일링하여 더욱더 생생한 콘텐츠를 선보입니다.

스마트 TV로 컨텐츠를 즐기고 있는 그룹의 일러스트 이미지

혁신

인공지능, 반도체로부터

인공지능, 데이터 센터, 초연결, 메타버스…이들은 디지털 대전환의 시대에 우리의 삶을 지속적으로 재구성하고 있는 주요 플랫폼들입니다.

과거 PC와 스마트폰이 그랬던 것처럼. 이러한 새로운 플랫폼의 성장을 살펴보면 이들의 성장과 반도체 기술의 발전이 함께 가고 있음을 알 수 있습니다. 하나가 발전하면 다른 하나도 발전하여 새로운 개발을 촉발하여 다음 혁신에 대한 필요성을 창출합니다.

삼성은 폭넓은 첨단 반도체 제품과 기술을 통해, 다양한 응용처에서 더욱 진화된 인공지능을 만날 수 있도록 그 기반을 마련하고 있습니다.

전세계가 열광하고 있는 생성형 AI와 같은 수준의 초거대 AI를 구현하기 위해서는 엄청나게 많은 데이터를 빠른 속도로 처리해야 해서, 기존 컴퓨팅 구조로는 한계에 부딪히고, 새로운 패러다임의 메모리 기술이 절대적으로 필요합니다.

HBM-PIM(Processing-In-Memory)은 초고속 메모리인 HBM(High Bandwidth Memory)을 직접 연산 기능도 일부 담당하도록 설계해 CPU 중심의 중앙집권적인 연산 처리 과정을 분권형으로 바꾼 제품입니다. CPU만 연산을 담당하는 기존 아키텍처를 바꿔 메모리에서도 일부 연산이 이뤄지면서 전반적인 데이터 처리를 비약적으로 끌어올릴 수 있는 차세대 메모리 기술로 뽑힙니다.

생성형 AI 에 활용되는 언어 모델의 경우, 전체 연산 기능 가운데 PIM을 적용해 가속할 수 있는 부분이 80% 이상인 것으로 예측되고 있습니다. HBM-PIM을 적용하여 성능 개선 효과를 계산해 본 결과, HBM을 사용 GPU 가속기를 활용했을 때보다 AI 모델의 성능이 약 3.4배 이상 향상됨을 확인하였습니다.

CXL-PNM(Processing-Near-Memory)도 위에서 말한 HBM-PIM과 마찬가지로 메모리 반도체에 연산 기능을 탑재한 기술로, 연산 기능을 메모리의 옆에 위치시켜 CPU와 메모리 간 데이터 이동을 감소시켜 병목현상을 줄이고 CPU의 연산 처리 기능을 극대화 하는 역할을 합니다.
CXL 기반 PNM 솔루션은 메모리 용량 추가가 용이한 CXL 인터페이스를 활용해 기존 GPU 가속기 대비 4배 용량으로 제공 가능합니다. 다양한 고객 니즈에 맞는 AI 모델을 한 번에 처리하는데 적합하며, 초거대 AI 언어모델에도 활용 가능합니다. 또한 PCIe 인터페이스를 사용한 가속기와 비교했을 때, AI 모델의 로딩 속도도 2배 이상 빨라지는 효과가 있습니다.
삼성전자는 HBM-PIM, CXL-PNM 솔루션을 비롯해 이를 지원하는 소프트웨어와 실행 방법, 성능 평가 환경 등을 오픈 소스로 공개하여 AI 메모리 생태계 확장을 위한 노력을 지속해 나가고 있습니다. 

엑시노스 프로세서는 더욱 강력하고 효율적인 온 디바이스 AI를 위해 첨단 신경망처리장치 (NPU)를 탑재하고, LPDDR5 등 메모리 솔루션은 AI 시스템 구현에 필요한 고성능 프로세싱에 최적화 됐습니다.

Exynos 모바일 프로세서, HBM-PIM, CXL-PNM, Z-SSD 및 오토 SSD를 포함한 AI 솔루션의 이미지

관련 제품

메모리

프로세서

  • 모든 제품 Spec은 내부결과를 반영한 것이고, 사용자 시스템 구성에 따라 변동될 수 있습니다.
  • 모든 제품 이미지는 예시이며 제품과 정확하게 일치하지 않을 수도 있습니다.
  • 삼성전자는 사전 통지 없이 언제라도 제품 이미지와 설명서를 변경할 수 있습니다.