본문 바로가기

WEB3.0/PROJECT

DeepBrain Chain, 대 AI시대의 컴퓨팅파워를 공급하는 프로젝트

 

 

4차 산업혁명 시대를 주도하는 AI, 컴퓨팅 파워

 

 

인공지능, 딥러닝의 이슈에 발맞춰 최근의 ChatGPT의 출현까지 산업의 지각변동을 일으키고 있는 4차 산업혁명 시대로 빠르게 전환되는 가운데 AI 산업과 컴퓨팅 파워는 뗄 수 없는 관계가 되었습니다.  4차 산업혁명은 제조, 의료, 운송, 통신 등 사회의 모든 측면에 디지털 기술이 통합되는 것을 의미하며, AI(인공지능)는 이러한 변화의 원동력이 되어 방대한 양의 데이터를 분석하고, 예측하고, 복잡한 작업을 자동화하여 기계 학습, 언어 처리를 해내고 있습니다. 이와 같은 AI 기술은 새로운 제품과 서비스를 만들고 기존 제품과 서비스를 개선하며 전반적인 생태계의 효율성을 대대적으로 개선해 나가고 있습니다.

 

이와 같은 AI 모델링을 구축하기 위해 가장 기본적인 컴퓨팅 파워 또한 매우 중요한 파트가 되었습니다. 컴퓨팅 성능의 기하급수적인 성장으로 방대한 양의 데이터를 처리가 가능하게 되었고 점점 더 정교한 알고리즘을 개발할 수 있게 되었습니다. 또한 컴퓨팅 리소스에 액세스할 수 있게 해주는 클라우드 컴퓨팅의 등장으로 혁신의 속도 또한 더욱 빨라졌습니다. AI와 컴퓨팅 성능의 결합으로 새로운 기술과 애플리케이션들이 개발되기도 하였습니다.

 

이렇게 AI와 컴퓨팅 파워는 세계의 산업을 변화시키고 우리가 생활하고 일하는 방식을 변화시키고 있습니다. 예를 들어, AI 기반의 로봇은 작업을 자동화하고 생산성을 향상시키기 위해 제조 분야에서 사용되고 있으며, 자율 주행 자동차는 운송 수단의 혁신을 이끌고 있습니다. 의료 분야에서는 새로운 치료법을 개발하고 결과를 개선하는 데 사용되고 있으며, 금융 분야에서는 AI 기반 챗봇이 고객 서비스를 개선하거나 투자 수익률을 올리는데 사용되고 있습니다.

 

결론적으로 AI 산업과 컴퓨팅의 중요성이 대두된 4차 산업혁명 시대로의 급속한 전환에서의 그 중요성은 아무리 강조해도 지나치지 않게 되었습니다. 이러한 기술은 기업과 개인 모두에게 혁신을 주도하고 새로운 기회를 창출하고 있습니다.




 

대규모 언어 모델 AI, ChatGPT

 

 

최근 선풍적인 인기를 끌고 마이크로소프트(MS), 실리콘밸리 등 대형 IT 기업들에게 뜨거운 감자로 떠오른 ChatGPT는 OpenAI에서 운영하는 대규모 언어 AI 모델 중 하나입니다. 사전 훈련된 인공 신경망을 기반으로 하며 방대한 양의 텍스트 데이터를 훈련시킨 ChatGPT는 대화형 인터페이스를 통해 사용자와 상호작용하고 다양한 언어 처리를 수행할 수 있으며, 이 과정에서는 상당한 양의 AI 및 컴퓨팅 리소스가 필요합니다.

 

ChatGPT를 실행하는 데 필요한 정확한 AI 및 컴퓨팅 리소스는 세간에 공개되는 않았으나 OpenAI에 의하면 이 모델은 엄청난 양의 컴퓨팅 리소스와 데이터를 통하여 학습되었다고 합니다. 이러한 리소스에는 수천 개의 그래픽 처리 장치(GPU) 및 대규모 클라우드 컴퓨팅 인프라에 수억 또는 수십억 개의 매개변수로 딥 러닝 모델을 교육하기 위한 수백만 또는 수십억 개의 예제가 포함된 대규모 데이터 세트가 포함되어야 합니다.

 

메릴랜드 대학의 AI 보안, 머신러닝(ML) 부교수인 톰 골드스타인(Tom Goldstein)에 따르면 ChatGPT를 구동하기 위한 Azure 클라우드의 GPU인 NVIDIA A100의 GPU 리소스 사용료는 시간 당 약 $3이며 생성된 단어당 평균 $0.0003으로 환산할 수 있으며 일일 평균 $100,000의 비용이 발생된다고 합니다. 따라서 ChatGPT와 같은 대규모 언어 모델을 실행하려면 대규모 클라우드 컴퓨팅 인프라와 GPU와 같은 강력한 하드웨어를 비롯한 방대한 양의 AI 및 컴퓨팅 리소스가 요구되고 있는 상황입니다. 




 

AIGC (AI-based Game Character)

 

 

AIGC (AI-based Game Character)는 인공지능 기술을 사용하여 게임 캐릭터를 제작하는 기술입니다. AIGC를 구동하는 데 필요한 AI와 컴퓨팅 파워는 여러 가지 요소에 따라 달라지고 이를 개발하는데 필요한 AI와 컴퓨팅 파워는 다음과 같은 큰 범주의 세 가지 요소에 따라 결정됩니다.



학습 데이터의 양

AIGC를 학습시키기 위해서는 대량의 학습 데이터가 필요합니다. 이 데이터는 게임에서 생성된 다양한 플레이어의 데이터와 비디오 게임에서 캐릭터의 동작을 촬영한 데이터를 포함할 수 있습니다.

 

모델 규모

AIGC 모델의 규모가 커질수록 더 많은 컴퓨팅 파워가 필요합니다. AIGC 모델은 다양한 딥러닝 기술을 사용하며, 이러한 기술을 사용하여 모델의 복잡도와 성능을 높일 수 있습니다.

 

학습 알고리즘

AIGC 모델을 학습시키는 데 사용되는 알고리즘은 다양한 하이퍼파라미터와 다양한 최적화 방법을 사용합니다. 이러한 알고리즘은 CPU 및 GPU와 같은 고성능 하드웨어에서 실행되며, 수백에서 수천 시간 이상의 학습 기간을 필요로 합니다. 따라서 AIGC를 구동하기 위해서는 대규모의 데이터, 고성능 하드웨어 및 최신의 딥러닝 알고리즘을 사용해야 하며 대량의 AI 및 컴퓨팅 파워가 요구됩니다.




 

DBC(DeepBrain Chain)

 

 

위에서 언급된 ChatGPT나 AIGC와 같은 고성능 하드웨어 및 최신 알고리즘, GPU 리소스가 필요한 컴퓨팅 파워 제공을 위해 만들어진 솔루션인 DBC(DeepBrain Chain)는 인공지능(AI) 및 머신러닝(ML)을 위한 컴퓨팅 파워를 안전하고 개인적으로 공유하고 활용할 수 있는 방법을 제공하는 것을 목표로 하는 분산형 블록체인 기반 플랫폼입니다. 최근 DBC는 꾸준히 한국 시장을 개척하기 위한 활동을 하고 있으며, 한국 국내에서도 컴퓨팅 파워 풀을 구축하는데 성공하였습니다.

 

DBC는 메인넷 프로젝트이며, 스마트 컨트랙트(Smart Contract)를 활용해 컴퓨팅 파워를 공급하는 사용자와 이를 필요로 하는 사용자 간의 상호작용을 관리합니다. 또한 DBC의 블록체인 인프라는 데이터를 암호화하여 분산된 노드 네트워크에 저장함으로써 데이터 보안과 개인 정보 보호를 보장하며 블록체인 기술을 AI와 머신러닝에 접목해 보다 효율적이고 보다 적은 비용의 인프라를 만드는 프로젝트입니다. 이와 같은 특성으로 인해 가지고 있는 강점은 아래와 같습니다..

 

1. 분산형 인프라

  • DBC이 주요 강점 중 하나는 분산형 인프라입니다. DBC는 글로벌 노드 네트워크에서 유휴 컴퓨팅 리소스를 활용하여 AI 관련 작업을 위한 저렴한 컴퓨팅 파워를 제공합니다. 분산형 인프라를 사용함으로써 DBC는 중앙 집중형 서버 또는 데이터 센터의 필요성을 제거하여 보안을 개선하고 다운타임(Downtime)의 위험을 줄일 수 있습니다.

2. 저비용 고효율

  • DBC의 또 다른 강점은 AI 컴퓨팅에 필요한 비용을 낮추는 데 집중한다는 것입니다. 유휴 컴퓨팅 리소스를 활용함으로써 DBC는 기존 클라우드 컴퓨팅 서비스보다 훨씬 더 저렴한 가격에 동일한 컴퓨팅 성능을 제공할 수 있습니다. 또한 AI 컴퓨팅에 대한 DBC의 접근 방식은 전용 하드웨어 및 냉각 시스템의 필요성을 줄여 기존 방식보다 에너지 효율적일 수 있습니다.

3. 보안

  • DBC의 블록체인 플랫폼은 AI 컴퓨팅 프로세스에 추가 보안 계층을 제공합니다. DBC는 블록체인 기술을 활용하여 의료 및 금융과 같은 민감한 산업의 애플리케이션에 필수적인 네트워크 데이터 및 트랜잭션 무결성을 보장할 수 있습니다.

4. 사용자 친화적 설계

  • DBC의 플랫폼은 사용자 친화적이고 접근 가능하도록 설계되었습니다. 간단한 인터페이스와 사용하기 쉬운 도구를 통해 비기술 사용자도 AI 컴퓨팅을 위한 DBC의 분산형 인프라를 활용할 수 있습니다.

 

또한 DBC는 다양한 AI 및 머신러닝(ML)의 실제 러닝 시나리오를 공식적으로 발표하였으며 앞서 언급한 응용들 외에도 현재 MNIST, 사용자가 입력한 언어의 의미를 인식하는 NLP, 음성 인식, 무인 자율주행, 로봇 팔, 제조(AI 품질 검사), 의료 (암 검사) 등 다양한 유형의 훈련을 완료하기도 했습니다.

 

 

특히 DBC가 주력으로 내세우고 있는 컴퓨팅 파워는 최근 엄청난 인기를 구가하는 ChatGPT나 AIGC와 같은 AI 산업에 필수적인 요소로써,  큰 범주에서 AI는 알고리즘, 데이터, 모델링, 컴퓨팅 파워로 구성이 되는데, 이 중 앞의 세 가지는 개발과 구성까지는 매우 많은 비용과 시간 등의 리소스가 들어가게 되지만, 완료한 시점에서 복사, 복제 등을 통하여 확보 가치를 낮출 수가 있습니다. 그러나 컴퓨팅 파워는 하드웨어 및 인프라에 상당한 투자가 필요하고 그러한 시스템을 구축하고 유지 관리하는 데 필요한 프로세서, 그래픽 카드(GPU) 및 저장 장치의 비용과 이러한 리소스를 지원하는 전력 및 냉각 시스템의 비용이라는 물리적이고 불변하는 제한점들이 존재하기 때문에 위 4가지 구성요소 중에서 유일하게 복제나 가격을 낮추기가 불가능하다는 점이 있습니다.

 

또한 고성능 컴퓨팅 파워를 만들어내기 위해 필요한 기술과 하드웨어는 시시각각 빠르게 변화하고 있기에, 이에 발맞춰 최신 하드웨어를 도입 하기에는 비용과 시간이 많이 들기 때문에, 컴퓨팅 파워 인프라를 구성 및 투자 할 수 있는  개인, 조직은 매우 제한된 상태입니다.

 

따라서 ChatGPT나 AIGC가 시작한 대 AI시대에서 필수적으로 프로젝트들은 고성능 컴퓨팅 파워를 요구하게 되고, DBC의 고성능 분산형 AI 컴퓨팅 인프라는 이런 문제점들을 해결 해줄 수 있을 것입니다. DBC는 어제오늘 생긴 프로젝트가 아니라 이미 일찍히 2017년도 부터 꾸준히 연구개발에 매진하여 플랫폼의 런칭 컴퓨팅 파워 풀의 구축, 추가적인 응용 어플리케이션 구축등 끊이없이 발전하고 있기 때문에, 점점 커지는 AI, Big data, Cloud, Metaverse등 4차산업 시장에서 DBC는 점점 더 두각을 나타 낼 것이라 판단됩니다. 

 

지금까지 걸어왓던 길보다 앞으로 걸어갈 길이 더 기대되는 Deepbrian Chain에게 더욱 많은 관심을 가지고 지켜보는것도 좋을 것 같습니다!