칩 아키텍처 개발의 ARM은, 단말측(가장자리 측)에서의 기계 학습의 연산 처리를 목적으로 한 IP 코어 개발 프로젝트 "Trillium"을 발표했다. 멀리 떨어진 클라우드로의 데이터 전송을 최소화하고, 디바이스상에서 직접 계산을 끝마친 엣지 컴퓨팅은 인공 지능의 보급에 필수적인 것이라고 알려져 있다.
- 지금까지 클라우드에 의존하던 AI의 계산 처리는 엣지로
인공 지능의 기초가 되고있는 신경망은, 고도한 연산 처리 능력을 요구한다. 기존 모바일 장치의 처리 능력은 한정되어 있으며, 데이터의 가공 처리를 거의 행하지 않고 클라우드에 전송하는 것이 통례였다.
그렇기는 하지만 통신 데이터가 커지고, 계산 결과가 도착하는데 더 많은 시간이 걸리게됨에 따라, 최근 디바이스상에서 연산 처리를 행하는 엣지 컴퓨팅이 주목받고 있다.
iPhone X의 A11 Bionic 칩에는 매초 최대 6,000억의 연산 처리가 가능한 강력한 신경 엔진이 탑재되어 있으며, AI를 사용하는 고급 계산도 디바이스상에서 모두 할 수있다.
Apple과 같은 엣지 측에서 AI의 연산 처리를 충당하는 흐름은 커지고 있으며, ARM이 기계 학습에 특화된 IP 코어 개발 프로젝트를 발표하기에 이르렀다는 것이다.
- 기계 학습 및 물체 감지 프로세서와 신경망 라이브러리
ARM 프로젝트 "Trillium"의 기계 학습 프로세서는, 오픈 소스의 소프트웨어에 의해 개발되고, 고급 성능 효율성과 추론 처리를 엣지 측에 제공할 수 있다.
기계 학습 프로세서는 더 적은 픽셀 분석으로 세립도의 물체 인식이 가능해지고 있으며, 지금까지의 초당 3조 회 이상의 연산(3 TOPs)를 초과하는 초당 4.6조 회 이상의 연산(4.6TOPs)을 수행 할 수있다.
물체 감지 프로세서는, 풀 HD 60 프레임/초의 영상을 실시간으로 처리 할 수있다. ARM에 따르면, 첫 번째 세대의 물체 검출 프로세서는 영국에 본사를 둔 Hive 보안 카메라에 사용된다라는 것이다.
스마트 카메라 및 기타 시각적 기반 장치뿐만 아니라, 기계 학습 프로세서와 물체 감지 프로세서는 거리 정보를 수집하고 처리하는 스마트 시티 시스템에도 응용할 수있다고 알려져 있다.
"엣지 디바이스 컴퓨팅의 정교함은 누구의 예상보다 빠르게 높아지고있다"고 ARM의 IP 제품 그룹 사장의 르네하스 씨는 코멘트하고 있으며, "기계 학습이 엣지측으로 이동함에 따라 더 적용 방법이 태어날 것"이라고. 또한 그는 엣지측의 연산 처리를 기본으로 한 AI의 확산에 대해 긍정적인 의견을 제시하고 있다.
