스마트폰이 멸종하고 '세계1위'가 뒤집힌다. '반도체'와 '인공지능AI'이 한 몸이 된다.(정인성 작가 2부) 인공신경망은 CPU보다 용량이 크고, 인공지능은 우리가 꿈꾸는 것과는 차이가 있습니다. 이에 따라 우리가 생각하는 인공지능이란 개념을 다시 한번 생각해 볼 필요가 있습니다. 인공지능은 바둑 AI나 스타크래프트, 언어 모델 GPT 등 다양한 형태가 있지만, 결국 스스로 학습하고 배우는 컴퓨터 시스템을 의미합니다. 하지만 인공지능을 통해 만들어진 제품들이나 서비스는 반도체, 컨트롤러 등 다양한 기술의 결합체로 이루어져 있습니다. 따라서 이러한 기술들이 결합된 제품이나 서비스를 만들기 위해서는 많은 데이터와 시간, 노력이 필요합니다. 인공지능을 구현하는 과정에서 기술적인 제약이 있고, 기술적인 제약을 극복하기 위해서는 많은 노력과 시간이 필요합니다. 인공지능은 스스로 학습하고 배우는 시스템으로, 프로그래머는 이러한 시스템을 만들어 놓고 데이터만 입력하면 스스로 문제를 해결하게 됩니다. 인공지능이 발전하면서 뇌세포를 모방하는 아이디어가 등장했지만, 연결 관계를 모르기 때문에 멈춰있었습니다. 그러나 캐나다에서는 인공신경망을 학습시키는 방법을 발견하여, 인공신경망을 활용한 기술 발전이 이루어졌습니다. 이를 위해 GPU가 필요하게 되었습니다. 이전에는 순서도를 놓고 프로그램을 작성했지만, 이제는 인공신경망을 크게 구성하고 그 안에서 값을 바꾸어 가며 정답을 찾는 방식으로 바뀌었습니다. 또한 고사양 그래픽 처리를 위해 CPU와는 다른 형태의 VG라는 그래픽 전용 칩이 개발되어 사용되고 있습니다. GPU는 CPU에 비해 그래픽 처리에 특화되어 있기 때문에 많은 그래픽 작업에 활용되고 있습니다. 인공지능 기술을 상업용으로 사용하고자 할 때, 데이터의 쌍이 잘 갖춰진 데이터베이스를 찾는 것이 중요합니다. 인터넷에서 데이터를 그대로 긁어오는 것은 어렵고, 데이터 정제가 필요합니다. 인공지능은 요약에 적합하며, 인트로덕션과 본문을 요약하는 일은 잘 됩니다. 적용할 분야에 맞는 데이터베이스를 찾아서 활용해야 합니다. 인공지능은 문제와 정답을 하나만 가지고 배울 수 없으며, 많은 양의 데이터를 필요로 합니다. 인공신경망은 용량이 매우 커서 고용량 고속 메모리의 수요가 높아졌습니다. 메모리 시장에서는 HBM 등의 고용량 고속 메모리들이 주요 판매 품목입니다. 이에 따라 메모리 시장에서는 연구개발 수요보다는 꾸준한 사용 수요가 필요하다는 의견이 나오고 있습니다. 세레브라스와 같은 회사들은 엔비디아 GPU보다 더 효율적이고 비용 효율적인 칩을 제작하고 있습니다. 이러한 칩들은 대규모 신경망 연산에 적합하며, 적은 용량으로 많은 데이터를 처리할 수 있습니다. 이러한 칩은 데이터가 풍부한 분야에서 가치가 있으며, 예를 들어, 3000단어 이상의 대화를 처리하거나, 적은 비용으로 대용량 데이터 처리를 해야 할 때 사용할 수 있습니다. 현재 이러한 칩을 사용하기 위해서는 대규모 집합체에 많은 칩을 엮어야 하는데, 이는 비용이 많이 들며 효율적이지 않습니다. 따라서 새로운 칩이 개발되어야 하며, 이를 위해 반도체 기술의 발전이 필요합니다.