초저전력으로 실시간 학습하는 새로운 뇌 영감 AI

인간의 뇌는 세계에서 가장 진보된 슈퍼컴퓨터입니다. 오늘날 AI 시스템처럼 거대한 데이터 센터를 사용하지 않고도 동시에 학습하고 적응할 수 있습니다. 이번 달에 텍사스 A&M 대학 컴퓨터 및 전기공학부와 기타 주요 기관의 엔지니어 팀이 성능 향상을 가능하게 하고 더 스마트한 프로토콜의 문을 열 수 있는 뇌 영감 AI 시스템을 소개했습니다. 알아야 할 내용은 다음과 같습니다.

전통적인 AI와 튜링 아키텍처의 한계

인공지능은 세계에서 가장 빠르게 성장하고 가장 흥미로운 기술 산업 중 하나입니다. 몇 년 만에 AI 알고리즘은 고위 Google 및 Microsoft (MSFT ) 엔지니어만 사용할 수 있던 것에서 일반인도 흔히 사용하는 도구가 되었습니다. 이 과정에서 AI 시스템은 지속적으로 성능과 기능이 향상되었습니다. 성능 향상과 함께 하드웨어 역량도 증가했습니다.

특히 AI 시스템은 튜링 아키텍처에 의존합니다. 이 컴퓨팅 방식은 발명가 알란 튜링의 이름을 따왔습니다. 그는 컴퓨터가 작업의 특정 부분을 분리하면 더 나은 성능을 제공할 수 있다고 고안했습니다.

이 구조는 컴퓨터가 칩 설계 내에서 처리와 메모리를 물리적으로 분리한다는 의미입니다. 이러한 분리는 그 이후로 기계의 하드웨어 설계를 좌우해 왔습니다. 그의 컴퓨터 비전은 수십 년이 지난 지금도 가장 널리 사용되는 아키텍처로 남아 있습니다.

에너지 위기: 현대 AI가 새로운 설계도가 필요한 이유

이 레이아웃의 문제는 AI 시스템이 방대한 양의 데이터를 필요로 한다는 점입니다. 경우에 따라 시스템 요구 사항의 일부로 가장 최신 하드웨어를 활용하여 전체 데이터 센터를 새로 구축해야 합니다. 안타깝게도 이러한 구조는 지속 가능하지 않습니다.

대형 데이터 센터는 전체 도시와 같은 양의 에너지를 소비하는 거대한 전력 소모원입니다. 많은 경우 이러한 시스템은 재생 에너지를 사용해 환경 영향을 줄이고 있습니다. 그러나 AI 시스템에 대한 수요가 증가함에 따라 이러한 프로토콜을 미래에 지속 가능하게 만들기 위해 효율성 향상이 필요합니다.

오늘날 AI 모델이 실시간으로 적응할 수 없는 이유

게다가 이 구조는 이러한 프로토콜의 확장성이 소프트웨어 제약이 아니라 하드웨어에 기반한다는 것을 의미합니다. 가장 진보된 시스템조차도 장치 내 하드웨어 구성 요소 간에 데이터가 물리적으로 전송될 때까지 기다려야 합니다.

 슈퍼 튜링 AI 소개: 인간 뇌에서 영감을 얻다

튜링 기반 AI 시스템의 또 다른 단점은 사전 설정된 데이터 포인트에 의존한다는 점입니다. 오늘날 모델은 작동 중에 성능을 수정할 방법을 제공하지 않습니다. 이러한 시스템은 역전파를 완료하기 위해 제공된 데이터에 의존합니다.

이 접근 방식은 뇌와 다릅니다. 뇌는 지식과 환경 조건을 결합해 적은 에너지로 정확한 판단을 내립니다. 특히, 역전파를 복제하는 것은 생물학적으로 불가능합니다. 왜냐하면 상황을 사전에 경험해야 하기 때문입니다. 이러한 사실을 인식한 엔지니어들은 인간 학습을 모방하는 AI 시스템을 개발하려고 노력했습니다.

시냅스 저항기가 우리 뇌처럼 학습하는 방법

연구 “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system”는 뇌가 학습하는 방식을 모방하여 조건에 기반한 실시간 적응성을 제공할 수 있는 뉴로모픽 AI 시스템을 소개합니다. 이 연구는 UCLA, 텍사스 A&M 및 기타 연구 시설의 연구진 팀에 의해 제시되었으며 Science Advances에 게재되었습니다. 이 작업을 수행하기 위해 팀은 뇌처럼 학습할 수 있는 “synstor”(시냅스 저항기) 회로를 만들었습니다.

출처 – 텍사스 A&M 컴퓨터 및 전기공학부

뇌와 같은 효율성: 메가와트가 아닌 마이크로와트를 소비하는 AI

이 연구의 엔지니어들은 인간의 뇌가 에너지 소비와 유연성 등 많은 측면에서 여전히 AI보다 앞선다는 것을 인식하고 있습니다. 뇌의 신경 과정은 복잡한 신체 기능을 수행하면서 동시에 주변 환경 변화에 적응할 수 있게 합니다.

에너지 효율성 측면에서 인간 뇌는 작동에 약 20와트만 필요합니다. 반면 오늘날의 고급 AI 시스템은 작동 중 최대 10억 와트를 소비할 수 있습니다. 이러한 전력 소비는 처리 경로와 구성 요소, 그리고 AI 시스템 아키텍처에서 비롯됩니다.

 인공지능에서 시냅스 가소성 이해하기

엔지니어들은 뇌의 시냅스 가소성을 연구하는 것부터 시작했습니다. 뇌에는 기억과 학습을 담당하는 수백만 개의 뉴런이 있습니다. 신경이 만나는 이 통신 영역을 시냅스라고 합니다. 시냅스 가소성은 자주 사용되는 연결을 강화하는 뇌의 능력을 의미합니다. 또한 효율적이라고 판단될 때 새로운 경로를 생성하는 능력도 포함합니다.

뇌의 비밀: 튜링 모드와 슈퍼 튜링 모드 전환

뇌는 튜링 모드와 슈퍼 튜링 모드 모두에서 작동할 수 있습니다. 튜링 작동 상태에서는 사전에 학습된 작업과 행동을 활용합니다. 예측할 수 없는 상황이 발생하거나 조건이 변하면 뇌는 자동으로 슈퍼 튜링 상태로 전환합니다. 이 접근 방식은 뇌가 항상 주변 환경에 적응하도록 합니다.

슈퍼 튜링 AI가 즉시 학습하고 적응하는 방법

과학자들은 이 슈퍼 전환 상태가 뇌의 독특한 능력의 핵심이라고 판단했습니다. 그들은 이 구조를 활용해 AI 아키텍처를 재구상했으며, 학습과 추론이 동시에 이루어지는 보다 인간적인 작동 흐름을 구상했습니다.

이 전략은 에너지 소비를 크게 줄입니다. 하드웨어 구성 요소 간에 방대한 데이터를 이동할 필요가 없어져 소비가 감소하고 성능이 향상됩니다. 또한 전력 소비를 새로운 최저 수준으로 낮추면서 실시간 적응성을 지원합니다.

Synstor 내부: 인간 학습을 모방하는 강유전체 회로

이 연구의 핵심은 동시에 처리, 학습 및 원활한 작동이 가능한 포괄적인 센서 회로를 만드는 것입니다. 팀은 연구의 일환으로 Hf0.5Zr0.5Ο2 기반 synstor 회로를 제작했습니다.

이 맞춤형 회로는 강유전체 HfZrO 물질을 통합한 시냅스 저항기를 특징으로 합니다. 특히 Hf 산화물과 같은 강유전체 물질은 엔지니어가 확장 가능하고 실리콘 호환 가능한 비휘발성 아날로그 메모리 및 뉴로모픽 장치를 만들 수 있게 합니다.

드론 시뮬레이션: 인간 vs AI vs Synstor

팀은 드론 비행 시뮬레이션을 설정하고 전통적인 AI, 인간, 그리고 슈퍼 튜링 AI 시스템이 이론을 테스트하도록 시뮬레이션을 탐색하게 했습니다. 난기류나 장애물이 없을 때, synstor 회로, 인간 조종사 및 ANN은 문제나 지연 없이 드론을 목표 위치로 이동시키는 방법을 성공적으로 학습했습니다.

하지만 나무나 강풍이 추가되자 모든 참가자의 성능이 감소했습니다. 구체적으로 인간과 synstor 회로 AI 시스템은 과제를 완료했지만, 전통적인 AI 시스템은 새로운 환경에 적응하지 못해 테스트를 완료하지 못했으며, 추가된 장애물로 인해 성능이 저하되었습니다.

AI 적응성 실전: 드론 장애물 코스 결과

연구는 엔지니어들이 새롭게 개발한 시냅스 저항기 회로가 불확실하고 동적인 실제 환경을 탐색할 수 있는 효율적이고 적응 가능한 슈퍼 튜링 AI 시스템을 지원한다는 것을 보여주었습니다. 인간과 synstor 기반 드론만이 코스를 완료할 수 있었던 이유를 조사했으며, 그들의 성공은 즉각적인 적응 능력 덕분이었습니다.

왜 Synstor 회로가 지속 가능한 AI의 도약인지

Synstor 회로 AI 시스템이 시장에 가져올 수 있는 여러 이점이 있습니다. 첫째, 보다 고급하고 강력한 AI 옵션의 문을 열게 됩니다. 이러한 프로토콜은 실시간 추론과 학습을 동시에 수행할 수 있어 차세대 AI 프로토콜로 나아가는 디딤돌이 됩니다.

친환경: 엔지니어들의 AI 시스템 아키텍처는 전통적인 AI 프로토콜에 필요한 전력의 일부만 사용합니다. 이 향상된 전력 사용량 덕분에 Synstor AI 시스템은 데이터용 가장 친환경적인 AI 아키텍처라는 명칭을 얻을 수 있습니다. 이러한 서비스에 대한 수요가 증가함에 따라 지속 가능한 옵션에 대한 필요성도 상승할 것입니다.

효율성: 엔지니어들은 인간 뇌를 모방한 시스템을 성공적으로 만들었습니다. 그들의 접근 방식은 AI 시스템 전반에 걸쳐 에너지 요구량을 감소시키고 새로운 모델을 실행하거나 훈련할 때 전력 소비를 최적화할 수 있게 합니다.

적응성: 이 AI 구조의 주요 장점 중 하나는 적응성입니다. AI 시스템은 증가하는 작업량을 처리하기 위해 더 빠르고 더 적응 가능해야 합니다. 전기차(EV) 홈 파일럿부터 당신에게 재생할 곡을 결정하는 것까지, 미래의 AI 시스템은 처리 과정의 일부로 환경을 고려할 것입니다.

미래 적용 분야: 자동차, 웨어러블, 군사 기술에서 뇌와 같은 AI

뇌 영감 AI 시스템은 산업을 혁신할 잠재력을 가지고 있습니다. 엔지니어들에게 지속 가능한 AI 개발 가능성을 제공하며 내일의 고급 자율 시스템 구축을 지원할 수 있습니다. 이 기술은 로봇공학, 웨어러블, 의료 분야에도 적용될 것입니다.

고급 컴퓨팅: 곧 이 기술을 활용한 고급 AI 시스템을 볼 수 있을 것입니다. 전력 소비 감소는 시스템 운영 비용을 낮추어 현 상황에 비해 매력적인 옵션이 됩니다. 또한 synstor 칩 설계가 개선됨에 따라 채택이 더욱 확대될 것입니다.

군사: 군대는 AI의 가장 큰 옹호자 중 하나입니다. AI 시스템은 추적, 표적 지정, 계획 및 물류를 지원하여 이를 활용하는 모든 군대의 작전 능력을 향상시킵니다. 앞으로 AI 시스템이 고급 체공 무기와 드론에 동력을 공급하고 계획자들이 상황 인식을 유지하도록 도울 것입니다.

자율 주행 차량: 고급 AI의 핵심 사용 사례 중 하나는 자율 주행 차량을 조종하는 것입니다. 완전 자율 자동차에 대한 꿈은 서서히 실현되고 있지만 최근 발전으로 그 비전이 그 어느 때보다 가까워졌습니다. 이번 최신 AI 돌파구는 성능 향상을 돕고 비행 및 기타 기능을 갖춘 보다 고급 자율 차량의 문을 열 것입니다.

이 기술은 언젠가 커뮤니티를 더 안전하게 만들고 일상 업무를 더 쉽게 할 것입니다. 그러나 기술이 주류에 진입하기 전에 해결해야 할 세부 사항과 장애물이 여전히 존재합니다. 이러한 지연에도 불구하고 상업적 채택은 5~10년 내에 이루어질 것으로 예상되며, 단기적으로는 특수 저전력 AI 작업에 적용될 것입니다.

이 AI 돌파구를 이끈 연구팀 소개

텍사스 A&M 대학 컴퓨터 및 전기공학부와 캘리포니아 대학교 로스앤젤레스(UC‑LA) 엔지니어들이 협력해 이 연구를 발표했습니다. 구체적으로 정민 이, 라훌 셰노이, 아타르바 디오가 연구를 이끌었습니다.

그들은 Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian‑Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu, Yong Chen 등 엔지니어 팀의 도움을 받았습니다. 특히 이 연구는 공군 과학 연구소(Air Force Office of Scientific Research)로부터 자금을 지원받았습니다.

 비즈니스 관점: NVIDIA와 기타 기업이 뉴로모픽 AI를 어떻게 발전시키고 있는가

AI 경쟁이 본격화되면서 경쟁 기업들은 수십억 달러를 투자해 시장을 장악하려 하고 있습니다. AI의 상대적으로 파괴적인 특성 때문에 OpenAI와 같은 기업이 무에서 등장해 시장 상위 자리를 차지할 새로운 기회가 생깁니다. 다음에 누가 새로운 플레이어가 될지는 판단하기 어렵지만, 지난 몇 년간 시장을 지배해 온 기업은 쉽게 알 수 있습니다.

NVIDIA Corporation

NVIDIA (NVDA )는 1993년에 시장에 진입했으며 캘리포니아에 기반을 두고 있습니다. 현재 세계적으로 유명한 3D 그래픽 카드 제조업체는 수년 동안 ASIC 및 기타 혁신적인 설계를 선도했습니다. 이러한 업그레이드 덕분에 회사는 게임 그래픽 카드 업체에서 AI 분야에서 가장 인지도가 높은 이름 중 하나로 브랜드를 전환했습니다.

 NVIDIA의 성장세는 눈에 띄었습니다. 주가는 상당히 상승했으며 2024년 6월에는 시가총액 3조 달러에 도달했습니다. 오늘날 NVIDIA는 뉴로모픽 및 엣지 AI 하드웨어 분야의 선두주자입니다. 따라서 AI 추론 효율성과 뇌 영감 아키텍처 설계에 깊이 관여하고 있습니다. 신뢰할 수 있고 검증된 AI 주식을 찾는 사람들은 NVIDIA에 대해 더 많은 연구를 할 필요가 있습니다.

For a closer look at NVIDIA, make sure to 이 산업 거인의 스포트라이트를 살펴보세요.

NVIDIA Corporation 최신 소식

AI의 미래: 자연 지능, 인공적으로 설계된 지능

이 연구의 엔지니어들은 AI 역량의 새로운 수준을 열었습니다. 새로운 칩 설계는 AI가 더 빠르고 스마트한 알고리즘을 개발하도록 할 것입니다. 이러한 시스템은 언젠가 여러분 생활의 거의 모든 구성 요소에 전력을 공급할 것입니다. 현재로서는 이 연구가 과학자들이 자연과 인간 몸에서 영감을 얻어 혁신을 새로운 차원으로 끌어올릴 수 있음을 보여주었습니다.

다른 멋진 AI 프로젝트에 대해 알아보세요 지금.

참조 연구:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}