엔비디아(NVIDIA)는 4월 8일, 전 세계적인 문제로 다루어지고 있는 ‘코로나 19(COVID-19)’에 대응함에 있어, AI 기술을 어떻게 사용할 수 있는지에 대해, 대응 사례와 활용 방안을 소개하는 웨비나를 진행했다. 이 자리에서 엔비디아는 사회적, 의학적 측면 모두에서 ‘코로나 19’에 대응함에 있어, GPU 기반 고성능 AI 인프라는 문제를 분석하고 대응하는 시간을 줄여, 더 많은 생명을 구할 수 있다고 밝혔다.
이제 GPU는 컴퓨터 그래픽 뿐 아니라, 극도로 병렬화된 구조를 기반으로 현실 세계의 다양한 문제의 해결책을 찾는 데에도 적극적으로 활용되고 있다. 그리고, 이제는 전 세계의 당면 과제가 되어 버린 ‘코로나 19’에 대응하는 데도, AI 기술과 GPU 기반의 HPC 인프라는 의학적, 사회적 측면 모두에서 더 많은 데이터를 수집하고 빠르게 처리해, 더 짧은 시간에 보다 나은 통찰력을 도출해, 당면한 어려움을 극복할 수 있게 할 것으로 기대된다. 또한 엔비디아는 최근 이를 위해, 코로나 19 HPC 컨소시엄에 합류하고 GPU 가속 소프트웨어 허브인 NGC를 통해 코로나 19 연구를 위한 도구들을 지원하고 있다고 발표한 바 있다.
전 세계적인 문제로 인식되는 ‘코로나 19’의 대응에 있어, AI 기술과 고성능의 AI 슈퍼컴퓨팅 능력은 병을 진단하고, 치료 방법을 빠르고 효율적으로 찾아내는 데 큰 도움을 제공할 수 있을 것으로 기대된다. 또한 사회적인 측면에서는 전염 경로를 분석하고, 전염 속도를 늦출 수 있는 효과적인 방법을 위한 통찰력을 제시할 수 있으며, 사회적으로 전염 속도를 늦추기 위한 다양한 활동에서도 AI 기술을 활용한 자동화, 무인화가 가능하다. 그리고 활용 사례로는 ‘인퍼비전(Infervision)’의 AI와 딥러닝 기술을 기반으로 한 의료 이미지 판독 기술이 꼽혔으며, 이 기술은 ‘코로나 19’에서도 빠르게 환자를 진단하는 데 기여하고 있다고 덧붙였다.
|
| ▲ GPU는 이제 실제 세계의 까다로운 문제들을 해결하는 데도 중요한 도구가 되었다 (자료제공: NVIDIA) |
컴퓨터 그래픽에서 출발한 엔비디아의 GPU는 지금까지 컴퓨터 그래픽의 변화에 큰 영향을 미쳐 왔으며, 지금은 GPU가 가진 ‘고도로 병렬화된 구조’와, 이를 그래픽 이외의 범용 연산 목적으로 활용할 수 있도록 하는 특별한 소프트웨어 스택이나 알고리즘, 애플리케이션을 활용해, 과학 연구의 시뮬레이션 등 이전까지는 다루기 어려웠던 특별한 형태의 문제를 빠르게 다룰 수 있는 ‘가속기’로도 중요하게 활용되고 있다. 이에, GPU는 같은 기술 기반에서 ‘가상 세계’를 만들면서도 ‘실제 세계’의 이해를 돕는 데 활용되는, 특별한 위치에 있게 되었으며, AI 플랫폼은 기상 예측이나 풍동 실험 시뮬레이선에서부터 유전자 분석에 이르기까지 다양한 과학 연구 영역을 가속화하고 있다.
현재의 ‘코로나 19’ 같은 새로운 위협에 대응하는 데 있어, ‘속도’는 생명을 더 살릴 수 있는 중요한 힘이 된다. 그리고 이 ‘성능’ 측면에서, 고성능의 HPC 인프라와 딥러닝 기술은 단백질의 3D 구조를 예측하는 데 걸리는 시간을 개월 단위에서 ‘밀리초(ms)’ 단위까지 극적으로 줄일 수 있게 한다. 이에, 새로운 위기를 타개하기 위한 연구에 높은 컴퓨팅 성능을 지원하기 위한 방안이 HPC 컨소시엄이나 Group 42 등 퍼블릭, 프라이빗 영역 모두에서 이루어지고 있으며, 분산 컴퓨팅 네트워크 프로젝트 ‘폴딩@홈(Folding@Home)’ 이니셔티브를 통해 개인 사용자들도 PC 연산 능력을 연구에 제공해, 슈퍼컴퓨터 급의 연산 성능을 확보할 수 있도록 한 바 있다.
또한 국가 차원에서의 AI 정책은 명확한 방향성과 우선 순위의 설정이 중요하다고 소개되었다. AI를주목하는 데는 경제 성장이나 공공 의료, 스마트 시티, 국가 안보, 국민과의 소통 등 다양한 목적이 있을 수 있으며, 방향성에 따라 전략이 갖추어지고, 인프라와 생태계가 구성되면서, 긍정적인 결과를 기대할 수 있다는 것이다. 한편, 국가 차원에서의 AI 인프라 구성과 활용에서도, 미래에 등장할 수 있는 위기와 이를 극복하기 위한 컴퓨팅 수요에 효과적으로 대응하기 위해서는, 고성능의 슈퍼컴퓨터를 통해 역량을 확보하는 것도 중요하지만, 이를 퍼블릭 클라우드와 연결해 활용할 수 있는 ‘하이브리드 인프라’ 구성 또한 반드시 고려해야 될 것으로 언급되었다.
|
| ▲ ‘코로나 19’ 대응을 위한 모든 영역에서 AI 기술은 문제 해결의 가속화를 돕는다 (자료제공: NVIDIA) |
현재의 ‘코로나 19’에 대응하기 위한 정책적 활동은 크게 네 가지 단계로 나눌 수 있으며, 각 단계에서 AI 기술은 문제를 빠르게 파악하고, 더 높은 수준의 지원을 더 많이 제공하게 할 수 있으며, 위기 관리를 위한 더 나은 대응을 할 수 있는 통찰력을 제공할 수 있다. 그리고 이 중 발병을 추적하는 등에서의 ‘투명성(Transparency)’ 측면에서, AI는 대규모의 데이터를 기반으로 정확한 정보를 전달할 수 있는 시각화나, 사회의 혼란을 가중시키는 ‘가짜 뉴스’ 등을 탐지하고 정확한 정보가 전달될 수 있도록 하는 검증 등에 있어 효과적인 도구로 사용될 수 있을 것이라고 소개했다.
코로나 19의 사례에서도 확산의 ‘억제(Containment)’를 위한 조치는 대단히 중요한 부분으로 꼽힌다. 확진자들이 바이러스를 확산시키는 것을 억제하기 위해서는, 확산의 가능성이 있는 매개체를 빠르고 효과적으로 판독, 분리하는 방법이 필요하며, 코로나 19의 경우 가장 기본적인 기준은 ‘발열’이 되었다. 그리고 바이두(Baidu)의 경우가 GPU 기반 이미징 기술을 활용해, 많은 사람들이 있는 상황에서도 감염이 의심되는, 체온이 높은 사람들을 실시간으로 판독하는 사례를 선보인 바 있다고 소개되었다. 이 외에도 AI 기술은 지금까지 사람이 하던 ‘배달’이나 ‘방역’, ‘모니터링’, 기본적인 상담 등을 자동화할 수 있는 여지를 제공해, 일손이 모자란 긴급 상황에서의 대응력을 높여줄 수 있을 것으로 기대했다.
진단(Diagnosis) 측면에서, GPU 기반의 이미징 기술과 AI는 대량의 의료용 이미지를 기반으로 이상 여부에 대한 판단을 자동화하고, 높은 정확도와 함께 처리량도 대폭 끌어올릴 수 있게 돕는다. 또한 치료(Treatment) 측면에서는 유전자 배열 분석(Genomic Sequencing)과정에서 연구실의 PC나 노트북 등에서도 GPU를 이용해 분석을 가속해, 소요 시간을 줄일 수 있게 하며, 백신이나 치료약을 찾는 과정에서도 AI와 HPC를 활용해 수많은 가능성 중에 가장 효과적일 것으로 기대되는 방안을 찾고, 개발 속도를 가속화할 수 있도록 지원한다.
|
| ▲ ‘코로나 19’ 대응을 위해 만들어진 ‘Inferread CT Pneumonia’ (자료제공: NVIDIA) |
한편, 이러한 전염병에 대한 대응에 있어 효과적인 ‘정책적 행동’으로는 크게 세 가지가 제시되었다. 첫 번째는 ‘신속한 비상 대응’으로, 스크리닝과 테스트, 정책적인 대응 방법의 집행, 그리고 상황 공유 등에 대한 투명성 확보 등이 이에 해당된다. 또한 ‘가용 자원의 평가와 효과적인 배분’에는 물리적 지원 인프라의 확보나, 대응을 위한 인력의 교육 등이 포함된다. ‘위협 감소’ 측면은 의료적 측면의 치료와 대응에 대한 부분인데, 현재 환자에 대한 치료는 물론 신약 개발, 향후 미래에도 대응 가능하도록 하는 측면 등이 포함된다.
GPU 기반의 인프라와 AI 활용을 통한 코로나 19 대응 사례로는 인퍼비전(Infervision)이 언급되었다. 인퍼비전은 AI와 딥러닝 기술을 기반으로, 병원에서의 의료용 이미지 정보를 분석, 의사의 판단을 돕는 솔루션을 제공하고 있다. 그리고 인퍼비전의 ‘Inferread CT Pneumonia’는 이번 ‘코로나 19’의 대응을 위해 주요 병원들과의 협력으로 만들어졌으며, 현재 전 세계에서 50개 이상의 병원에서 활용되고 있고, 수천 건의 실제 사례를 기반으로 훈련되었고, 187,000건 이상이 인퍼비전의 AI를 기반으로 분석되어, 폭증하는 환자 추세 속에서 의료진의 부담을 줄이면서, 더 많은 환자들에 효과적으로 대응할 수 있는 상황을 만드는 데 큰 기여를 했다고 소개되었다.
|
▲ 당면한 위기의 빠른 극복을 위해서는 적극적인 행동이 중요하고, 기술은 그 행동의 정확한 방향을 잡을 수 있게 돕는다 (자료제공: NVIDIA)
|
|
|
