인간 두뇌 흉내내 인공지능 전력 소모 줄였다

인간의 두뇌 신경 조율 활동을 모방해 인공지능 기기의 전력 소모를 줄일 수 있는 기술이 개발됐다.

 

4차 산업혁명 시대를 맞아 인공지능 기술의 연구가 활발해지고, 이에 따라 인공지능 기반 전자기기들이 속속 개발되고 있다. 그런데 현재 대부분의 인공지능용 전자기기들은 많은 연산량을 수행하기 위해 전력 소모가 크다. 인공지능 기기의 향상을 위해 전력 소모 문제를 해결하는 것은 인공지능 기술 분야의 커다란 과제다.

 

한국과학기술원(KAIST) 신소재공학과 김경민 교수 연구팀은 이 문제를 해결할 단서를 인간의 뇌 활동에서 찾고자 했다. 인간의 두뇌 신경망이 신경 조율 기능을 통해 연결 구조를 상황에 따라 지속적으로 변화시키는 것을 모방해, 인공지능을 위한 수학적 연산을 효율적으로 처리할 수 있는 기술을 개발했다. 인간의 두뇌에서는 학습하는 과정에서 실시간으로 신경망의 연결도를 변경하고 필요에 따라 기억을 저장하거나 불러내는데, 이러한 신경 조율 기능을 하드웨어에서 직접 구현하는 새로운 인공지능 학습 방식을 제시한 것이다.

 

연구팀은 개발된 기술의 효율성을 증명하기 위해 독자적인 전자 시냅스 소자가 탑재된 인공 신경망 하드웨어를 제작했으며, 여기에 개발한 알고리즘을 적용해 실제 인공지능 학습을 진행했다. 그 결과 인공지능 학습에 필요한 에너지를 37% 절약할 수 있었다.

 

이러한 두뇌 신경 활동을 모방한 학습 알고리즘은 기존 전자기기 및 상용화된 반도체 하드웨어에 적용 및 호환 가능하며, 차세대 인공지능용 반도체 칩의 설계에 사용할 수 있을 것으로 기대된다.

 

연구에 참여한 정운형 신소재공학과 박사과정과 전재범 박사과정은 “인간의 두뇌는 생존을 위해 에너지 소모를 최소화하는 방향으로 진화해왔다”며 “이번 연구에서 간단한 회로의 구성만으로 인간 두뇌의 학습 방식을 구현해 40%에 가까운 에너지를 줄일 수 있었으며, 뇌 활동을 모방해 개발한 새로운 학습 방식은 앞으로 인공지능 분야의 소프트웨어·하드웨어 분야가 나아가야 할 길의 이정표가 될 것”이라고 말했다. 이번 연구는 국제학술지 ‘어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)’에 3월 31일 자에 실렸다.