사이트맵

인공지능 알고리즘을 수행하기 위해서는 많은 연산량을 요구하고 있으며, 이러한 연산 성능을 내기 위해서는 병렬 컴퓨팅의 방법을 사용할 수 있다. nVidia K80 GPU는 SIMT 구조로 Intel Haswell CPU보다 병렬 컴퓨팅을 이용하여 성능을 높이고 있다. 그리고, Google TPU AI Processor는 K80보다 더 높은 97TOP/sec의 성능을 내고 있고, Operational Intensity인 하나의 weight를 읽어 와서 더 많은 연산을 수행할 수 있도록 하고 있다. 즉, 읽어온 오퍼랜드로 더 많은 연산을 수행할 수 있도록 병렬 컴퓨팅 성능을 높이고 있다. 공지능 프로세서는 이렇게 인공지능 알고리즘을 빠르게 수행하기 위해 병렬 컴퓨팅 성능을 극대화하고 있으며, 외부 메모리 대역폭 한계를 극복하기 위해 읽어온 Weight 값을 최대한 재활용하여 Operational Intensity를 높이고 있다.

GPU(Graphic Processing Unit)와 FPGA(Field-Programmable Gate Array)로 대표되는 인공지능 모듈의 핵심 부품은 최근 인공지능이 주목받음에 따라 날로 그 응용 분야를 확장해가고 있다. 이와같은 시장 확대는 2.5D/3D 집적 기술로 표현되는 첨단 반도체 패키징 기술이 접목되지 않고서는 불가능하다고 할 수 있다. 이 때문에 대만의 TSMC, 미국의 인텔사는 관련 기술을 자체 개발 로드맵에 따라 중점적으로 개발하고 있다. 이는 반도체 패키징이 더는 반도체 후공정이 아닌 전공정의 일부로 나아가 새로운 부가가치를 창출하는 핵심 차별화 기술임을 TSMC와 인텔사가 인식했기 때문에 가능한 것이다. 이러한 점은 우리나라의 시스템 반도체 산업 육성에 있어 2.5D/3D 집적 기술 개발에도 정책적 인 중점을 두어야 함을 시사한다고 할 수 있다. 본 고에서는 2.5D/3D 집적 기술 개발 동향을 소개하며 향후 개발해야 할 첨단 패키징 기술을 논의하고자 한다.

코로나19 팬데믹(세계적 대유행)을 맞아 인공지능(AI)은 비즈니스와 고객 경험을 재정의하는 데 더 많이 사용될 수 밖에 없다. AI는 사회의 선을 위한 긍정적 변화(코로나19 백신개발 등)를 약속하거나 가장 악의적 방식으로 인류를 대체해 그 존재 자체를 위협(인간 일자리 대체 등)하게 될지도 모른다.

AI는 어느 새 우리주변에서 필요불가결한 존재로 등장하고 있다. 연초부터 시작해 어느 새 9개월 째인 코로나19팬데믹을 거치는 가운데 새해에는 어떤 지배적 트렌드가 등장할지에 대한 전망이 벌써 등장해 눈길을 끈다.

애널리티컬 인사이트츠 4일(현지 시각) 내년에 지켜봐야 할 10가지 AI 트렌드를 짚었다. 이 매체는 AI를 지원하는 칩의 엄청난 성장, 이른바 하이브리드 인력의 출현, 양자AI의 부상, 대화형 AI등장, 스마트홈 일반화 그리고 로봇프로세스자동화(RPA)의 사촌이라 할 지능형 프로세스자동화(IPA)가 길을 열게 될 것이라는 전망 등으로 꼽았다. 이를 소개한다.

   - RPA 사촌 IPA(지능형 프로세스 자동화) 길 연다
   - AI 지원 칩 성능 향상
   - 데이터 고속도로 진화
   - 사이버 보안 및 데이터 침해에 대응하는 AI
   - (AI와 협업하는)하이브리드 업무인력 출현
   - 비즈니스 처리를 위한 AI 기반 모니터링
   - 자동화 기계학습 및 데이터 과학자 부상
   - 양자 AI
   - 개인화 된 대화형 AI
   - 사물인터넷(IoT)과 AI 결합

< 본 내용은 AI타임스의 일부 내용입니다. 전체 기사는 하단의 바로가기를 클릭하세요. >

Recently, generative adversarial networks (GANs) is a field of research that has rapidly emerged wherein many studies conducted shows overwhelming results. Initially, this was at the level of imitating the training dataset. However, the GAN is currently useful in many fields, such as transformation of data categories, restoration of erased parts of images, copying facial expressions of humans, and creation of artworks depicting a dead painter’s style. Although many outstanding research achievements have been attracting attention recently, GANs have encountered many challenges. First, they require a large memory facility for research. Second, there are still technical limitations in processing high-resolution images over 4K. Third, many GAN learning methods have a problem of instability in the training stage. However, recent research results show images that are difficult to distinguish whether they are real or fake, even with the naked eye, and the resolution of 4K and above is being developed. With the increase in image quality and resolution, many applications in the field of design and image and video editing are now available, including those that draw a photorealistic image as a simple sketch or easily modify unnecessary parts of an image or a video. In this paper, we discuss how GANs started, including the base architecture and latest technologies of GANs used in high-resolution, high-quality image creation, image and video editing, style translation, content transfer, and technology.

Several studies on machine learning (ML) based self-organizing networks (SONs) have been conducted, specifically for LTE, since studies to apply ML to optimize mobile communication systems started with 2G. However, they are still in the infancy stage. Owing to the complicated KPIs and stringent user requirements of 5G, it is necessary to design the 5G SON engine with intelligence to enable users to seamlessly and unlimitedly achieve connectivity regardless of the state of the mobile communication network. Therefore, in this study, we analyze and summarize the current state of machine learning studies applied to SONs as solutions to the complicated optimization problems that are caused by the unpredictable context of mobile communication scenarios.