[법무법인 화우 이근우 파트너변호사] 한국지능정보사회진흥원(NIA)은 4차 산업혁명시대, 디지털시대, AI 시대에 다양하고 유용한 정보나 입법자료를 많이 발간한다. 최근 NIA가 2024년 AI 이슈를 용어와 함께 쉽게 이해하기라는 상당히 흥미로운 AI 보고서를 발간했는데, 해당 보고서는 2024 년 AI 기술의 주요 동향과 그 이면에 숨겨진 쟁점들을 깊이 있게 파헤치고, AI 시대에 알아야 할 핵심 용어들을 쉽게 풀어 설명했다. 이번에는 개인적인 견해를 바탕으로 해당 보고서의 내용 중 흥미로운 부분을 소개하고자 한다.

GAA(Gate-All-Around)는 트랜지스터의 구조를 혁신적으로 바꾼 기술로서 트랜지스터의 성능과 에너지 효율을 한 차원 높은 수준으로 끌어올려 더욱 혁신적인 전자 기기와 서비스를 가능하게 한다. 5G, 인공지능 등 막대한 연산량이 필요한 기술에서 GAA의 위력이 발휘될 것으로 기대되며, 업계에서는 GAA가 적용된 모바일AP(Application Processor)와 통신 칩 개발에 박차를 가하고 있으며, 나아가 GAA는 자율주행, 스마트시티, 헬스케어 등 미래 산업 전반에 혁신을 불러올 것으로 평가된다.

PPA(Power, Performance, Area)는 Power(전력), Performance(성능), Area(면적)의 약자로, 반도체 칩의 성능을 평가하는 핵심 요소이자 반도체 설계의 핵심지표로서 특히 AI 반도체 개발에 있어서는 더욱 핵심적인 역할을 하므로 AI 시대를 이끌어갈 핵심 요소가 된다.

AI 가속기(AI Accelerator)는 인공지능 연산을 빠르게 처리하도록 특별히 설계된 하드웨어로서 대표적인 AI 가속기로는 그래픽처리장치(GPU), 텐서처리장치(TPU), 신경망처리장치(NPU) 등이 있다. GPU는 원래 게임의 그래픽 처리를 위해 개발됐지만, 수천 개의 코어를 동시에 활용해 대규모 병렬 연산을 하는 특징 덕분에 인공지능 학습에도 널리 사용된다.

TPU는 구글이 딥러닝에 최적화된 맞춤형 칩으로 개발한 것으로, 텐서플로우(TensorFlow)라는 인공지능 프레임워크와 함께 구글 서비스의 인공지능 기능을 뒷받침한다. NPU는 모바일, 사물인터넷(IoT) 기기 등에 특화된 저전력 AI 가속기로, 스마트폰에서 사진을 찍을 때 인물을 자동으로 인식하고 보정하는 기능 등에 사용된다. AI 가속기는 미래 기술 패권의 핵심 열쇠로 부상해 단순히 인공지능속도를 높이는 것을 넘어 클라우드 데이터센터부터 자율주행차, 스마트폰에 이르기까지 인공지능 기술이 활용되는 모든 영역에서 4차 산업혁명의 핵심 인프라가 되고 있다.

FLOPS(Floating-point Operations Per Second)는 AI 반도체의 연산 속도를 나타내는 단위로서 컴퓨터나 AI 반도체가 1초 동안 수행할 수 있는 부동 소수점 연산 횟수를 의미한다. FLOPS 값이 높을수록 딥러닝 모델 학습 및 추론 속도가 빨라져 인공지능 기술 개발 및 서비스 제공에 유리하다. 참고로 EU AI ACT는 범용 AI 모델 학습에 이용되는 누적 연산량이 1025플롭스(FLOPs) 초과 시 고영향 성능을 보유한 것으로 간주해 시스템 리스크가 있는 AI 모델로서 더 강한 의무를 부과하고 있다(Art 51). 다만 이는 다양한 컴퓨팅 분야에서 폭넓게 사용되는 지표로서 딥러닝 연산의 특성을 고려하지 않아 AI 반도체의 성능을 정확히 평가하기 어렵고 실제 딥러닝 성능과의 상관관계가 낮을 수 있다.

한편 TOPS(Tera Operations Per Second)는 AI 반도체의 딥러닝 연산 능력을 나타내는 단위로서 AI 반도체가 1초 동안 몇 조(Trillion)번의 딥러닝 연산을 수행할 수 있는지를 나타내는 단위이다. 어떤 AI 반도체의 TOPS가 100이라면, 이 반도체는 1초에 100조 번의 딥러닝 연산을 수행할 수 있다는 것으로서 지구 인구 전체가 하루에 1억 번씩 딥러닝 연산을 수행하는 것과 맞먹는 수준이다. TOPS는 딥러닝 연산에 최적화돼 있어 AI 반도체의 성능을 더 정확하게 평가할 수 있고, 딥러닝 모델의 복잡도 증가에 따른 연산량 증가를 잘 반영하나, 비교적 새로운 지표로, FLOPS에 비해 아직 널리 사용되고 있지 않다.

멀티모달 AI(Multimodal AI)는 여러 가지 감각을 가진 인공지능으로서 텍스트, 이미지, 소리, 영상 등 다양한 형태의 정보를 동시에 이해하고 분석할 수 있다. 멀티모달 AI는 인간의 복합적인 인지 능력을 모방해 더 자연스럽고 정확한 인공지능 서비스를 제공할 수 있다. 멀티모달 AI는 예를 들어 자율주행 자동차에서 카메라 영상, GPS 데이터, 주변 소리 등을 종합적으로 분석해 더 안전한 주행을 가능하게 할 수 있듯이 인간 삶의 다양한 영역에서 더 스마트하고 효율적인 서비스를 제공할 수 있다.

제로샷 학습(Zero-shot Learning)은 멀티모달 AI가 한 번도 접해보지 않은 조합의 데이터도 이해할 수 있게 해주는 기술이다. 멀티모달 환경에서 제로샷 학습은 AI의 확장성과 창의성을 크게 향상시킨다. 모든 조합의 데이터를 일일이 학습시키는 것은 불가능하므로, 제로샷 학습 능력은 AI가 새로운 상황에 유연하게 대처하는 데 핵심적인 역할을 한다.

BERT(Bidirectional Encoder Representations from Transformers)는 언어의 복잡성과 맥락을 더 잘 이해하기 위해 개발돼 마치 뛰어난 독해 능력을 가진 사람처럼 문장 전체의 맥락을 고려해 각 단어의 의미를 이해한다.

연합학습(Federated Learning)은 개인정보 보호와 AI 발전이라는 두 마리 토끼를 잡기 위해 등장했는데, ‘함께 공부하되, 각자의 노트는 공개하지 않는’ 방식으로서 여러 기기나 서버가 각자 가진 데이터로 AI를 학습시키고, 그 결과만을 중앙에 보내 종합하고, 개인의 원본 데이터는 자신의 기기나 서버에 남아있어 개인정보가 안전하게 보호된다. 의료나 금융 같은 민감한 정보를 다루는 분야에서 연합학습은 혁신적인 해결책이 될 수 있다.

이러한 용어 외에도 NIA의 해당 보고서에는 다양한 AI 관련 용어를 해당 용어가 나오게 된 배경, 용어에 대한 쉬운 설명, 예시와 중요성, 그리고 활용 순으로 잘 설명하고 있어 AI 시대에 필요한 용어에 대한 설명 외에도 관련 기술과 발전방향에 대한 인사이트를 제공해 준다. AI 시대에 최소한의 정보를 알고 싶다면, 한번 찾아서 읽어보는 것을 권한다.

<이근우 변호사 약력>

(현)법무법인(유) 화우 파트너변호사

(현)개인정보보호위원회 자문변호사

(현)대한변호사협회 ESG 특별위원회 위원

(현)산업통상자원부 산업기술분쟁조정위원회 위원

(현)한국정보법학회 회원

(현)산업기술보호협회 영업비밀보호 전문위원(강사)

(현)법무부 해외진출 중소기업 법률자문단 자문위원