● 효율적 학습 및 AI인프라(SW/HW) 고도화

방대한 양의 데이터를 학습해야 하는 AI는 종종 데이터를 학습하는 과정에서 '과부하'를 겪게 된다. 축적된 자료를 바탕으로 문제에 대한 답안을 도출하는 과정에서 병목현상이 발생한다. 이러한 AI의 용량 문제는 인간처럼 정교한 사고와 판단을 가로막는 요인으로 지목됐다.

학계에서는 AI의 효율적 학습을 위해 다양한 학습법이 개발되고 있다. 기존 AI의 학습 알고리즘을 개선한 사례가 대표적이다. 이전까지 AI는 초기에 설정된 알고리즘을 고정한 채 문제 해결 방안을 도출했다. 최근 과학자들은 문제 해결 과정에서 알고리즘을 지속해서 개선하는 모델을 고안했다. 이런 방식은 데이터를 학습하는 도중에도 더 나은 학습 방법을 찾아내 학습 효율을 높일 수 있다.

고성능 AI를 구현하기 위해선 이를 뒷받침하는 반도체 기술이 필요하다. AI의 핵심 두뇌에 해당하는 '비메모리 반도체'는 AI 연산 실행에 특화된 시스템 반도체다. 시스템 반도체란 다양한 기능을 집약한 시스템을 하나의 칩으로 만든 반도체다.

연산 기능을 담당하는 비메모리 프로세서는 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU), 신경망 처리 장치(NPU), 신소자를 활용해 AI 연산 코어의 집적도와 전력 효율성을 높인 '신경 모방 칩' 등으로 나뉜다. AI에 특화된 NPU와 신경 모방 칩이 AI 반도체에 해당한다. 연산과 기억(메모리) 기능을 통합하는 지능형 반도체도 AI 반도체로 분류된다. 현재 많은 국내 주요 반도체 기업들은 AI 기술을 뒷받침할 비메모리 반도체 개발에 힘을 쏟고 있다.