KAIST(총장 신성철)는 유회준 전기및전자공학부 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력으로 처리하는 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발했다고 6일 밝혔다.

연구팀이 개발한 GANPU는 다중-심층 신경망을 처리하고 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이를 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에 구현하는 데 성공했다. 

생성적 적대 신경망은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 그러나 이는 기존 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속이 어려웠다.

최근 모바일 기기에서 인공지능 구현을 위해 다양한 가속기 개발이 이뤄지고 있지만 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다.

연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일 학습도 가능한 GANPU를 개발, 모바일 장치의 인공지능 활용범위를 넓혔다.

GANPU는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망을 스스로 학습해 사생활 보호가 가능, 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다.

연구팀이 GANPU에 사용한 핵심 기술로는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드를 파악해 칩 상의 다중-심층 신경망의 연산·메모리 특성에 맞춰 시간·공간으로 나눠 할당해 효율적 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아닌 출력의 0도 예측해 연산에서 제외함으로써 추론·학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로, 인공신경망 입력과 연결 강도의 부동소수점 데이터 중 지수 부분만을 사용해 간단히 연산하는 방법)이다. 

연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제·수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.

유회준 교수는 "이번 연구는 하나의 칩에서 추론만이 아니라 학습까지 모두 가능해 여러 개의 딥러닝 네트워크를 동시에 지원하는 인공지능 반도체를 개발했다는 점에서 의미가 크다"며 "모바일 기기에서의 인공지능 활용 영역을 크게 넓혀 향후 이미지 스타일 변환, 영상 합성, 이미지 복원 등 GAN과 관련된 애플리케이션에 다양하게 응용될 것으로 기대된다"고 말했다.

강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 국제고체회로설계학회(ISSCC)에서 지난 2월 17일 발표됐다.