2024년, 거의 모든 PC 관련 기업들이 AI PC를 슬로건으로 밀고 있다 / 출처=마이크로소프트
물론 반도체가 눈부시게 발전하며 2000년대까지는 슈퍼컴퓨터와 시뮬레이션에 컴퓨터 공학적 역량이 집중되었으나, 90년대 중반부터는 리처드 벨먼 교수의 기계 제어를 위한 강화학습, 제프리 힌튼 교수의 심층신경망 기술 제안 등이 잇따르며 가능성이 커져왔다. 이어서 2016년, 구글 딥마인드와 이세돌의 바둑 대결로 전 세계인이 AI의 가능성을 목격했고, 22년 11월 오픈 AI가 GPT-3를 내놓으며 비로소 AI가 IT 시장의 핵심으로 등장했다. 그 직후 시장에서 제시한 방향성이 바로 온디바이스 AI, AI PC다.

가장 진보한 AI의 발전상, AI PC의 현재 상황은?

2023년 AI 시장의 핵심은 AI 그 자체였다. 엔비디아를 비롯한 AI 하드웨어 기업들은 새로운 기술과 고성능을 갖춘 제품을 내놓기 바빴고, 개발자들은 빅데이터를 수집해 AI 모델을 구축하고, 이를 활용해 추론하고 후처리에 이르는 모든 과정에 투입됐다. 일반인들을 위한 AI 시장이 대중화하진 않았으나, GPT를 비롯한 다양한 생성형 AI들이 모든 산업을 관통했다.

어도비의 생성형 AI 파이어플라이 생성 화면, 온디바이스 AI가 아닌 어도비 클라우드 서비스로 연결해 처리한다 / 출처=어도비
문제는 이 모든 과정이 클라우드 및 데이터 서버를 거쳐야 한다. AI 모델은 데이터를 매개변수 형태로 가공해서 저장하고, 필요할 때 내놓는 형태다. 이를 위해 막대한 양의 저장공간과 실시간 하드웨어 자원, 즉 데이터 서버가 필요하다. 지금도 대다수 AI 기능은 데이터 서버와 클라우드로 연결돼 동작하며, 네트워크가 없으면 AI 기능을 쓰기 어렵다.

하지만 데이터 서버 구축은 대규모 자본은 물론 구동과 냉각을 위한 전력도 계속 필요하다. 장기적으로 AI 제공 기업의 부담은 커지고, 과부하도 생긴다. 그래서 업계에서는 말단 장치가 AI를 자체 구동하는 온디바이스 AI로 데이터 서버의 부하를 분산하고 있으며, AI PC 역시 이를 위해 등장한 제품군이다. 즉 AI PC는 AI 연산 집중에 따른 서버 부하를 줄이고, 사용자가 통신없이도 간단한 AI 소프트웨어나 애플리케이션, 개발 작업에 쓰기 위한 제품이다.

가트너, 2024년 말까지 전체 PC 중 22%가 AI PC로 예상

주요 프로세서 제조사들이 AI PC의 가능성에 눈을 뜨면서 시장 점유율은 빠르게 늘고 있다. 글로벌 연구 조사 기업 IDC는 AI PC가 올해 전체 PC 출하량의 약 20%인 5000만 대가 출하될 것으로 예측하며, 2027년에는 전체의 60%인 1억 6700만 대가 출하될 것으로 본다. 이미 지난해 12월 인텔 코어 울트라가 출시되며 신제품 노트북이 AI PC로 판매되기 시작했고, 인텔은 2025년까지 약 1억 대의 AI PC를 출하하겠다고 발표했다.

인텔 AI PC의 핵심은 신경망 처리 장치(NPU)다. 오늘날 많은 AI는 GPU의 부동소수점 연산 처리로 구동된다. 하지만 GPU는 AI 용도가 아닌 그래픽 처리용 반도체여서 전력 효율이 크게 떨어진다. NPU는 AI 처리를 위한 반도체로 전력 및 작업 효율이 훨씬 좋다. 현재 인텔 코어 울트라 등의 AI PC는 기존처럼 CPU와 GPU는 물론 NPU까지 탑재한다.

인텔 코어 울트라 5가 탑재된 PC와 13세대 인텔 코어 i5가 탑재된 PC / 출처=IT동아
인텔 코어 울트라 라인업은 13세대 인텔 코어 제품군과 비교해 UL 프로키온 AI 추론 기능과 어도비 라이트룸을 활용한 AI 사진 편집은 약 1.5배, 어도비 프리미어 프로 AI 비디오 편집 기능은 약 2.2배, 스펙 뷰포트 2020 SNX 등의 엔지니어링 기능에서는 최대 12.1배까지 성능이 차이 난다. 그러면서도 전력 효율은 에너지스타 8.0 요구사항보다 최대 64% 낮고, 마이크로소프트 팀즈 미팅 시 11% 전력을 덜 쓰는 등의 이점이 있다. GPU 성능이 좋아지면서 실사용 성능이 향상되는 부분도 있지만, AI 처리에 최적화된 NPU의 영향도 상당하다.

점차 늘고 있는 AI PC 활용, 현시점 활용도는?

현재 윈도우 11에서 쓸 수 있는 AI 기능, 클라우드에서 연산을 처리하므로 AI PC가 아니더라도 쓸 수 있다. 물론 AI PC 최적화가 적용되면 오프라인에서도 효율적으로 이런 기능들을 쓸 수 있게 된다 / 출처=IT동아
사용자들 사이에서는 여전히 AI 기능이 시기상조라는 시각도 있지만, 윈도우 11처럼 발빠르게 AI PC 시대를 준비하는 플랫폼도 있다. 예를 들어 윈도우 11에는 코파일럿을 비롯한 다양한 AI 기능이 내장되고 있으며, 누구나 쓸 수 있다. 코파일럿은 GPT 기반의 생성형 AI로 대화를 통한 질문, 검색이나 글 작성, 이미지 콘텐츠 제작, 윈도우 기능 실행 등을 수행한다. 또 캡처 도구에는 AI 기반의 광학 문자 인식이 탑재돼 이미지 내 글씨를 복사할 수 있고, 그림판에도 AI 배경 제거나 명령어 기반의 이미지 생성형 AI 기능이 추가됐다. 이외에도 많은 AI 기능들이 단계적으로 추가될 예정이다. 현재 시점에서는 네트워크가 필수지만, 추후 NPU에 최적화되면 장치 자체에서 수행한다.

올해 말이면 오프라인 AI PC에서 쓸 수 있는 AI 기능들이 많아질 전망이다 / 출처=마이크로소프트
아울러 챗GPT나 클로드AI, 라마(Llama), 구글 재미나이 같은 언어 모델을 개발하는 조건에도 앞으로는 AI PC가 더 유리해질 것이다. AI 개발 자체는 이전 세대 고성능 PC로도 할 수 있지만 전력 효율이 떨어진다. 가벼운 작업이고, 전력 효율까지 고려한다면 NPU를 내장한 AI PC에서의 작업이 더 유리하다. AI 기업 업스테이지는 지난 2월, LG전자와 손을 잡고 자체 언어모델 ‘솔라’를 LG 그램에서 온디바이스 AI로 적용하겠다는 발표도 했다. 올해 혹은 내년에는 챗 GPT같은 언어모델을 오프라인 AI PC에서도 쓰게 될 전망이다.

추후 PC 생태계는 AI인가, AI가 아닌가로 나뉠 것

지금까지 PC 성능을 결정짓는 요소는 컴퓨터의 처리 성능이었다. 하지만 AI PC 시대가 도래한 시점부터는 PC 성능은 물론 얼마나 많은 AI 기능과 소프트웨어를 지원하는지도 중요해질 것이다. AI PC 생태계가 올해 막 시작된 만큼 여전히 보여줄 게 많진 않으나, 챗GPT가 보여준 것처럼 PC 기반 작업에서 기대 이상의 결과와 혜택을 제공할 것이다. 이를 누리려면 새 PC를 살 때 NPU를 탑재한 AI PC를 선택하는 게 합당하다.

인텔은 오는 2025년까지 1억 대 이상의 PC에 AI 기능을 제공하겠다는 목표를 세웠다 / 출처=인텔
이미 인텔은 물론 AMD에서도 라이젠 AI 엔진을 탑재한 노트북을 출시했고, 퀄컴 역시 올해 중 스냅드래곤 X 엘리트 기반의 AI PC를 출시한다. 애플 역시 하반기 중 AI 기능을 내재한 차세대 애플 실리콘으로 매킨토시 라인업을 재단장할 예정이다. 과거 어도비가 크리에이티브 클라우드를 도입하면서 소프트웨어 생태계가 SaaS 중심으로 재편된 것처럼, PC 업계 역시 AI PC로 나아가는 것이다.

단순히 마케팅 용어라며 경계하는 시각은 있다. 그럼에도 불구하고 AI는 여러 분야에서 제 기능을 증명했고, 발 빠른 이들은 이미 챗GPT를 비롯한 생성형 AI의 활용법과 시각을 공유하며 우위에 서고 있다. 여전히 많은 기능이 AI PC가 아닌 일반 PC로도 구현이 되지만, 변곡점을 지나면 AI PC의 활용도가 우세해질 것이다. AI PC의 세계는 누구에게나 열려있고, AI PC를 통해 더 많은 일들을 할 수 있다. 올해가 지나면, 더 이상 AI PC는 선택이 아닌 필수가 될 것이다.

IT동아 남시현 기자 (sh@itdonga.com)

[출처] https://n.news.naver.com/mnews/article/020/0003558763

게티이미지뱅크 제공

국내 연구진이 인공지능(AI)으로 인간의 추론 능력을 극대화하는 기술을 개발했다. 단번에 추론을 하도록 유도해 학습 효율을 향상하는 방식이다. 스마트 교육, 게임 콘텐츠 개발, 추론 능력 측정, 인지훈련 등 인간의 추론 학습과 관련된 모든 분야에 적용이 가능할 것으로 기대된다.

KAIST는 이상완 뇌인지과학과 교수 연구팀이 인간의 빠른 추론 능력을 유도해 인과관계의 학습 효율을 향상할 수 있는 뇌 기반 AI 기술개발에 성공했다고 31일 밝혔다. 연구 결과는 국제학술지 ‘셀 리포트’ 온라인판에 30일 게재됐다.

연구팀은 이전 연구에서 인간의 원샷 추론 과정을 모델링하고 전두엽과 해마가 이러한 과정에 관여하고 있음을 규명한 바 있다. 이번 연구에서는 이 모델에 인간의 원샷 추론 과정을 특정한 상태로 유도하기 위해 알파고에 사용된 바 있는 심층 강화학습 기술을 접목했다. 강화학습 알고리즘이 인간의 원샷 추론 과정을 수없이 시뮬레이션하면서 전두엽과 해마가 가장 효율적으로 학습할 수 있는 최적의 조건을 탐색하는 과정이다.

인공지능(AI)으로 인간의 추론 능력을 극대화하는 기술을 설명한 개념도. KAIST 제공

연구팀은 126명의 인간 피험자를 대상으로 한 인과관계 학습 및 추론 실험에서 제안 기술을 사용해 학습했을 때 단순 반복 학습 대비 최대 약 40%까지 학습 효율이 향상됨을 확인했다. 나아가 오랜 시간에 걸쳐 신중하게 학습하거나 몇 가지 단서만을 조합해 빠르게 결론을 도출하는 것 같은 개인별 학습 성향을 고려한 맞춤형 설계가 가능함을 보였다.

인간의 사고체계에 대한 뇌과학적인 이해를 바탕으로 원샷 추론과 같은 인간의 잠재적 능력을 극대화하는 이 기술은 차세대 인공지능의 중요한 도전과제 중 하나다. 뇌 기반 인공지능 기술은 인간과 유사한 사고체계를 바탕으로 가치판단을 할 수 있으므로 장기적으로 인간과 인공지능이 협업하는 분야에서 인공지능의 신뢰성 및 윤리성을 높이는 데도 기여할 수 있을 것으로 기대된다.

개발 기술은 스마트 교육, 게임 콘텐츠 개발, 추론 능력 측정, 인지훈련 등 인간의 추론 학습과 관련된 모든 분야에 적용될 수 있다. 기존 기술은 단편적인 기억회상, 특정 인지기능, 정답률 증가와 같은 행동적 측면에 집중해 왔다면 이번 기술은 인공지능을 이용해 과거의 경험을 일반화시키는 인간의 사고체계 자체를 높이는 가능성을 확인한 최초의 사례로 평가된다.

논문의 제1 저자 이지항 상명대 교수는 “인간의 인지기능을 인공지능에 이식해 뇌 기반 인공지능을 실현하는 사례를 확인했다”며 “이를 통해 인간의 고위 수준 인지를 적절한 방향으로 유도할 수 있는 새로운 인간-인공지능 상호작용 패러다임을 제시했다ˮ고 말했다. 이어 “인간중심 인공지능 연구개발뿐만 아니라 바이오메디컬 분야, 특히 정신 건강과 관련된 디지털 치료 분야에 적용했을 때 큰 파급력을 보일 것ˮ이라고 기대했다.

연구 책임자인 이상완 교수는 “이번 기술의 잠재력은 인공지능의 방대한 지식을 인간이 빠르게 흡수할 수 있는 형태로 변환할 수 있다는 데 있다ˮ며 “챗GPT, GPT-4와 같은 언어 인공지능에서 추출되는 다양한 정보를 인간이 빠르게 추론 학습할 수 있게 변환하거나 게임이나 가상현실의 콘텐츠를 인간의 추론 과정에 맞게 최적화해 몰입도를 높일 수 있고, 반대로 몰입도를 적절한 수준에서 제어할 경우 중독을 완화하는 효과를 기대할 수 있다ˮ라고 말했다.

관련 기술은 국내 및 해외에 특허 출원된 상태다. 연구팀은 원천기술의 파급력을 높이기 위해 2019년 KAIST 신경과학-인공지능 융합연구센터를 설립하고 구글 딥마인드, 마이크로소프트 연구소, IBM 연구소, 옥스퍼드 대학 등 다양한 해외 연구팀들과 함께 국제공동연구를 수행해 오고 있다.

게티이미지뱅크 제공

자신을 안다는 것은 어디서부터 어떻게 시작해야 될지 알기 어려운 거대한 과제처럼 느껴질 때가 많다. 하지만 조금 다르게 생각하면 나를 안다는 것은 퍼즐을 맞추는 것과 비슷한 면이 있다.

1000피스 이상의 큰 퍼즐을 맞추다 보면 어디서부터 맞춰야 할지, 지금 내가 손에 들고 있는 조각이 그림의 어떤 부분에 속하기는 하는지, 작은 조각들을 맞춘다고 해서 과연 큰 그림이 완성이 될지 같은 의문들이 밀려온다. 하지만 이 아무것도 아닌 것 같은 조각들을 조금씩 맞추다 보면 어느새 꽃이 피고 강이 흐르는 아름다운 그림이 완성된다.

자신을 아는 과정도 마찬가지다. 기억과 경험들을 통해 자신에 대한 사실을 하나씩 조각조각 맞춰가다 보면 어느새 어떤 그림이 만들어지곤 한다. 이런 과정을 통해 자기 안에는 특정 모습이 자리잡고 있고 이 모습이 또 다른 모습과 연결이 되어서 더 큰 나를 형성한다는 사실을 알게 된다.

물론 말이 쉽지 실제로 자신에 대한 조각 맞추기를 하는 과정은 수년에서 평생 걸릴 수도 있는 장기 프로젝트다. 그래도 분명한 사실은 자신을 형성하는 조각들을 발견하고, 수집하고, 맞추는 행위는 나를 알기 위한 중요한 첫걸음이라는 점이다. 이런 점에서 자신의 생각이나 감정, 기억의 조각들을 기록해두는 행위는 생각보다 우리에게 많은 유익을 가져다 준다.

● 삶의 조각 기록하기

일례로 많은 사람들이 사소한 것이라도 자신과 관련된 정보들을 모으는 것에서 큰 기쁨을 느낀다. 심리 과학(Psychological Science)에 실린 한 연구에서는 사람들에게 타임 캡슐을 만들도록 했다.

자신과 관련된 사소한 정보들을 담도록 했다. 예컨대 최근 친구들과 나눴던 대화, 친구를 알게 된 계기, 최근 들었던 노래, 친구들끼리 흔히 하는 농담들, 최근 페이스북에 올린 포스팅 등 평범한 일상을 기록했다. 이후 타임 캡슐을 열 때 이 내용들이 얼마나 궁금하고 놀랍고 의미있게 느껴질 것인지에 대해 물었다. 타임 캡슐이라지만 별 볼일 없어 보이는 평범한 내용들이 담겼으므로 시큰둥한 반응을 보이는 사람들이 많았다.

하지만 3개월 뒤 실제 타임 캡슐을 열고 사람들의 반응을 살펴봤을 때 사람들은 자신이 예상했던 것보다 훨씬 자신의 삶에 대한 자질구레한 정보들에 큰 흥미를 보였다. 발렌타인데이 때의 데이트 같은 특별한 추억과 비교했을 때에도 3개월 전에 먹은 음식, 친구랑 나눈 대화 같은 정보들이 비슷하거나 혹은 더 큰 기쁨을 가져다 주는 것으로 나타났다. 내 삶에 대한 정보라면 어떤 자질구레한 정보라도 다 중요한 퍼즐 조각이 된다는 것이다.

여기에서 ‘기록’의 중요성이 드러난다. 내 삶에 대한 기록이라면 단편적인 것들도 다 자신에 대해 중요한 정보를 주기 때문이다. 맛있게 먹었던 음식 사진 같은 사소한 것도 나중에 보면 단순히 무엇을 먹었다는 사실에 더해 이 때 자신이 어떤 기분이었는지, 특별히 축하하거나 위로할 일이 있었는지, 누구랑 먹었는지, 어떤 대화를 나누었는지 등에 대한 다양한 정보를 준다.

여행을 다녀와도 결국 남는 것은 사진이라는 말처럼 사진 한 장만 봐도 이를 촉매로 우리가 인출할 수 있는 정보들은 무한대다. 결국 아무리 작은 정보라도 이를 기록하는 행위는 내 삶의 조각을 보관하는 행위에 가깝다는 것이다. 인생은 곧 시간이어서 아무도 삶을 붙잡아 둘 수는 없다. 오직 기록하는 행위만이 지나가버린 삶의 조각들을 모아서 맞춰 볼 수 있게 도와준다.

● 기록하는 글 쓰기

삶의 조각 맞추기는 우리 삶에 의미를 부여해줄 뿐 아니라 더 나은 미래를 설계하기 위한 나침반이 되기도 한다. 역사를 배우는 이유에 대해 사람들은 흔히 과거의 잘못을 반성하고 더 나은 미래로 나아가기 위함이라고들 이야기한다.

따라서 우리는 역사를 배울 때 단순히 사건을 나열하기보다 어떤 사건이 어떤 결과를 초래했는지 다른 방향의 해결책은 없었는지 같은 논리적 흐름과 인과관계에 더 집중한다. 나 자신의 역사를 일목요연하게 정리하는 것 역시 비슷한 효과를 가져온다.

노스캐롤라이나 주립대의 심리학자 키티 클레인은 대학생들에게 2주 동안 하루에 20분씩 요즘 가장 고민인 것들을 적어보도록 했다. 단순히 사건을 나열하는 것이 아니라 그 일이 ‘왜’ 발생했는지, 원인과 결과가 무엇인지, 어떻게 풀어나갈 수 있을지에 대해 인과관계를 서술하도록 했다. 또 다른 학생들에게는 단순히 일어난 사건을 나열하도록 했다. 그러고 나서 이후 이 두 그룹이 어떤 차이를 보이는지 했다.

그 결과 자신에게 일어난 일을 논리적으로 정리해본 학생들은 그렇지 않은 학생들에 비해 우선 스트레스가 감소한 모습을 보였다. 이들의 작업 기억력(working memory: 컴퓨터의 RAM과 같이 여러 테스크를 한꺼번에 처리할 수 있는 능력을 말한다. 작업기억 용량이 적으면 일이 조금만 많아져도 버벅거리게 되는 등 능률이 떨어진다.) 또한 증가한 것으로 나타났다.

해보기도 전에 실패할까 걱정하는 탓에 에너지 소모만 많고 정작 아무것도 하지 않는 비효율도 줄어들었다. 결과적으로 생각을 정리해본 학생들은 그렇지 않은 학생들에 비해 더 높은 학점을 받은 것으로 나타났다.

마음이 복잡할 때 글쓰기 등을 통해 내게 무슨 일이 일어나고 있는지 정리해 보는 것만으로 우리는 걱정을 내려 놓고 나에게 정말 중요한 것이 무엇인지 내가 지금 할 수 있는 것이 무엇이고 어떤 방향으로 나아가야 하는지에 대한 해답을 얻을 수 있다는 것이다.

● 감정을 해소하는 글쓰기

괴로운 감정들에 휩싸여 있을 때도 생각을 정리하는 글쓰기가 큰 도움이 된다. 충격적인 사건이나 큰 스트레스가 발생했을 때는 감정을 잘 해소하고 넘어가는 것이 중요하다. 해소되지 않은 감정은 때로 곱씹기 형태로 나타나 기억 속에서 머물며 계속해서 튀어나오는 성질을 가지고 있기 때문이다.

하지만 감정을 이해한다는 것이 쉬운 일은 아니다. 깊이 생각하지 않으면 진짜 원인을 찾는 것이 어려울 때가 많기 때문이다. 텍사스대의 심리학자 제임스 페니베이커의 연구에 의하면 이렇게 복잡한 감정 상태를 이해할 때에도 내가 왜 어떤 감정을 느끼고 있는지 분석하며 글을 써내려가는 행위가 감정을 이해하는 데 큰 도움이 된다.

복잡한 마음 상태에 대한 기록은 때론 ‘표출’의 역할을 하며 감정의 해방구가 되기도 한다. 일례로 윌프리드 로리어대의 심리학자 민디 포스터는 연구 결과 트위터를 통해 자신이 겪은 성차별에 대해 털어 놓은 여성들은 그렇지 않은 여성들에 비해 행복도가 상승했다고 밝혔다. 청자가 낯선 사람들이기에 더 쉽게 털어 놓을 수 있는 이야기들이 있는 법이다.

미투 운동처럼 새로운 플랫폼을 통해 하지 못했던 이야기를 털어 놓는 행위는 집단적인 공감과 분노, 나아가 사회 변혁의 씨앗이 되기도 한다. 펜은 칼보다 강하다고 작은 기록 또는 표현이 개인의 삶, 나아가 사회를 바꾸기도 하는 것이다. 작은 표현의 효과가 이렇게나 크기 때문에 학자들은 생각이 담긴 글쓰기를 자주 하도록 권한다. 특히 내 삶이 어디로 가고 있는지 모르겠다면 차분히 앉아 사진을 정리해보거나 일기를 적어보는 것이 작은 등불이 되어 가야할 길을 비춰줄 수도 있다.

● 해보기

평소 자신에 대해서 알고 싶었던 부분이나 최근 마음 속을 어지럽혔던 사건들에 대해서 생각해보고 하나를 골라서 적어보도록 하자. 자신의 어떤 부분인지 또는 어떤 사건인지 2-3줄 정도로 적어보자.

① 그 당시 어떤 생각이 들었는가? 어떤 감정들을 느꼈는가.
② 지금 다시 떠올리면 어떤 생각이 드는가.
③ 인정하고 싶지 않은 사실이 있다면 그것들은 어떤 사실인가.
④ 억누르고 싶은 감정들이 있다면 그것들은 어떤 감정인가.

위에 적은 내용들을 찬찬히 읽어보도록 하자. 쭉 읽어보고 어떤 생각이 드는지 다시 적어보도록 하자. 새로운 깨달음이나 이전에는 보지 못했던 결론을 도출할 수 있다면 적어보도록 하자. 결론을 도출하지 못했다고 해도 괜찮다. 며칠 후 다시 들여다보고 비슷한 작업을 해보도록 하자. 한 해를 마무리하는 시점에서 아직 정리되지 않은 감정이나 생각들이 있다면 글쓰기로 풀어 보는 것도 좋을 것 같다.

Pennebaker, J. W. (2004). Writing to heal: A guided journal for recovering from trauma and emotional upheaval. New Harbinger Publisher.

※필자소개
박진영. 《나, 지금 이대로 괜찮은 사람》, 《나를 사랑하지 않는 나에게》를 썼다. 삶에 도움이 되는 심리학 연구를 알기 쉽고 공감 가도록 풀어낸 책을 통해 독자와 꾸준히 소통하고 있다. 온라인에서 ‘지뇽뇽’이라는 필명으로 활동하고 있다. 현재 미국 듀크대에서 사회심리학 박사 과정을 밟고 있다