▲구글이 지금까지 사람이 설계해 왔던 인공지능(AI) 반도체 설계를 더 빨리 효율적으로 수행할 수 있도록 AI에게 맡기는 신경망 고안에 성공했다. 이 AI는 수 주일 걸리는 인간 설계전문가보다 칩 전력, 성능, 면적면에서 우월하다. 구글은 이 신경망이 칩 디자인을 연구한 후 24시간 내에 구글의 인공지능 및 고성능컴퓨터(HPC)용 칩셋인 ‘텐서 프로세싱 유닛(TPU)’(사진) 설계를 할 수 있다고 밝혔다. (사진=구글)

지금까지 사람이 설계해 왔던 인공지능(AI) 반도체 설계도 점차 AI의 몫이 될 것 같다.

‘IEEE스펙트럼’은 23일(현지시간) 구글의 두 연구원이 학습을 통해 AI칩 핵심 설계능력을 배우는 AI 신경망을 고안해 냈다고 보도했다.

그간 AI 알고리즘을 더 빠르고 효율적으로 수행할 수 있도록 특별히 설계된 칩 개발을 위한 많은 노력과 투자가 이뤄져 왔다. 문제는 이 칩을 설계하는 데 수년이 걸리고 기계학습 알고리즘의 세계는 그보다 훨씬 더 빨리 움직인다는 점이었다. 이상적으로 말하자면 2~5년 전의 AI가 아니라 바로 오늘 사용하는 AI에 최적화된 칩이 필요했지만 그러지 못했다는 것이다.

구글은 바로 이 대목에서 문제를 해결해 줄 ‘AI칩을 설계하는 AI’ 확보에 나섰다. 구글은 지난 23일 물리학·수학·천문학 전문 사이트인 ‘아카이브(Arxiv)’에 올린 논문에서 “칩 설계 주기를 단축해 하드웨어와 AI 간 공생관계를 만들어 각각의 진보에 힘을 더해 주는 수단을 제공하는 것은 AI 그 자체라고 믿는다”며 이러한 작업에 대한 자신들의 성과를 기술했다.

'아잘리아 미르호세이니' 구글 수석 연구원은 “신경망이 존재하지 않았던 2년 전처럼 설계돼 기존 세대의 가속기에선 잘 작동하지 않는 알고리즘이나 신경망 구조를 봐 왔다”며 “설계 주기를 줄이면 그 간격을 메울 수 있다”고 말했다.

미르호세이니와 안나 골디 수석 소프트웨어 엔지니어는 결국 특히 시간을 많이 잡아먹는 ‘배치(placement)’로 불리는 칩 디자인(설계) 능력을 배우는 신경망을 고안해 내기에 이르렀다.

이 AI는 칩 디자인을 충분히 연구한 후 24시간 내에 구글의 인공지능 및 고성능컴퓨터(HPC)용 칩셋인 ‘텐서 프로세싱 유닛(TPU)’ 설계를 할 수 있다. 수 주일 걸리는 인간 설계 전문가보다 칩 전력, 성능, 면적면에서 우월했다.

반도체 배치는 매우 복잡하고 시간이 많이 소요되는 작업이다. 전력과 성능을 극대화하고 칩면적을 최소화하는 방식으로 로직과 메모리 블록, 또는 매크로라고 불리는 이 블록 클러스터들을 배치해야 하기 때문이다. 이 도전을 더 어렵게 만드는 것은 동시에 상호연결 밀도에 대한 규칙을 준수하면서 이 모든 일이 일어나도록 해야 한다는 점이다.

골디와 미르호세이니는 칩 배치 설계 능력 확보를 목표로 삼았다. 왜냐하면 오늘날의 첨단 도구들에도 불구하고 이 설계를 하기 위해서는 인간 전문가들에게 조차 몇 주간의 반복 절차가 요구되기 때문이다.

이들은 칩의 배치 능력을 강화학습 문제로 모델링했다. 강화 학습 시스템은 통상적인 심층 학습(deep learning)과 달리 많은 양의 ‘분류된 데이터(labled data)’상에서 훈련하지 않는다. 대신, 이들은 성공했을 때 보상 신호에 따른 망(네트워크)의 변수를 조정함으로써 배운다.

이 경우 보상은 전력 절감, 성능 향상, 더 적은 면적을 조합한 프록시 측정이었다. 결과적으로 배치봇은 설계를 많이 할수록 작업능력이 향상된다. 이 팀은 자신들의 것과 같은 AI 시스템이 “같은 시간에 더 많은 칩을 생산하고, 그 칩이 더 빨리 작동하고, 전력 소모가 적고, 비용이 덜 들고, 더 적은 면적을 차지하는 칩”이기를 바란다고 말했다.