1. 데이터과학자의 업무를 대체하는 AutoML의 부상
2. 유네스코, 테크노베이션과 함께 신흥국 여학생 AI 교육 프로그램 운영
3. 페이스북과 뉴욕대 연구팀, AI 활용해 MRI 검사시간 1/4로 단축
4. OpenAI의 GPT-3, AI의 진보인가 재앙인가 논란 촉발
1. GAFAM, 1분기 견조한 실적 거두며 AI에 적극 투자
2. AI를 한 차원 도약시키는 컴퓨터 칩(Chips) 시장의 부상
3. Microsoft, 미래형 AI를 위한 신형 슈퍼컴퓨터 발표
4. 딥마인드, AI를 활용한 망막 질환 예측 연구 결과 공개
1. AI를 활용해 영화산업의 변화를 노리는 할리우드
2. MIT·IBM, COVID-19 대응 10대 AI 협력과제 추진
3. NVIDIA, AI 인프라를 위한 차세대 GPU 아키텍처 공개
4. Facebook, 혐오 표현(Hate Speech) 탐지 AI 성능 강화
1. IDC, 코로나로 인한 경기침체 속 AI 시장 및 고용 전망 상향 조정
2. 코로나 치료를 위한 AI 성과 속 한계 지적
3. 백악관, COVID-19 학술 정보 분석 AI 경진 대회 개최
4. 구글, AI 칩 설계에 AI 활용 시도
1. AI로 코로나바이러스 구조 분석, 바이두 등 대응책 개발 박차
2. 어그테크 기업, AI+클라우드 날개 달고 고공 성장 전망
3. 딥페이크 기술을 선용(善用)하는 사례 속속 등장
4. 美 에너지부, AI for Science 보고서 발표
GPU(Graphic Processing Unit)를 클라우드 컴퓨팅에 활용하는 연구와 상용화가 점차 확산되고 있다. 인공지능이 주목받게 되면서 이를 동작시키기 위한 인프라이자 데이터를 공급하는 저장소인 클라우드도 수요와 서비스가 늘고 있다. 인공지능의 성능은 데이터의 학습량과 그 학습에 필요한 컴퓨팅 파워에 따라 달라져서 고성능 클라우드 컴퓨팅이 요구된다. GPU는 다수의 코어를 가져 병렬 처리에 유리하며, CPU 대비 단위 코어당 가격이 저렴하다. 이에 따라 GPU를 클라우드 컴퓨팅 자원으로 활용하는 방법이 등장했다. 그런데 클라우드 컴퓨팅은 가상화가 전제되는 기술이기 때문에 GPU를 온전한 클라우드 자원으로 활용하기 위해서는 역시 가상화가 필요하다. 그간 GPU 가상화는 어렵고 복잡한 기술이었으나, 여러 연구를 거쳐 최근에는 하드웨어에서 가상화를 지원하는 제품이 출시되고 있다. 이 보고서에서는 GPU 가상화 기술의 등장배경과 그간의 현황에 대하여 살펴보고, 클라우드 GPU 가상화 연구에서 기술 수준을 발전시킬 수 있는 과제와 방향을 논의하고자 한다.
1. 스탠포드(Stanford) AI Index 개요
2. [R&D] 지속적인 AI R&D 투자와 미·중간 경쟁 가열
3. [기술] 학습 비용은 감소, 기술 성능은 빠르게 향상
4. [경제] AI 분야 투자가 본격화되면서 관련 일자리도 급증
5. [교육] AI 분야 교육 수요 증가와 박사 채용 활발
6. [인식] AI 윤리 및 AI 활용 사회문제 해결에 지속적 관심
7. [참고1] 인간 수준의 성능에 도달하기 위한 AI 기술 마일스톤
8. [참고2] 자율주행 : 테스트는 급증, 안정적 상용화는 아직
1. AAAI(전미인공지능학회) 2019 가을 심포지엄 개요
2. 초중등AI교육: 코딩교육을 넘어 보편, 융합, 평생 교육으로 접근
3. 정부의 AI도입: 신뢰성, 안정성, 공공성 제고에 노력
4. AI와 일: 인간의 생산성, 창의성, 신뢰성 향상을 위한 AI협업 모델 제시