컴퓨팅

4 Contents

AI 반도체, 👦👧초등학생도 이해한 진짜 쉬운 설명!(with 인하대학교 최리노 교수님) l 요즘과학

반도체는 전자제품의 핵심 부품으로, 우리가 일상에서 사용하는 스마트폰, 자동차, 밥솥 등 다양한 기기에 필수적으로 들어갑니다. 반도체 소자는 전기 신호를 받아 특정 역할을 수행하는 부품으로, 단순한 물질이 아니라 복잡한 기능을 담당합니다. 과거에는 진공관이 이러한 역할을 했으나, 반도체 물질이 등장하면서 훨씬 작고 효율적인 소자를 만들 수 있게 되었습니다. 이로 인해 전자기기의 소형화와 에너지 절감이 가능해졌으며, 컴퓨터의 발전에도 큰 기여를 하였습니다. 컴퓨터의 구조는 폰 노이만 아키텍처에 기반을 두고 있습니다. 이 구조는 연산과 제어를 담당하는 시스템 반도체와 데이터를 저장하는 메모리 반도체로 나뉩니다. 시스템 반도체는 CPU와 같은 역할을 하며, 메모리 반도체는 정보를 저장하는 기능을 담당합니다. 손톱만 한 칩 안에 수십억 개의 스위치가 들어갈 정도로 기술이 발전했지만, 소자의 크기를 더 줄이는 데 한계가 다가오고 있습니다. 이에 따라 새로운 계산 방식이 필요해졌고, AI 반도체가 등장하게 되었습니다. AI 반도체는 인간의 두뇌처럼 학습하고 추론하는 기능을 갖추고 있습니다. 기존 컴퓨터가 단순 연산에 집중했다면, AI 반도체는 인공신경망을 통해 방대한 데이터를 학습하고 패턴을 찾아냅니다. 예를 들어, 개와 고양이 사진을 반복적으로 학습시켜 스스로 구분할 수 있게 만드는 것이 대표적입니다. 이러한 학습과 추론 과정은 기존 반도체보다 훨씬 많은 연산과 데이터 처리가 필요하므로, 더욱 효율적이고 빠른 AI 반도체의 개발이 필수적입니다. AI 반도체의 중요성은 국가 경쟁력과도 직결됩니다. 계산 속도가 빠른 나라는 더 많은 혁신과 발전을 이룰 수 있으며, 이를 뒷받침하는 것이 바로 반도체 기술입니다. 수학, 물리, 화학 등 기초 과학의 중요성이 강조되는 이유도 여기에 있습니다. 반도체 산업은 시스템 반도체, 메모리, 파운드리 등 다양한 분야로 나뉘며, 각 분야마다 글로벌 기업들이 치열하게 경쟁하고 있습니다. 우리나라의 경우 메모리 분야에서 강점을 보이고 있지만, 시스템 반도체 분야에서는 아직 갈 길이 멉니다. 미래 반도체 산업에서 주도권을 유지하기 위해서는 시스템 반도체 분야의 역량 강화가 필요합니다. 이를 위해서는 우수한 인재 양성과 연구 개발 투자가 필수적입니다. 반도체는 단순한 부품이 아니라, 컴퓨터와 같은 시스템의 핵심을 이루는 기술입니다. 앞으로도 반도체 기술의 발전이 우리의 삶을 더욱 풍요롭게 만들 것이며, 과학에 대한 꾸준한 관심과 학습이 미래를 여는 열쇠가 될 것입니다.

AI 반도체, 👦👧초등학생도 이해한 진짜 쉬운 설명!(with 인하대학교 최리노 교수님) l 요즘과학
국립과천과학관요즘과학👏
  • 물리학
  • 화학
  • 융합

[EOST2023] AI와 오픈소스: 혁신, 자본, 기여자의 역학

소프트웨어의 역사는 40년 전 자유 소프트웨어 재단(FSF)의 설립과 함께 큰 전환점을 맞이했습니다. 초기에는 독점 체제에 맞서려는 사상적 운동으로 시작되었으나, 리눅스와 아파치 같은 혁신적인 도구들이 등장하며 독자적인 기술 생태계를 구축했습니다. 이제 오픈소스는 단순한 대안을 넘어 현대 연산 자원의 핵심으로 자리 잡았으며, 전 세계 슈퍼컴퓨터의 100%가 리눅스로 가동되는 등 보이지 않는 곳에서 디지털 세상의 기반이 되고 있습니다. 현재 우리가 사용하는 소프트웨어의 약 97%는 오픈소스를 기반으로 하며, 이는 현대 기술 문명을 지탱하는 필수적인 인프라 역할을 수행합니다. 전통적인 제조 산업인 자동차 분야조차 오픈소스 없이는 개발이 불가능할 정도로 그 영향력이 막대합니다. 개발자들은 언어나 컴파일러부터 이미 공개된 자원을 활용하며, 이는 기술 혁신의 진입 장벽을 낮추고 전 세계적인 네트워크 효과를 통해 소프트웨어의 규모를 폭발적으로 확장하는 계기가 되었습니다. 특히 딥러닝으로 대표되는 AI 분야는 태생부터 오픈소스 문화와 밀접하게 연결되어 있습니다. 깃허브와 같은 협업 플랫폼이 활성화된 이후 본격적으로 성장한 이 분야는 파이토치나 텐서플로우 같은 프레임워크를 누구나 자유롭게 사용할 수 있게 했습니다. 모델의 발전 속도가 워낙 빠르고 규모가 유도하는 성능 향상이 뚜렷하기 때문에, 코드를 공개하는 것에 대한 저항감이 적으며 이를 통해 전 세계 연구자들이 실시간으로 혁신을 공유하게 되었습니다. 하지만 AI의 급격한 성장은 자본과 연산 자원의 집중이라는 새로운 과제를 던져주었습니다. 과거의 오픈소스가 기여자의 열정만으로 가능했다면, 현재의 거대 언어 모델은 막대한 비용과 GPU 자원을 필수적으로 요구합니다. 이러한 특성 때문에 혁신의 주도권이 거대 클라우드 기업으로 쏠리는 현상이 발생하고 있습니다. 이는 오픈소스 본연의 가치와 자본의 논리가 충돌하는 지점으로, 생태계의 지속 가능성을 고민하게 만드는 중요한 시점입니다. 최근의 갈등은 라이선스의 변화에서도 극명하게 나타납니다. 클라우드 기업들이 오픈소스 프로젝트에 무임승차하는 사례가 늘어나자, 일부 기업들은 기존의 완전한 공개 라이선스 대신 특정 조건하에서만 허용되는 라이선스로 전환하기 시작했습니다. 이는 오픈소스 사상가들과 기업 간의 복잡한 내전 양상을 띠고 있으며, 소프트웨어의 소유권과 공유의 범위를 어디까지 설정할 것인가에 대한 깊은 논쟁을 불러일으키고 있습니다. 다행히도 최근에는 라마나 팔콘과 같은 파운데이션 모델들이 공개되면서 독점적인 API 기반 모델에 대한 대안이 마련되고 있습니다. 수많은 국가와 기관들이 인공지능이 특정 기업의 전유물이 되지 않도록 모델을 무료로 배포하고 있으며, 이는 다시 오픈소스 커뮤니티의 폭발적인 파인튜닝 시도로 이어지고 있습니다. 이러한 움직임은 기술적 리더십을 확보하려는 전략인 동시에, 인공지능 기술에 대한 접근성을 보장하려는 민주적인 노력이기도 합니다. 결국 다음 10년의 소프트웨어 형태를 정의할 AI 생태계는 혁신과 자본, 그리고 기여자라는 세 가지 축이 어떻게 균형을 이루느냐에 달려 있습니다. 오픈소스는 지난 40년 동안 다수의 참여자가 혁신을 만드는 체계적인 방법론을 증명해 왔습니다. 연산 자원의 비용을 낮추고 기술 스택을 단순화하여 모두에게 평등한 접근성을 제공하는 것이 앞으로의 과제입니다. 이 세 다리가 균형을 잘 잡을 때 소프트웨어라는 솥은 비로소 안정적으로 유지될 것입니다.

[EOST2023] AI와 오픈소스: 혁신, 자본, 기여자의 역학
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실' | 이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

서울대학교 통계계산연구실은 고성능 컴퓨팅(HPC)을 활용하여 통계학의 복잡한 계산 문제를 해결하는 데 집중하고 있습니다. 기존의 방식으로는 예측 모델을 구동하는 데 약 1,000시간이 소요되던 작업을 알고리즘 최적화를 통해 단 30분에서 1시간 내외로 단축하는 것이 이들의 주요 목표입니다. 단순히 계산 속도를 높이는 것을 넘어, 하드웨어의 제약과 수학적 복잡성을 동시에 고려하며 실용적인 통계 문제의 해답을 찾아가는 과정을 연구의 핵심으로 삼고 있습니다. 이곳은 스스로를 '문제를 만드는 곳'이라 정의할 만큼 도전적인 연구를 수행합니다. 일반적인 통계 분석으로는 다루기 힘든 MRI 데이터와 같은 고차원 대용량 자료를 직접 처리하는 것이 특징입니다. 일반 컴퓨터의 메모리에 담기조차 어려운 방대한 데이터를 다루기 위해 빠른 알고리즘을 개발하고, 이를 뒷받침할 수 있는 강력한 컴퓨팅 자원과 기술을 활용합니다. 수학적 기반 위에서 데이터의 한계를 극복해 나가는 과정은 연구실만의 독보적인 경쟁력이 됩니다. 연구실의 분위기는 매우 자유롭고 수평적입니다. 정해진 출퇴근 시간 없이 구성원들이 각자의 리듬에 맞춰 연구에 몰입하며, 교수와 학생 사이에도 존댓말을 사용하며 서로를 존중하는 문화를 유지하고 있습니다. 다만, 일주일씩 걸리는 긴 계산 결과를 확인하기 위해 새벽까지 모니터를 지켜보는 열정 때문에 밤낮이 바뀌는 경우도 종종 발생합니다. 언제 어디서든 결과를 확인할 수 있는 시스템 덕분에 연구에 대한 몰입도가 자연스럽게 높아지는 환경이 조성되어 있습니다. 소수 정예로 운영되는 연구실 공간은 학생들의 창의적인 아이디어와 개성으로 채워져 있습니다. 코딩 중 쌓이는 스트레스를 해소하기 위해 아두이노를 활용한 '빅 엔터키' 쿠션을 직접 제작해 사용하는 등 유쾌한 실험 정신이 돋보입니다. 첨단 기술에 관심이 많은 학생들이 모여 있기에 연구실 곳곳에는 새로운 기술적 시도들이 스며들어 있습니다. 이러한 유연한 사고방식은 복잡한 이론적 문제를 해결해 나가는 과정에서 중요한 원동력이 되어 줍니다. 통계계산연구실은 수리적 이론에 대한 깊은 관심과 함께 뛰어난 코딩 능력을 갖춘 인재를 기다리고 있습니다. 특히 일반적인 노트북으로는 해결하기 어려운 대규모 데이터를 통계적으로 다뤄보고 싶어 하는 도전 정신이 필수적입니다. 데이터의 크기가 기하급수적으로 커지는 현대 사회에서, 계산 과정의 중복성을 줄이고 효율적인 알고리즘을 설계하는 능력은 매우 중요합니다. 방대한 자료 속에서 빠르게 통찰을 얻어내는 과정은 연구자에게 큰 희열을 선사할 것입니다.

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실'  |  이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

원중호

카오스재단연구뭐하지
  • 수학

[강연] 컴퓨터과학의 원천 아이디어가 나오기까지 (4) _ by이광근 | 2018 봄 카오스 강연 '모든 것의 수數다' 10강 | 10강 ④

우리가 일상에서 접하는 컴퓨터는 정답이 없는 복잡한 문제들을 해결하기 위해 '휴리스틱', 즉 일종의 직관적인 추론 방식을 사용하곤 합니다. 바둑과 같은 게임에서 알파고가 보여준 놀라운 실력도 사실은 완벽한 정답을 찾은 것이 아니라, 방대한 데이터를 바탕으로 최선의 수를 찾아가는 과정이었습니다. 이처럼 컴퓨터가 모든 문제에 대해 즉각적이고 완벽한 해답을 내놓는 것은 아니지만, 인간이 범접하기 어려운 수준의 계산 능력을 통해 실질적인 해결책을 제시하며 우리 삶의 깊숙한 곳까지 들어와 있습니다. 계산이란 무엇인가라는 근본적인 질문에 대해 앨런 튜링은 '튜링 기계'라는 개념을 통해 명쾌한 정의를 내렸습니다. 튜링 기계는 상태를 기록하는 테이프와 이를 읽고 쓰는 헤드, 그리고 정해진 규칙 표로 구성된 매우 단순한 장치입니다. 이 단순한 기계가 수행할 수 있는 모든 과정이 바로 우리가 말하는 계산의 본질입니다. 즉, 계산은 복잡한 전자 회로의 움직임 이전에, 논리적인 규칙에 따라 정보를 처리해 나가는 일련의 절차적 과정을 의미하는 것이라고 할 수 있습니다. 튜링과 비슷한 시기에 미국의 알론조 처치는 '람다 계산법'이라는 프로그래밍 언어의 시초와 같은 방식을 통해 계산을 정의했습니다. 흥미로운 점은 기계적인 접근을 시도한 튜링과 소프트웨어적인 접근을 시도한 처치의 방법론이 결국 동일한 문제를 풀고 있었다는 사실이 증명되었다는 것입니다. 오늘날 우리가 사용하는 스마트폰이나 컴퓨터는 튜링의 만능 기계를 하드웨어로 구현한 것이며, 그 안에서 돌아가는 수많은 앱은 처치의 람다 계산법과 맥을 같이하는 소프트웨어의 결과물입니다. 이론적인 관점에서 계산 가능성을 논할 때, 우리는 계산에 소요되는 시간을 고려하지 않습니다. 어떤 문제가 해결되는 데 천 년이 걸리든 만 년이 걸리든, 언젠가 결과가 나오기만 한다면 그것은 계산으로 풀 수 있는 문제라고 간주합니다. 시간은 상대적인 개념이며 충분한 에너지만 있다면 극복할 수 있는 요소이기 때문입니다. 따라서 계산의 핵심은 '얼마나 빨리'가 아니라 '논리적으로 답에 도달할 수 있는가'라는 본질적인 가능성 여부에 달려 있다고 보아야 합니다. 하지만 컴퓨터가 모든 수학적 난제를 해결할 수 있는 것은 아닙니다. '멈춤 문제'와 같이 튜링 기계로도 결코 해결할 수 없는 문제들이 존재하며, 이러한 불가능한 문제의 개수 또한 무한합니다. 수학자 괴델이 증명했듯이 인간의 논리 체계 안에는 증명할 수 없는 사실들이 존재하며, 이는 컴퓨터 과학에서도 동일하게 적용됩니다. 할 수 있는 일과 할 수 없는 일이 모두 무한하다는 사실은 계산의 세계가 우리가 상상하는 것보다 훨씬 더 깊고 오묘한 영역임을 시사합니다. 컴퓨터 과학의 본질은 추상적인 사고 과정을 논리적인 규칙으로 정립하여 기계가 수행할 수 있도록 만드는 과정을 의미합니다. 이러한 능력을 키우기 위해서는 수학적 사고력이 필수적입니다. 수학은 보이지 않는 개념을 논리적으로 다루는 근육을 단련시켜 주며, 이를 통해 다져진 컴퓨팅 사고력은 인공지능 시대를 살아가는 현대인들에게 읽기나 쓰기만큼이나 중요한 필수 역량이 되고 있습니다. 이는 단순히 기술을 배우는 것을 넘어 세상을 논리적으로 설계하는 힘을 기르는 과정입니다. 컴퓨터 과학은 이제 겨우 80년 정도의 역사를 가진 매우 젊은 학문입니다. 물리학의 역사와 비교하자면 지금의 컴퓨터 과학은 뉴턴이나 갈릴레오가 활동하던 고전 역학의 태동기와 비슷하다고 볼 수 있습니다. 지난 수십 년간 눈부신 발전을 이루었지만, 여전히 해결되지 않은 과제들이 산적해 있으며 앞으로 개척해야 할 영역은 무궁무진합니다. 알파고를 뛰어넘는 혁신적인 기술들이 앞으로 어떻게 펼쳐질지 기대하며, 우리는 이 새로운 과학의 시대를 맞이할 준비를 해야 합니다.

[강연] 컴퓨터과학의 원천 아이디어가 나오기까지 (4) _ by이광근  | 2018 봄 카오스 강연 '모든 것의 수數다' 10강

박성우, 이광근

카오스재단카오스강연
  • 수학
  • 융합