대역폭·지연시간·경제성·신뢰성·개인정보보호 문제로 엣지 AI 사용 증가
복잡한 AI 연산은 불가능하나, 단순한 데이터의 처리는 엣지서 가능
인공지능(AI)과 시각적인 처리(processing)가 클라우드 환경을 벗어나 엣지(Edge) 중심으로 바뀌고 있다. 클라우드가 아닌 스마트폰과 자동차, 가전제품 등 로컬(Local)에서 AI와 시각을 직접 계산하는 것.
EE타임스는 6일(현지시간) 이같은 현상이 센서에서 가까운 곳에서 직접 처리하기 때문으로 보고 그 이유를 대역폭, 지연, 경제, 신뢰성, 개인정보보호 등 5가지로 정리했다.
첫번째는 대역폭 문제다. 보안 등의 이유로 수십~수백대의 카메라가 있는 공간에서, 시각적인 정보를 클라우드로 전송할 수 있을까? 특히 최근 대상을 구분하기 위한 고해상도 카메라의 사용이 많아지면서, 영상 파일의 용량도 커지고 있다.
현재의 인터넷 대역폭에서 클라우드로의 전송은 너무 많은 시간과 비용이 소모된다. 이런 종류는 로컬에서 처리하는 게 더 경제적이다.
다음은 지연 시간이다. 고용량 데이터의 전송 속도와는 다른 문제다. 실시간 연결을 뜻한다.
가장 민감한 영역은 자율주행이다. 자율주행은 센서의 반응을 '즉각적'으로 처리해야된다. 0.1초의 지연도 있어서는 안 된다.
횡단보도에서 갑자기 보행자를 발견하면 자율주행차는 순간적으로 행동을 결정해야 한다. 클라우드로 데이터를 전송하고 답을 받아올 수는 없는 상황이다. 엣지 AI가 가장 필요한 분야기도 하다.
세번째는 경제적인 문제다. 최근 클라우드 컴퓨팅과 통신비용이 줄어들고 있지만 고용량 데이터와 지속적인 데이터 전송에는 꾸준히 비용이 발생하기 마련이다.
엣지 컴퓨팅은 클라우드로 전송해야 하는 데이터양부터, 클라우드에서 처리할 작업량을 줄여 준다. 이는 곧 비용 절감을 뜻한다.
네번째는 신뢰성이다. 지속적인 기기의 작동을 보장해야 한다. 인터넷망이 끊기더라도 기본적인 보안문제와 미션 크리티컬한 환경은 유지해야 한다.
병원에서 전원이 내려가면, 자체 발전기로 응급실과 중환자실에 전력을 공급하는 것과 같다. 로컬에서 이뤄지는 엣지 AI가 필요한 이유다.
마지막으로는 개인정보보호 문제다. 개인정보를 비롯해 민감한 산업 정보를 클라우드 상에 보관하는 것에는 수많은 위협이 존재한다. 개인정보를 마케팅이나 홍보 등에 오남용되는 경우에 대한 우려도 있다.
로컬 영역에서는 개인정보 남용 가능성을 줄일 수 있다.
◇ 프로세싱 아키텍처의 변화로 엣지 AI 구현할 수 있어
EE타임스는 이런 요소가 엣지 AI가 필요한 이유라면, 변화를 성공시킬 수 있는 것은 보다 빠르고 효율적인 프로세서라고 지적했다.
환경적인 '필요성'에 앞서, 실제 현실화 하는 '가능성'이 엣지 AI로의 전환을 가속화했다는 것이다.
비전 프로세싱과 딥러닝을 위해서는 수백만 화소의 이미지 파일과 셀 수 없는 양의 데이터를 처리한다. 실시간 AI 처리에는 초당 수십억에서 수조번의 연산이 이뤄진다.
에지 AI의 필수 요건은 이런 성능을 로컬 장치에 호환되면서 가격과 전력효율성을 맞춰주면서 적절한 크기로 제공할 수 있는 프로세서여야 한다.
다행인 것은 딥러닝 알고리즘이 반복적이고 단순하다는 점이다. 단지 방대한 양의 계산과 데이터를 처리할 뿐이다. 이런 반복적이고 예측 가능한 특성 때문에 단순한 알고리즘에 맞게 조정된 프로세서를 만들 수 있다는 것이다.
제한된 범위 안에서는 기존의 CPU(중앙처리장치)나 GPU(그래픽처리장치) 등의 범용 프로세서보다 10~100배 또는 더 높은 성능과 효율성을 제공할 수 있다.
이는 곧 수십억개의 AI 엣지 디바이스가 등장할 것이라는 시장조사업체들의 리포트들과 함께 지난 몇년간 고성능 AI용 프로세서 아키텍처의 폭발적인 증가를 불렀다고 EE타임즈는 전했다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com