검색 결과

비행기, 자동차 그리고 자전거 등 각종 탈것은 바람에 민감합니다. 바람을 다스리는 법을 알면 더 작은 에너지로 더 멀리, 더 빠르게 갈 수 있죠. 그래서 자동차나 자전거 등 주변에서 흔히 보는 탈것의 신제품이 나오면 광고 문구에 '에어로 다이내믹'이란 말이 자주 등장합니다. 공기의 흐름을 고려한 디자인 뭐 어쩌고 어쩌고 자랑들이 많죠. 이처럼 중요한 에어로 다이내믹 설계를 제대로 하려면 풍동 실험실을 갖추어야 합니다. 시뮬레이션만으로는 한계가 있다 보니 물리적 실험도 병행해야 합니다. 인공 지능(AI) 기술이 발전하면서 이제는 컴퓨터만 갖고도 가장 진보한 에어로 다이내믹 디자인이란 문구를 달 수 있게 될 것 같네요.  최근 미국에서 열린 슈퍼컴퓨팅 2018(Supercomputing 2018) 행사에서 스위스의 뉴럴 컨셉(Neural Concept)이란 회사가 울트라 에어로 다이내믹 자전거를 들고 나왔습니다. 그냥 에어로도 아니라 '울트라'라는 극강의 수식어를 붙인 이 자전거는 일반 자전거는 아닙니다. 인간의 힘으로 가장 빨리 갈 수 있는 그런 실험을 할 때나 보는 자전거 모양입니다. 이 자전거는 쉽게 말해 누워서 타는 자전거인 리컴번트의 겉에 공기 역학 디자인이 반영된 껍데기를 입힌 것입니다. 딱 보면 총알 같은 모양이네요.  뉴럴 컨셉은 시뮬레이션 데이터 세트에 딥러닝 모델을 적용해 풍동 실험실 없이 이상적인 공기 역학 설계를 뽑았습니다. 다음 영상을 보면 꽤나 열정적으로 팀이 울트라 에어로 다이내믹 자전거를 만드는 모습이 보입니다.  사무실에 NVIDIA GPU 기반 시스템인 DGX Station이나 DGX-1만 두어도 이런 작업이 가능하다니! GPU는 정말 제품 설계와 개발에 있어 작업 환경을 크게 바꾸고 있는 것 같습니다. #AI #에어로다이내믹AI #공기역학설계AI

올 초 NVIDIA가 Clara라는 이름의 플랫폼을 공개했습니다. 이 플랫폼은 NVIDIA의 AI 관련 최신 기술과 역량을 차세대 의료 영상 처리 장치 및 관련 소프트웨어를 만들고 있는 여러 개발자와 솔루션 파트너들이 더 쉽고 빠르게 원하는 것을 구현할 수 있도록 돕는 것을 목표로 합니다. 올 초 공개된 Clara를 보고 많은 분들이 언제 SDK(Software Devleopment Kit)가 나오나 기다리고 있었을 텐데요, 11월 26일 자로 SDK가 나왔습니다. 현재 AI 적용이 가장 활발한 분야 중 하나가 의료계입니다. 특히 의료 영상 장치에 AI를 접목해 각종 질병 진단에 적용하는 것은 너무 흔한 뉴스가 되었죠. AI가 전공의보다 MRI, CT 기록을 보고 질병을 더 정확하게 판단한다는 것은 어찌 보면 당연할 수 있을 것입니다.  최근 추세는 더 높은 질이 의료 영상을 실시간에 가깝게 처리하는 것입니다. 10년 전이라면 엄두도 못 냈을 것입니다. 하지만 지금은 다르죠. GPU 가속 기반 컴퓨팅 환경에서는 상상하는 것이 곧 현실이 됩니다. 관련해 의료 영상 장치 기업들이 발 빠르게 움직이고 있습니다. 유나이티드 이미지, 후지필름, 캐논 등의 기업들이 이미 NVIDIA DGX-1 기반 슈퍼컴퓨터 인프라를 구축해 AI 관련 프로젝트들을 활발히 진행 중입니다.  다시 본론으로 돌아가 Clara SDK는 의료 영상 장치 업계가 AI 기반 워크플로우를 지원하는 애플리케이션을 더 빠르고 효율적으로 개발할 수 있는 방법을 제시합니다. Clara 플랫폼 환경에서 의료 영상 처리 애플리케이션을 만드는 개발자는 컨테이너 환경에 자신만의 또는 프로젝트 단위로 개발과 트레이닝을 위한 소프트웨어 스택을 구성할 수 있습니다. 인프라는 1도 신경 쓸 필요 없습니다. DGX-1 시스템을 놓고 여러 개발자와 부서가 각자의 환경에서 AI 프로젝트를 추진하기 딱 좋죠. 한편 NVIDIA는 의료 영상 분야를 위한 AI 애플리케이션 시장을 활성화하기 위해 AI Assisted Annotation SDK와 Transfer Learning Toolkit도 제공합니다. #NVIDIA_CLARA #Clara_SDK #NVIDIA_DGX1

최근 AWS re:invent 행사가 열리고 있는데요, 관련해 소식들이 쏟아지고 있습니다. AI 쪽 소식 중 주목할 만한 것 몇 가지 추려 봅니다.  첫 번째 소식은 NVIDIA AI 소프트웨어를 AWS 마켓플레이스에서 선택해 쓸 수 있게 된 것입니다. 대략 목록을 뽑아 보면 다음과 같습니다. CUDA by NVIDIA MXNet by NVIDIA PyTorch by NVIDIA TensorFlow by NVIDIA TensorRT by NVIDIA TensorRT Inference Server by NVIDIA 참고로 이들 소프트웨어는 아마존 ECS(Elastic Container Service)나 EKS(Elastic Container Service for Kubernetes) 상에 컨테이너를 배포할 때 사용할 수 있는 것들입니다. 마켓플레이스 범주로 보면 컨테이너 카테고리에 들어갑니다. 두 번째 소식은 새로운 GPU 가속 기반 EC2 인스턴스 출시입니다. 아마존은 EC2(Elastic Compute Cloud)에 새로운 P3dn GPU 인스턴스를 서비스합니다. 이 서비스는 NVIDIA Tesla Tensor Core V100 GPU를 기반으로 하며 머신 러닝과 고성능 컴퓨팅 애플리케이션 운영을 위한 상품입니다.  새로운 GPU 인스턴스에서 주목할 부문은 네트워크 성능인데요 100Gbps 쓰루풋을 통해 대규모 분석 환경에서 머신 러닝과 HPC 워크로드를 무리 없이 돌릴 수 있다는 것이 아마존의 설명입니다. 참고로 기존 P3 인스턴스와 비교할 때 새로운 인스턴스의 경우 vCPU는 1.5배 더 많고, GPU 메모리는 2배 더 크고, 네트워크 쓰루풋 4배가 큽니다.  아마존이 이렇게 나오면 다른 클라우드 사업자도 비슷한 상품을 내놓기 바빠질 것 같습니다. 이에 따라 기업은 앞으로 온프레미스와 클라우드를 잇는 하이브리드 AI 인프라 운영의 유연성 면에서 선택지가 넓어질 전망입니다. NVIDIA GPU 기반 인프라를 사내에 갖추어 놓고 운영하면서 시기적으로 자원을 늘려야 하는 모델 개발 초기나 트레이닝 시점에 클라우드 자원을 활용하는 등의 하이브리드 시나리오 전개가 앞으로 더 수월하겠네요. #NVIDIA #CUDA #MXNet #PyTorch #TensorFlow #TensorRT #AWS

인공 지능이 개개인의 금융 신용도를 평가하고, 면접관 역할을 하고, 범죄를 저지를 가능성 여부를 따진다면? 이미 현실적으로 널리 쓰이는 컴퓨터 알고리즘 기반 의사결정과 인공 지능(AI) 기반 시스템을 통해 일어나고 있는 일들입니다. 컴퓨터가 인간을 평가한다? 이를 2018년 현재를 살아가는 우리는 어떻게 받아들이고 있을까요? 이에 대한 대략적인 답을 살펴볼 수 있는 연구 보고서가 발표되었습니다. 결론부터 말하자면 인간은 컴퓨터 알고리즘과 AI의 판단과 평가를 별로 좋아하지 않는다!는 것입니다. 최근 Pew Research Center에서 컴퓨터 알고리즘과 AI 기반의 의사결정을 사람들이 어떻게 받아들이는지에 대한 조사를 진행했습니다. 정교한 컴퓨터 알고리즘이나 딥러닝 모델에 기초해 사람을 판단하거나 평가하는 것에 대한 우리의 마음은? 네, 부정적인 것으로 나타났습니다. AI를 통해 우리의 편익이나 삶의 질이 올라가는 것을 누가 마다하겠습니까. 하지만 주제를 기계가 인간을 판단하고 평가하는 쪽으로 바꾸면 우리의 태도는 180도 바뀝니다. 이번 조사는 이를 잘 보여주는 것 같습니다. 이번 연구 보고서는 AI 관련 서비스를 제공하거나 준비 중인 기업에게 매우 중요한 메시지를 던집니다. 사용자는 자신의 편익에 도움이 되는 것에는 관대하지만, 사용자에게 잣대를 들이대는 것에는 민감하게 반응한다는 것이죠. 이를 잘 고려해 AI 관련 서비스와 상품을 기획하는 것이 필요하지 않을까 싶네요. 이 보고서는 충분히 읽어 볼 가치가 있으니 필독을 권장합니다. 표만 봐도 느껴지는 게 많네요.  보고서의 핵심 메시지만 추려보겠습니다. 질문에 언급된 신용도 평가, 면접, 범죄 위험 평가 등은 이미 널리 쓰이고 있습니다. 이들 시스템이 우리를 평가하는 것에 대한 질문에 대부분 받아들일 수 없다는 의견을 보였습니다. 아마 한국에서 조사를 해도 비슷한 결과가 나올 것 같습니다. 면접을 봤는데 AI가 떡하니 평가 결과는 내놓는다면? 누가 좋다고 하겠습니까? 사람을 계량화, 정량화해서 평가하는 것이 말이 되나? 내가 어떻게 살아왔는지, 나의 잠재력이 무엇인지? 컴퓨터 알고리즘이나 AI가 파악하는 것이 도대체 말이 되는 일인가? 이런 생각이 들 것입니다.  이는 사람들이 컴퓨터 알고리즘이나 AI가 아직은 맥락을 모두 고려해 대상을 파악하지 못한다고 보기 때문으로 풀이할 수 있습니다. 상대적인 것일까요? 소셜 미디어에 남긴 우리의 기록을 바탕으로 새로운 친구나 서비스 등을 추천하는 것에 대해서는 관대한 입장을 보였습니다. 소셜 미디어를 사용한다고 한 응답자의 75%가 추천 등을 위한 목적으로 사용될 경우 자신의 데이터를 공유하는 것을 불편하게 여기지 않는다고 답했습니다. #인공지능 #AI금융신용도평가 #AI면접관 #AI범죄위험평가

해마다 자연재해 관련 뉴스로 빠지지 않는 지역이 있습니다. 바로 미국 캘리포니아 지역인데요, 아름다운 자연과 좋은 기후로 유명한 캘리포니아는 산불이 잘 나기로 유명하죠. 건조한 기후 탓에 작은 불씨가 자연재해로 번지기 쉽다 보니 대형 산불이 자주 납니다. 올해에도 큰 산불이 났죠. 17일 만에 불길이 잡혔을 정도로 피해 규모가 큽니다. 산불을 조기 진화하는 데 있어 가장 중요한 것은 어디로 번져 나갈지 경로를 예측하는 것입니다. 하지만 이게 쉽지 않죠. 불꽃이 어디로 튈지, 바람이 부는 방향이 언제 어디로 바뀔지 예측하는 것은 어려운 일입니다. 이런 일에는 인공 지능이 잘 어울리죠.  미국 캘리포니아 대학은 샌디에고 슈퍼컴퓨터 센터를 운영합니다. 이 센터에는 그 유명한 Comet 슈퍼컴퓨터가 있습니다. 이 슈퍼컴퓨터는 NVIDIA Tesla P100 GPU 수백 개를 장착하고 있는 것으로도 유명하죠. 이 센터의 연구진은 지역에서 자주 발생하는 산불 진화에 인공 지능을 활용하기 위해 WIFIRE라는 모델을 개발했습니다. 이 모델은 실시간으로 산불이 어느 쪽으로 번져 나가는지 경로를 파악하기 위해 개발한 딥러닝 모델입니다.  이 모델은 위성 데이터와 각 지역에 장착된 센서에서 수집하는 데이터를 가지고 모델링, 시각화 등의 처리를 합니다. 중요한 포인트는 '실시간'이란 점입니다. 1분 1초가 아까운 상황에서 데이터 수집과 분석을 위해 따로 시간을 쓸 여유는 없습니다. 실시간으로 산불의 확산 경로를 판단해 진화에 나서야 합니다. 올해에도 어김없이 큰 산불이 난 캘리포니아 지역, 앞으로 WIFIRE 모델 기반의 인공 지능이 자연재해에 대처하는 방식을 어떻게 바꾸어 나갈지 기대가 큽니다. 참고로 WIFIRE 모델은 웹 사이트를 통해 확인해 볼 수 있습니다.  이번 포스팅에서 소개한 내용은 다음 영상을 통해 더 실감(?) 나게 볼 수 있습니다. #NVIDIA #인공지능 #인공지능_자연재해 #NVIDIA_Tesla

모델을 만들고 나면 트레이닝을 거치면서 모델 최적화를 합니다. 그러고 나서 할 일은 인퍼런스(Inference) 환경을 꾸리는 것이죠. 실제 운영 환경에 모델을 배포할 때 고려해야 할 것 중 하나는 GPU 자원을 알뜰살뜰하게 잘 활용할 수 있는 환경을 조성하는 것입니다. 이기종 GPU로 구성된 인프라 환경에서 최적의 성능과 자원 활용률을 끌어내는 작업은 온프레미스이건 클라우드이건 시간이 좀 걸리는 작업이죠. 이를 간단히 할 수 있게 돕는 것이 바로 NVIDIA TensorRT Inference Server입니다. 이 플랫폼은 NVIDIA 도커를 토대로 운영되는 데요, 고성능 인퍼런스를 위한 모든 것이 컨테이너에 담겨 있습니다. 이를 활용하면 이기종 GPU와 CPU 인프라 환경에서 매우 유연하게 인퍼런스 모델을 배포할 수 있습니다. NVIDIA는 TensorRT Inference Server를 2018년 9월에 소개했는데요, 11월에 이를 오픈 소스로 공개했습니다. 프로덕션 환경에 바로 적용할 수 수준의 인퍼런스 플랫폼을 오픈 소스로 풀어 놓은 것이죠. 이에 따라 인퍼런스 모델 배포 관련해 기업과 연구소에서 각자 입맛에 맞게 TensorRT Inference Server를 커스터마이징 하여 사용하기 간편해졌습니다. 몇 가지 예를 들어 보겠습니다.  먼저 데이터 과학자나 개발자는 프리 프로세싱과 포스트 프로세싱 관련해  TensorRT Inference Server를 커스터마이징 할 수 있습니다. 가령 비디오 디코딩, 피처(Feature) 확장 등을 전 처리나 후 처리 과정에 간편하게 적용할 수 있습니다.  다음으로 데이터 과학자나 개발자는 TensorRT Inference Server에 원하는 프레임워크를 자유롭게 통합할 수 있습니다. 참고로 TensorRT Inference Server의 경우 TensorFlow, TensorRT, Caffe2 등 널리 쓰이는 프레임워크를 두루 지원합니다.  더 자세한 내용은 TensorRT Inference Server 문서를 참조 바랍니다. #NVIDIA #TensorRT #Inference_Server #TensorFlow

소프트뱅크그룹의 이동통신 자회사인 SoftBank Corp (이하 소프트뱅크)가 첨단 분석을 위한 새로운 기반으로 GPU 가속 기반 데이터베이스 솔루션인 Kinetica를 도입했습니다.  소프트뱅크의 Kinetica 도입은 자율 주행 자동차, 스마트 홈, IoT 등 미래 성장 동력 마련을 위해 '올인' 전략을 취하고 있는 이동통신 업계의 데이터 처리에 대한 고민에 대한 새로운 해결책이란 점에서 관심을 끌고 있습니다. 미래 성장 동력을 찾아라! 통신 업계의 새로운 미션 풀어 말하자면 이동통신 업계는 빅 데이터를 넘어서는 규모의 Extreme Data 시대를 가장 빨리 맞이하고 있습니다. 국내 주요 사업자들의 움직임만 봐도 인공 지능을 필두로 신규 사업 개척에 나서면서 그 어느 때보다 많은 양의 데이터를 쌓아 가고 있는 브랜드를 찾는 것이 어렵지 않습니다. 소프트뱅크 역시 비슷한 행보를 보이고 있습니다. 자율 주행 자동차, 로봇, 에너지, 증강 현실(AR), 가상 현실(VR), 사물인터넷(IoT) 등 통신을 공통분모로 사업 다각화에 한창입니다. 새로운 분야로 사업을 넓혀 가면서 소프트뱅크는 방대한 규모의 데이터를 대상으로 분석과 시각화 작업을 하는 것이 얼마나 어려운 일인지 실감했습니다. 다양한 방법으로 새로운 해결책을 모색하던 소프트뱅크의 눈에 들어온 것이 바로 GPU 가속 기반 분석 엔진이었습니다. 이 분야에서 가장 두각을 나타내고 있는 GPU 가속 기반 인메모리 데이터베이스 솔루션인 Kinetica를 도입한 이유죠. 스트리밍 데이터 실시간 분석에 대한 기대감! 소프트뱅크는 Kinetica를 활용해 사용자, 모바일 장치, IoT 그리고 이동통신 네트워크 성능과 품질 개선을 위해 적용하고 있는 각종 기술과 장치 관련 과거 이력 데이터와 실시간 스트리밍 데이터를 분석할 예정입니다. 소프트뱅크는 데이터 수집, 분석, 시각화 등 전 과정을 Kinetica 환경에서 일관성 있게 처리할 수 있다는 데 매력을 느끼고 있습니다.  소프트뱅크는 수십억 개의 열(row)로 구성된 대규모 데이터 세트를 수집해 분석을 수행하는 데 있어 Kinetica의 남다른 성능에 큰 기대를 하고 있습니다. 더불어  Kinetica의 주요 장점 중 하나인 실시간 기반의 지형 공간(Geospatial) 정보를 수집, 분석, 시각화 기능을 통해 지금까지 보지 못했던 고객에 대한 새로운 통찰력 확보도 가능할 것으로 보고 있습니다. 새 술은 새 부대에 ~ 소프트뱅크의 선견지명 이번 Kinetica 도입은 새로운 유형의 데이터를 담아낼 새로운 그릇을 마련한 것으로 비유할 수 있습니다. 레거시 데이터베이스 환경과 빅 데이터 인프라를 갖춘 곳은 많습니다. 하지만 이들 기업 중 새로운 유형의 대규모 데이터 처리와 분석이 쉽다고 말하는 곳은 없습니다. 대부분 너무 복잡하고 어렵다고 말합니다. 정적인 데이터, 실시간 스트리밍, 정형/비정형 데이터, 사람이 생성하는 데이터, 기계가 만들어 내는 데이터, 영속성을 띤 데이터와 그렇지 않은 데이터 등 기업은 지금까지 접하지 못한 '다양성'의 시대를 맞이하고 있습니다. 양도 빅 데이터란 개념으로 담아 내기에 너무 큽니다. 그래서 요즘에는 Extreme Data Economy 시대라 부르는 것이 더 어울립니다. 이런 변화를 수용하려면 새로운 기술과 접근이 필요합니다. 소프트뱅크의 눈에 Kinetica가 바로 늘 찾던 새로운 기술과 접근으로 보이지 않았을까요? #Kinetica #SoftBank #Geospatial

요즘 각 가정에 AI 비서를 쓰는 곳이 많죠. 음성 인식 기술을 갖춘 예쁜 스피커 모양의 이 로봇들은 주로 말 동무 수준의 서비스를 제공합니다. 이거 해줘, 찾아줘 머 이런 대화를 나누죠. 이 정도 서비스는 사실 그다지 당기지 않습니다. 그렇다면 어느 정도 되어야 HOME 로봇을 위시 리스트에 올려놓기 좋을까요? 개인적으로 집에 들어왔을 때 마중 나와서 겉옷과 가방을 받아 주고, 내 손에 TV 리모컨을 건네주는 정도라면? 먼 이야기가 아닙니다.  NVIDIA 연구팀에서 재미있는 실험을 하고 있는데요, 주변 환경을 알아보는 로봇입니다. 다음 영상을 보시죠. 깡통, 과자 박스 알아보고 들어서 전달하는 게 뭐 대수냐 할 것 같지만, 말처럼 쉬운 일은 아닙니다. 하지만 요즘 GPU 가속 기반 AI 기술의 발전 속도를 보면 몇 년 안에 TV 광고로 이런 HOME 로봇 선전을 볼 수도 있을 듯합니다. 위 영상에 나온 로봇은 기술적으로 아이디어가 참신합니다. 흔히 우리가 말하는 로봇은 주로 정해진 일만 잘 합니다. 공장 자동화 로봇의 경우 사전에 프로그램된 행동만 하죠. 주변 상황이 어떻건 로봇은 주어진 일만 묵묵히 합니다. 위 영상의 로봇은 과제나 깡통 같은 사물을 인식합니다. 그리고 주변에 사람이 있으면 건네주거나, 받죠. 영상에 나온 로봇은 사전에 프로그램된 행동만 하지 않습니다. 실제 상황 속에서 학습을 계속하면서 발전합니다. 한 마디로 점점 더 똑똑해지는 로봇이 되는 것이죠.  이게 가능한 것은 위 영상 로봇에 달린 화면에 힌트가 있습니다. 그냥 작은 태블릿을 그냥 달아 놓은 것이 아닙니다. 이것은 로봇의 눈 역할을 합니다. 보통 상황을 인지하는 로봇을 학습할 때 카메라로 찍은 실제 이미지를 시뮬레이션 이미지로 바꾸고 이를 데이터 세트로 활용해 트레이닝을 합니다. 이런 방식이 일반적인데요, 위 영상의 로봇은 접근법이 조금 다릅니다. 시뮬레이션 된 이미지 데이터(Non-photorealistic domain randomized Data)에 카메라를 통해 보고 있는 실제 영상 이미지 데이터(photorealistic data)를 조합해 훈련을 거듭합니다.  친절하게도 NVDIA 연구팀이 이 로봇 관련 인퍼런스(Inference) 코드를 공개해 두었으니 관심 있는 분은 한번 보시면 도움 되실 것 같습니다. 참고로 본 연구에서 모델 개발과 트레이닝은 NVIDIA Tesla V100 GPU를 장착한 DGX Station에서 cu-DNN 가속 기반 PyTroch 딥러닝 프레임워크 환경에서 이루어졌습니다. 그리고 인퍼런스는 NVIDIA TITAN X GPU 환경에서 이루어졌습니다. #AI #AIRobot #NVIDIA #TeslaGPU

AI(인공 지능)이 작곡을 한다! 뭐 새삼 놀랄 일도 아닙니다. 다음 곡을 들어 보시죠. 코드 진행부터 멜로디까지 들을만합니다. 나름 모던한 느낌이 드네요. 들으신 곡은 Aiva Technologies가 개발한 AI 뮤직 엔진이 작곡한 것입니다. 뮤직 엔진이란 시스템 이름이 귀에 쏙 들어오네요. 불현듯 떠오른 악상을 놓칠 새라 벽이나 옷에 마구 음계를 적는 모습은 옛 기억이 되려나 봅니다. 엔진처럼 뭔가 재료를 넣으면 결과물이 쏙쏙 나오는 시대가 될 수도 있다고 생각하니 한편으로는 뭔가 허전하네요. 이 회사 참 재미있습니다. 최근에 AI를 활용해 중국어 음악 앨범도 냈습니다. 이러다 AI 기획사 나오는 거 아닌가 모르겠네요.  본론으로 돌아가서 들으신 음악의 초기 버전은 NVIDIA TITIAN Xp GPU와 GeForce GTX 1080 Ti GPU 기반 시스템에서 트레이닝을 거쳐 나왔다고 합니다. 데이터 세트로는 수 백 곡의 락 음악을 사용했습니다. 처음에는 어색했겠죠. 그래서 NVIDIA Tesla V100 GPU 인스턴스를 AWS에 올린 다음 재훈련을 하였다고 합니다. 그 결과로 나온 것이 위 영상의 음악입니다. 나름 'On the Edge'라는 곡명도 붙여 놨네요.  음악을 작곡하는 AI의 산업적 가치는? 음악 컨텐츠 수요는 생각보다 많습니다. 게임, 광고, 축제 등 사실 매우 짧은 곡, 하나의 곡이라고 하기 뭐하고 한두 소절 멜로디 단위로 많이 쓰이는 시장에서 AI는 꽤 그 쓰임이 클 것 같습니다. 유명 작곡가 찾아가 높은 비용에 좌절할 필요 없이 광고나 축제 기획자가 AI 뮤직 엔진의 힘을 빌려 필요한 곡을 찍어 내듯이 받아 볼 수 있다면! 아 그래도 음악이란 장르에 AI가 들어오는 것은 감성적으로 아쉽기는 하네요. #RockWillNeverDie #AivaTechnologies #NVIDIA #TeslaGPU

최근 IBM에 인수되면서 엔터프라이즈 클라우드 시장에 큰 변화를 예고한 기업이 있습니다. 네, 오픈 소스 명가인 레드햇이 그 주인공입니다. 레드햇은 오픈 소스 기술을 바탕으로 구독 기반 지원이라는 서비스 모델로 오픈 소스 비즈니스를 일군 것으로 유명하죠. 더불어 기업에서 쓰기 멀었다고 여겨지던 리눅스를 이제는 주요 기업의 핵심 기간계 시스템에서 사용하게 만든 장본인이기도 합니다. 실제로 레드햇 엔터프라이즈 리눅스(이하 RHEL)는 국내외 유명 기업에서 중요 업무 시스템의 운영체제로 자리를 잡은 지 오래입니다. RHEL을 쓰는 이유는 오픈 소스 커뮤니티 버전보다 기업이 필요로 하는 기능, 안정성, 보안성, 관리성을 풍부하게 제공하기 때문입니다. 그렇다면 GPU 가속 기반 AI 인프라는 이런 특징이 필요 없을까? 없을 리 있겠습니까. 그래서 NVIDIA가 레드햇과 손잡고 GPU 가속 기반 슈퍼컴퓨터인 DGX-1의 RHEL 공식 지원을 발표했습니다. DGX-1을 클러스터 단위로 좀 크게 쓰는 조직이라면 이번 발표가 반가울 것입니다. RHEL을 올릴 수 있다는 것은 단순히 운영체제 설치 그 이상의 의미가 있습니다. RHEL을 올리는 순간 관리 자동화 도구인 Ansible, 사설 클라우드 관리 툴인 CloudForm, 강력한 모니터링 도구인 Insight 등 레드햇의 주옥과 같은 엔터프라이즈 관리 도구를 사용할 수 있다는 것입니다.  보안성 강화도 대규모 클러스터 환경에서 확보할 수 있습니다. DGX-1 상에 RHEL을 올리면 SELinux(Security-Enhanced Linux)를 사용할 수 있습니다. 운영체제부터 보안을 탄탄하게 다질 수 있는 것인데요, 레드햇은 여기에 더해 지속적인 보안 강화를 위한 지식 기반, 훈련, 도구 등도 제공하므로 기업 입장에서는 관리받는 보안이 주는 신뢰감을 느낄 수 있습니다. 기술 지원이야 뭐 레드햇이 워낙 유명하니까요. DGX-1에 오픈 소스 운영체제를 설치하면 모든 책임이 사용자에게 있죠. RHEL를 쓰면 레드햇 및 전문 파트너의 도움을 통해 안정적인 유지 보수를 받을 수 있습니다. 개인적으로 RHEL를 쓴다는 것은 다양한 오픈 소스 기반 도구를 더 안정적으로 쓸 수 있다는 것이 큰 이점이 아닐까 합니다. 물론 여기에는 AI 관련 솔루션과 도구도 포함됩니다. #LHEL #Ansible #CloudForm #NVIDIA #DGX1

에이비앤비 공유 경제의 아이콘 같은 서비스죠. 빈 방을 공유하고자 하는 호스트와 색다른 경험과 저렴한 숙박비를 원하는 게스트를 연결하는 것은 정말 멋진 아이디어입니다. 에어비앤비는 아이디어만 훌륭한 것이 아니라 첨단 기술 기반의 디지털 트랜스포메이션의 전형을 보여 줍니다. 첨단 기술로 전통적인 숙박 업계 및 후발 주자와 확실한 격차를 유지하고 있는데요, 에어비앤비의 가장 강력한 무기 중 하나가 AI(인공 지능)입니다. 호텔, 리조트 등 전통적인 업계와 달라도 뭔가 달라 보이죠? 시대를 앞서가는 검색 추천 ~ 여행 목적, 예산 등에 딱 맞는 취향 저격 에어비앤비를 처음 사용할 경우 대부분 검색을 하게 됩니다. 내가 가고자 하는 여행지 주변에 적당한 방이 있는지 검색을 통해 알아봅니다. 사용자 눈에는 그저 자신이 입력한 키워드에 해당하는 검색 결과나 나오는 것처럼 보이지만 사실은 다릅니다. 에어비앤비는 100개가 넘는 고려 사항을 따져 가며 사용자의 취향 저격을 할 수 있는 것들을 추려 검색 결과로 보여 줍니다. 게스트의 필요 사항, 숙소 세수 사항, 여행 세부 사항 등이 두루 고려된 맞춤형 검색, 다른 말로 '추천' 내용을 보여주는 것이죠. 검색 추천을 위해 에어비앤비는 머신 러닝을 활용해왔습니다. 에어비앤비는 GBDT(Gradient Boosted Decision Tree) 기반의 머신 러닝 테크닉을 활용해 추천 시스템을 운영해왔습니다. 이 시도는 에어비앤비의 서비스를 한 차원 높은 수준을 끌어올렸습니다. 하지만 이 접근은 호스트와 게스트 측면을 고려해 예약에 영향을 끼치는 feature 세트를 짚어 내고, 이를 최적화하는 데 많은 노력이 필요했습니다. 그래서 에어비앤비 연구팀은 머신 러닝에서 딥러닝 기반으로 검색 추천 시스템의 핵심 알고리즘을 바꾸는 것을 실험 중입니다.  관련해 최근 논문 하나가 발표되었습니다. 이번 실험의 핵심은 데이터 과학자와 개발자의 수작업을 요구하는 기존 방식을 벗어나 딥러닝 기반으로 지속적인 최적화가 이루어지는 가운데 더 정교하고 사용자 만족도 높은 검색 추천 시스템을 운영하는 것이 가능한지를 파악하는 것입니다. 일단 논문을 보면 첫 실험은 성공적인 것 같습니다. 에어비앤비 연구팀은 NVIDIA Tesla GPU 인스턴스를 AWS에 올린 다음 cuDNN 가속 기반 TensorFlow 딥러닝 프레임워크를 적용했습니다. 모델을 개발한 다음 에어비앤비 고객이 남긴 2년 치 검색, 예약 등에 대한 로그 정보를 가지고 트레이닝을 하였습니다. 결과는 만족스러워 보입니다. 도시에 대한 사용자의 주요 관심사에 대한 학습을 한 다음 'San Francicio' 쿼리를 수행해 보니 다음과 같이 시각화된 결과를 보여 주었다고 하네요. 학습이 꽤 잘 되었다는 것을 알 수 있습니다. 더 자세한 내용은 발표된 논문을 참조 바랍니다. #에어비앤비 #머신러닝 #딥러닝 #NVIDIA

볼보 자동차, 스칸디나비아 디자인 흔히 말하는 북유럽 감성을 한 가득 담은 자동차로 많은 이들의 사랑을 받고 있죠. 볼보 하면 ‘안전’이란 단어가 늘 따라 다닙니다. 안전한 자동차의 대명사 볼보가 생각하는 자율 주행 자동차의 핵심은 무엇일까요? 볼보가 상용차에 NVIDIA DRIVE AGX Xavier를 적용한다고 합니다. 이 한 마디에 볼보가 그리는 미래 자율 주행 자동차 시대의 ‘안전’이 다 담겨 있네요. 최근 GTC 유렵 행사에서 젠슨황 NVIDIA CEO는 볼보가 사용차에 DRIVE AGX Xavier를 탑재할 것이라고 발표했습니다. 볼보가 자율 주행 대열에 본격 합류한다는 것은 매우 뜻깊은 소식입니다. 안전의 대명사로 통하는 볼보가 심사숙고한 만큼 자율 주행에 대한 기술적 신뢰 수준이 상당해 졌다는 것을 상징한다고 해석할 수 있습니다. 이런 신뢰의 배경에 NVIDIA DRIVE AGX Xavier가 있는 것이죠. 양사는 360도 측면에서 자동차가 주변 상황을 인지할 수 있고, 모니터링 할 수 있게 할 예정입니다. 볼보는 여기에 에너지 관리, 개인화 기반의 맞춤형 탑승자 서비스 등의 커넥티드 자동차 관련 서비스를 더할 것이라고 합니다. 참고로 NVIDIA와 볼보 양사는 협력을 통해 2017년 6월 레벨4 수준의 자율 주행 시스템을 개발했다고 발표했습니다. 뒤를 이어 이번에 상용차 적용 계획이 공식적으로 나온 것입니다. #볼보 #자율주행 #NVIDIA #DriveAGX #Xavier