세계적인 베스트셀러 『사피엔스』의 저자 유발 하라리는 후속작 『호모 데우스』에서 인간과 기계의 경계가 모호해지는 인류의 미래상에 대해 이야기한다. 그는 궁극적으로 뇌만 인간의 것이고 나머지는 모두 기계로 이루어진 존재, 나아가 나의 기억과 사고방식을 그대로 지닌 ‘불멸의 디지털 존재’의 가능성을 언급한다. 챗GPT 등장 이전까지만 해도 이러한 예측이 허황된 이야기에 그치는 듯하였으나, 인간보다 더 뛰어난 언어 능력을 가진 AI 모델의 등장은 그의 예측이 단순한 공상이 아님을 시사한다.

장기와 기계의 필연적인 인터페이싱

유전자 가위 기술*인 CRISPR과 탁월한 단백질 구조 예측 능력을 보유한 알파폴드(AlphaFold)와 같은 AI 기술의 발전으로 인해 인류의 평균 수명은 점차 연장될 것으로 예상된다. 유전자를 수정하여 세포 복제가 지속될 수도 있고, 과거에는 상상하지 못했던 속도로 신약이 개발될 수도 있기 때문에 인류의 난제인 불치병 극복 가능성이 매우 높아질 테니까 말이다.

*유전자 가위 기술: 특정 DNA를 정밀하게 절단·편집해 유전 질환 치료 및 신약 개발 등에 활용되는 유전자 교정 기술

그러나 인간의 관절과 장기는 영원히 동작하도록 설계되지 않았다. 나이가 들면 시력은 감퇴하고, 관절은 마모되며, 심장은 그 구조가 변형되어 본연의 기능을 잃게 된다. 따라서 늘어나는 수명에 맞추어 관절, 뼈, 장기 등의 노화를 극복하는 기술 역시 병행되어야 한다. 이러한 문제를 해결하기 위한 하나의 방편으로 인공 근육, 관절, 뼈 등에 대한 연구가 진행되고 있으며, 심장과 같은 장기를 만드는 조직 공학 연구도 활발히 진행 중이다.

어쩌면 가까운 미래에는 인간의 근골격계나 장기를 넘어서는 기계적 구조물들이 개발되어, 이를 활용한 뼈·관절·장기 대체 수술이 보편화될지도 모른다. 그러나 이러한 기술이 보편화되기 이전에, 우리가 태어날 때부터 가지고 있는 신체를 보다 오래, 잘 관리할 수 있도록 돕는 기술도 필요할 것이다.

실시간으로 건강 상태를 모니터링할 수 있는 부착용, 착용형, 삽입형 센서 기술이 중요한 이유다. 이러한 형태의 센서 기술은 단순해 보일 수 있으나 전혀 그렇지 않다. 인간의 피부나 장기의 가장 큰 특징은 늘어나고 수축하는 움직임을 보이고, 표면에서 분비물이 발생할 수 있기 때문에 센서의 탈착 위험이 상존한다. 이러한 표면에서 센서가 원하는 기능을 수행하도록 하는 것이 중요한 기술적 과제다.

현대의 컴퓨터 기술은 실리콘 기판 위에 어떤 회로를 그리는가에 달려 있다고 해도 과언이 아니다. 그러나 현재 모든 스마트폰과 컴퓨터에 사용되는 실리콘 기판은 두껍고 딱딱한 특성을 지닌다. 이러한 재료를 수축과 팽창을 반복하는 생체 조직에 부착하는 것은 사실상 불가능하다.

이 같은 재료적 한계를 극복할 수 있는 방안을 제시한 인물이 바로  ‘존 A. 로저스(John A. Rogers)’ 교수다. 그는 실리콘이 벌크(bulk) 상태에서는 딱딱하고 휘어지지 않으나 두께가 100nm 정도가 되면 휘어지는 특성을 갖는다는 사실을 밝혔다. 놀랍게도 이 휘어지는 얇은 실리콘 판 위에 만들어진 트랜지스터와 같은 소자는 외부 압력이나 변형에도 그 소자 특성이 그대로 유지되었다. 피부나 동물의 심장에 이러한 타투 형태의 센서를 심고 원하는 신호를 측정하는 것이 이론적으로 가능해진 것이다.

다만 이 기술이 실용화되기까지는 여전히 많은 과제가 남아 있다. 생체 내에서 특정 신호를 측정하기 위해서는 에너지 원이 필요한데, 현재 심장박동기(pacemaker)와 같은 삽입형 배터리는 수술로만 삽입이 가능하며 교체 주기도 짧아서 환자의 고통이 적지 않다. 진동을 이용한 자가 발전기, 1회 시술로 영구 사용이 가능한 무선 충전 생체 삽입형 배터리 기술 등이 제안되고 있으나 이러한 기술들이 실용화되기 위해서는 해결해야 할 기술적 난제가 많다. 그럼에도 불구하고 이 기술은 인간과 기계간의 인터페이스 시작점이라는 점에서 의의가 크다고 할 수 있다.

뇌와 기계의 인터페이스

인간의 모든 장기가 기계로 바뀌는 순간이 온다면, 모든 장기의 작동에 관여하는 뇌와 기계 간의 인터페이스 구축은 필연적인 과제가 된다. 인간의 세포는 두 겹의 인지질 층으로 이루어진 이중막 구조를 가지고 있다. 세포 내에는 핵, 미토콘드리아, 소포체 등 다양한 세포 소기관이 존재한다. 세포 외부에는 콜라겐 등과 같은 섬유질로 이루어진 그물이 존재하여 조직의 구조를 유지하는데 이를 세포외기질(ECM, extracellular matrix)이라고 부른다. 세포의 안팎은 수분으로 채워져 있고, 세포막은 기름층이 있는 셈인데 세포 안과 밖이 서로 소통하려면 채널 형태의 막단백질을 통과하여야 한다. 이러한 채널을 통해 소듐, 포타슘, 칼슘 등의 이온들이 들락날락하면서 소위 막전위를 형성한다.

또한 특정 분자가 세포 표면에 있는 막단백질에 결합·이탈하면서 세포막의 전위 변화가 유도되고, 이러한 신호는 세포 간 전달을 가능하게 한다. 이 같은 방식으로 우리의 뇌세포는 신호를 전달하고, 근육세포는 수축과 이완을 연쇄적으로 유도하여 심장도 뛸 수 있는 것이다. 따라서 세포 표면에 있는 막단백질들의 거동을 조절하는 화합물의 작용에 대한 이해와 세포들간의 신호 전달에 대한 면밀한 이해가 가능하다면, 인간의 뇌 속에서 일어나는 현상에 대해 보다 구체적으로 파악할 수 있게 될 것이다.

기억이 형성되는 메커니즘과 특정 사고 능력의 발현 과정에 대한 과학적 이해는 초기 단계에 머물러 있다. 그럼에도 불구하고, 뇌에 특정 자극을 주어 자극을 받은 개체의 행동 양상을 제어할 수 있다는 연구 결과들이 점차 발표되고 있다. 일론 머스크(Elon Musk)가 설립한 뉴럴링크(Neurallink)에서는 수천 개의 극미세전극을 뇌에 부착해 뇌의 전기적 신호를 읽거나 자극을 전달하는 실험을 진행하고 있으며, 뇌사 상태의 환자를 이 방법을 통해 깨운 임상 결과가 발표된 바도 있다.

기초과학연구원(IBS) 나노의학연구단 천진우 단장(연세대 언더우드 특훈교수)은 자성을 띠는 나노입자를 쥐의 뇌 신경세포에 부착한 뒤 원격으로 자기적 신호를 주어 쥐의 모성 행동을 자극하는 결과를 얻어 내었다. 이 방식은 비침습적으로 뇌 신경세포의 활동을 조절할 수 있어, 만성 신경질환 치료에 유망한 기술로 주목받고 있다.

스탠퍼드대학교 칼 다이로서스(Karl Deisseroth) 교수는 신경세포에 녹조류의 채널로돕신(Channelrhodopsin)* 단백질을 이식하여 빛에 감응하게 만드는 광유전학(optogenetics) 기술을 개척했다. 싱가포르국립대학교 류사오강(Xiaogang Liu) 교수는 근적외선을 가시광선으로 변환시킬 수 있는 업컨버전(Upconversion) 나노입자를 활용해 빛으로 특정 신경세포를 자극하여 쥐의 행동 변화를 유도하는 데 성공했다.

*채널로돕신(Channelrhodopsin): 빛을 받으면 세포막의 이온 통로를 열어 세포의 전기적 신호를 조절할 수 있도록 하는 광감응성 단백질

업컨버전 나노입자에 적용되는 근적외선은 가시광보다 생체 투과성이 뛰어나 보다 깊은 위치에 있는 뇌세포를 자극할 수 있다는 장점이 있다. 이처럼 천진우 교수나 류사오강 교수가 추구하는 나노입자 기반의 자기유전학(magnetogenetics)과 광유전학(optogenetics)은 뇌세포 단위의 조작이 가능하고, 심부 자극 미세전극이 가지는 치명적인 약점인 침습성에서도 자유롭다는 장점이 있다. 다만 이러한 기술들은 뇌 신호 자체를 정밀하게 측정하는 것은 불가능하여, 뇌-기계 인터페이스 구측 측면에서는 큰 단점이 있는 것은 사실이다.

이러한 문제를 해결하는 방법은 어쩌면 하버드대학교 박홍근 교수의 연구실에서 개발될지도 모른다. 뇌신경세포와 뉴로모픽 소자가 서로 소통하기 위해서는 ‘같은 언어’를 써야 하는데, 박홍근 교수는 신경세포와 유사하게 행동하는 뉴로모픽 소자를 개발하여 뇌와 기계의 소통 문제를 해결하고자 하고 있다.

미래에는 뉴로모픽 소자를 매개로 하여 컴퓨터와 뇌가 직접 정보를 주고받고, 사고와 연산 과정을 공유함으로써 인간의 인지와 사고 기능을 한층 더 높은 단계로 이끌 수 있지 않을까?

인공지능이 더욱 발전할 경우, 언젠가는 스스로 사고하고 자아를 형성하는 시점이 도래할 수 있다. 고등한 지능의 존재가 낮은 지능의 존재의 지배를 받은 역사는 없었기에, 그 시점에 인류에게는 위협이 될 수도 있다. 어쩌면 인간의 뇌를 고등 인공지능과 결합시켜 인간 자체를 보다 고차원적인 존재로 진화시키는 것이 인류의 멸망을 막는 유일한 해법일지도 모른다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 이광렬, 이광렬 교수

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 인간과 기계의 융합: 불멸을 향한 인터페이스의 진화 first appeared on 삼성전자 반도체 뉴스룸.

도발적인 질문과 함께 시작해 보겠다. ‘당신은 얼마나 똑똑한가?’

아마 선뜻 답변이 어려울 것이다. 이런 부류의 질문은 최대한 객관적으로 답변하려 해도 그 기준이나 비교 대상이 없다는 점에서 곤란한 질문이라 할 수 있다.

앞선 질문에 객관적인 비교 지표를 추가해 보자. 당신은 ‘컴퓨터에 비해’ 얼마나 똑똑한가? 이제는 답변이 조금 수월하다. 컴퓨터의 ‘똑똑함’을 보여주는 대표적 지표 중 하나는 ‘플롭스(FLOPS: FLoating point Operations Per Second)’로, 1초당 몇 번의 부동소수점 연산이 가능한지를 나타낸다. 2024년 기준 가장 성능이 뛰어난 컴퓨터는 미국 오크리지 국립연구소의 ‘프론티어’로, 프론티어의 실측 성능은 1.206엑사 플롭스(EF), 즉 1초에 최대 120.6경 번 연산이 가능하다 평가받고 있다.

그렇다면 사람의 연산력은 어떨까? 과학자들에 따르면, 인간 뇌의 연산 능력은 약 ‘1엑사 플롭스’ 내외로 추정하고 있다. 앞서 설명한 현존 최강의 슈퍼컴퓨터에 비해 살짝 밀리는 수준이라 할 수 있겠다. 반도체 분야의 발전이 계속되는 이상, 인간은 연산력 기준 지구상에서 가장 똑똑한 존재가 아닐 것임은 분명하다.

.

인간과 기계의 두뇌 전성비

그런데 여기에 잊어서는 안 되는 평가 항목이 하나 더 있다. 바로 ‘전성비(전력 대비 성능 비율)’다. 우리는 흔히 스마트폰과 같은 모바일 기기의 연산 성능을 평가할 때, ‘같은 전력을 소모했을 때 나오는 컴퓨팅 파워의 정도’도 중요한 평가 지표로 삼는다. 모바일 기기는 전력 공급에 한계가 있기 때문에, 같은 작업을 해도 전력을 더 적게 소모해야 더 좋은 장비로 평가받는다.

링거를 꽂지 않는 이상 한정된 에너지원으로 활동하는 인간의 두뇌 역시, 이런 측면에선 모바일 기기와 비슷한 평가 기준을 적용해야 한다. 그렇다면 우리 두뇌의 ‘전성비’는 얼마나 될까?

놀랍게도 인간의 두뇌는 단 20W(와트)의 전력만을 소모한다. 20W면 작은 전구 하나를 밝히는 데 필요한 전력과 비슷한 수준이다. 우리는 빵 한 조각만으로도 두뇌활동을 수 시간 이상 지속할 수 있으며, 그 과정에서 엄청나게 복잡한 사고와 학습, 감정 처리, 근육-신경 제어를 비롯한 방대한 양의 정보를 처리할 수 있다. 왜 이런 차이가 발생하는 것일까?

.

인간 두뇌 구조의 핵심 키! 병렬 컴퓨팅 시스템

먼저 각 뇌의 구조적인 차이를 살펴볼 필요가 있다. 전통적인 컴퓨터는 ‘폰 노이만’ 구조를 기반으로 한다. 폰 노이만 구조에서 프로세서와 메모리는 서로 분리되어 있으며, 데이터는 연산을 수행하기 위해 메모리와 프로세서 사이를 오간다. 프로그램을 실행할 때마다 CPU는 메모리에서 데이터를 가져와 처리하고, 그 결과를 다시 메모리에 저장하는 식이다.

이 과정에서 CPU의 데이터 ‘처리’ 속도와 메모리로의 ‘이동’ 속도 사이에 차이가 발생하면 전체적인 시스템 속도가 느려지고, 데이터를 계속 잡아두고 있어야 하기에 전체적인 에너지 효율성도 떨어지게 된다. 이를 ‘폰 노이만 병목 현상’이라 부르는데, 거의 모든 현대의 컴퓨터 시스템이 처한 구조적 한계라 할 수 있다.

반면 인간의 뇌는 ‘뉴런 스파이크’를 통해 정보를 처리한다. 인간의 신경계는 수많은 뉴런과 그 뉴런을 이어주는 ‘시냅스’로 이어져 있다. 이들은 전기 신호인 ‘스파이크’를 통해 서로 통신한다. 흥미로운 건 이 스파이크는 뉴런이 일정한 자극을 받아 임계값에 도달했을 때만 발생한다는 것이다. 에너지 소비 측면에서 봤을 때, 필요한 순간에만 에너지를 방출·소비하기 때문에 상당히 효율적인 방식이라 할 수 있다.

또한 뇌는 각각의 뉴런과 시냅스가 정보를 다발적으로 주고받으며 연산-저장-학습을 동시에 수행하기 때문에 전통적인 폰 노이만 구조의 컴퓨터에 필요한 메모리가 따로 존재하지도, 필요하지도 않다. 우리 두뇌에는 이렇게 데이터 저장과 처리를 동시에 수행하는 약 860억 개의 뉴런과 100조 개 이상의 시냅스가 있다. 이들 각각은 서로 데이터를 주고받으며 엄청난 양의 정보를 거의 동시에 처리-저장-학습한다. 한마디로 우리 두뇌는 폰 노이만 구조 특유의 데이터 병목 현상이 발생하려야 발생할 수 없는, 지구 최고 ‘병렬 컴퓨팅 시스템’이라 할 수 있다.

이러한 구조적 차이가 인간 뇌의 높은 에너지 효율성과 기계 뇌의 비효율성을 설명하는 핵심 요소이다. 폰 노이만 구조에서는 연산을 위한 데이터 이동과 저장에 많은 에너지가 소모되지만, 뉴런과 시냅스 기반의 인간 뇌는 연산을 위한 데이터 이동과 저장이란 개념이 따로 구분될 필요가 없을 정도로 다발적이고 효과적인 데이터 처리 방식을 자랑한다. 기계 뇌의 구조가 변화하지 않는 이상, 인간 두뇌의 전성비를 따라잡을 가능성은 희박하다는 이야기다.

게다가 폰 노이만 기반의 ‘기계 뇌’ 진영에 더 좋지 못한 소식은 현대의 반도체 기술이 점점 한계에 다다르고 있다는 점이다. 무어의 법칙은 반도체 집적도가 일정한 속도로 증가한다는 예측을 제시했지만, 물리적인 한계로 인해 그 속도가 둔화하고 있다. 반도체에 쓰이는 거의 모든 소자가 분자 단위 이하로 작아지면서 트랜지스터의 크기를 더 작게 만드는 것은 불가능에 가까워지고 있다.

.

인간의 뇌를 닮은 반도체? 뉴로모픽 반도체의 등장

따라서 최근에는 전통적인 폰 노이만 구조 기반의 컴퓨팅 시스템 대신, 처음부터 인간의 뇌를 모방한 새로운 개념의 반도체가 주목받고 있다. 바로 ‘뉴로모픽 반도체’다. 뉴로모픽(Neuromorphic) 이라는 용어는 뉴런(neuron)과 형태(morphic)의 합성어로, 쉽게 말해 뇌의 뉴런 구조를 닮은 반도체다. 인간 뇌의 스파이킹 뉴럴 네트워크를 모방하여 데이터 저장과 처리를 동시에 수행하는 반도체를 총칭한다.

이러한 뉴로모픽 반도체의 작동 방식에는 다양한 종류가 있지만, 현재 가장 활발히 연구 중인 분야는 앞서 설명한 두뇌의 작동 구조와 가장 유사하면서, 에너지 효율적인 스파이킹 신경망(Spiking Neural Networks, 이하 SNN) 방식이라 할 수 있다.

이름만 보면 얼핏 어려워 보이지만, 사실 SNN의 작동 원리는 앞서 설명한 뇌의 뉴런 작동 원리와 큰 차이가 없다. 뉴런과 시냅스의 기능을 전자 회로로 구현한 것이기 때문이다. 뉴로모픽 반도체 속 뉴런 회로는 입력 신호를 받아 임계값에 도달하면 전기 스파이크 신호를 생성하며, 시냅스 회로는 이 신호의 강도와 전달 방식을 조절하는 방식으로 작동한다. 이렇게 되면 이벤트가 발생할 때만 연산이 이뤄지기 때문에, 기존 반도체 대비 에너지 효율성이 높아지고 발열도 줄어드는 효과도 얻을 수 있다.

이 과정에서는 동일한 위치에서 연산 과정이 이뤄지기 때문에 데이터 이동에 따른 에너지 소모와 지연(latency)이 최소화된다. 이 모든 과정은 단일한 뉴런-시냅스 회로가 아닌 병렬로 배치된 다수의 뉴런-시냅스 회로의 작동을 통해 이뤄짐으로써, 복잡한 연산도 빠르게 처리가 가능한 덕분이다. 실제 뇌의 작동 방식과 구조가 상당히 유사하다.

다만 이런 작업이 이뤄지기 위해선 넘어야 할 산이 있다. 바로 뉴런-시냅스 구조의 특성과 유사한 특정 소자의 개발과 발전이다. 뉴런-시냅스 작동 구조의 핵심은 스파이킹 신호의 강도를 구분해 각기 다른 결과값을 내보내는 동시에, 일정 시간 동안 그 과정을 기억하는 물질의 존재다. 반도체 용어로 설명하자면 전압에 따라 각기 다른 저항값을 보이는 레지스터적 특성과 데이터를 저장하는 메모리의 성격을 모두 가진 소자가 필요하다는 의미다. 따라서 반도체를 연구·개발하는 산학계에서는 메모리(Memory)와 레지스터(Resistor)를 합친 ‘멤리스터(Memristor)’의 개발과 발전에 열을 올리고 있다.

그렇다면 이러한 뉴로모픽 반도체의 개발은 어디까지 왔을까? 지금으로부터 10년 전인 2014년, IBM은 세계 최초의 대규모 뉴로모픽 칩인 TrueNorth를 발표했다. 이 칩은 100만 개의 디지털 뉴런과 2억 5,600만 개의 시냅스로 구성됐으나 전력 소모는 약 65mW(밀리와트)에 불과했다. TrueNorth는 이미지 및 패턴 인식, 센서 데이터 처리 등에서 뛰어난 성능을 보이며, 군사용 드론에 탑재해 실시간으로 영상 데이터를 처리하는 연구도 진행됐다.

인텔 역시 2017년 자체적인 뉴로모픽 반도체인 Loihi 칩을 발표한 바 있다. 인간 뇌의 일부 기능을 모방한 초저전력 신경망을 구현한 칩으로, 약 13만 개의 뉴런과 1억 3천만 개의 시냅스로 자체적인 학습과 추론을 동시에 수행하면서도 당시 기존 CPU 대비 최대 1,000배 이상의 에너지 효율성을 보였다.

퀄컴 또한 모바일 기기를 위한 뉴로모픽 플랫폼인 Zeroth을 발표하여 에너지 효율적인 AI 성능을 제공하는 기술을 제공하겠다 밝힌 바 있다. 이 플랫폼은 스마트폰과 사물인터넷(IoT) 기기의 사용자 경험을 향상시키는 데 활용될 예정이다.

뉴로모픽 반도체와 관련한 가장 담대한 시도 중 하나는 2021년 삼성전자가 하버드 대학과 발표한 공동 연구 결과일 것이다. 이 연구에서는 문자 그대로 뇌를 복사하고 붙여 넣는 개념이 제안됐다. 뇌의 뉴런 연결망을 고해상도로 스캔하고 이를 3D 메모리 네트워크에 직접 구현하는 것이 핵심이라 할 수 있다. 앞서 뉴로모픽 반도체의 핵심이 뉴런-시냅스 구조에서 발생하는 스파이킹 신호의 강도를 구분하는 것이라 말한 것을 기억하는가? 해당 연구는 뇌의 뉴런에 직접적으로 나노 전극을 침투시켜, 접점에서 발생하는 미미한 전기 신호를 읽어내 신경망을 아주 상세하게 지도화하는 개념을 설명하고 있다. 이렇게 복제된 지도를 메모리반도체에 붙여 넣는다면 각각의 메모리가 뉴런 간의 접점 역할을 대신하게 될 것이다. 기존과는 완전히 다른 뉴로모픽 반도체가 탄생하는 순간이다. 

이렇게 개발한 뉴로모픽 반도체는 어디에 활용될까? 앞서 언급한 인간과 컴퓨터의 비교에 그 힌트가 숨어있다. 가장 ‘인간다운 컴퓨팅 디바이스’인 휴머노이드(로봇)의 탄생에 뉴로모픽 반도체가 큰 역할을 할 것은 자명하다. 휴머노이드는 마치 인간처럼 실시간으로 수많은 데이터를 처리하면서도 전력 소모는 낮아야 한다. 뉴로모픽 반도체는 이러한 요구를 충족시켜 로봇이 환경에 즉각적으로 반응하고, 더 인간적인 상호작용과 고차원의 논리 작업을 가능케 할 가장 중요한 열쇠가 될 수 있다. 뉴로모픽 반도체가 더 발전한다면 가까운 미래에 인간만큼이나 적게 먹지만 인간만큼이나 똑똑한 전성비 좋은 로봇이 탄생할 수 있다.

굳이 인간을 닮지 않은 로봇이라 하더라도 뉴로모픽 반도체의 적용 분야는 무궁무진하다. 자율주행 로봇이나 서비스 로봇은 복잡한 환경에서 스스로 학습하고 적응해야 한다.  뉴로모픽 반도체는 기기의 실시간 학습과 환경 적응을 효율적으로 처리할 수 있어, 로봇이 더 효과적인 행동을 수행할 수 있도록 도움을 줄 수 있다.

이와 더불어, 뉴로모픽 반도체는 환경 문제를 야기하는 현대의 AI 시스템에도 큰 도움이 될 수 있다. 현재 우리가 사용 중인 챗GPT와 같은 대형 언어모델 기반 AI 서비스는 지극히 많은 전력을 소비하며 열을 발산한다. 이 열을 냉각하는 과정에서 또다시 수많은 에너지와 깨끗한 물을 소비하며 환경에 많은 부담을 가하고 있다. 전력 소모량이 극단적으로 줄어든 뉴로모픽 반도체를 활용하면, 이 문제에서 비교적 자유로운 인공지능 활용이 가능하다. 더 작고, 좁은 공간에 더 높은 성능의 컴퓨터를 설치할 수도 있고, 이를 더 많은 사람이 활용할 수 있을 것이다.

마지막으로 뉴런-시냅스 단위의 신경 활동에 대한 다양한 지식들도 뉴로모픽 반도체를 연구하면서 얻은 부산물로 확보할 수 있을 것이다. 인간의 신경계와 뇌 활동에 대한 보다 깊은 이해를 바탕으로, 뇌-컴퓨터 인터페이스 분야에서 신경 신호를 직접 처리하여 의수나 의족의 정밀한 제어도 가능해질 것이다. 신경 과학 부문의 눈부신 발전도 기대해 볼 만하다.

결국 뉴로모픽 반도체를 연구하며 인간 뇌의 에너지 효율성을 기술적으로 구현하고 개발하는 과정은 단순히 칩의 에너지 효율성을 높이는 것을 넘어, 인간의 기술 분야 전반에 걸쳐 큰 변화를 야기할 수 있는 일이라 할 수 있다. 앞으로 우리는 얼마나 전성비 좋고 똑똑한 컴퓨터와 로봇을 만들어 낼 수 있을까? 우리의 AI는 얼마나 친환경적인 존재로 변모할까? 뉴로모픽 반도체와 함께, 인간의 창의성과 기술력이 만들어낼 다음 단계가 더욱 궁금해진다.

.

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP] 인간 두뇌의 ‘전성비’를 따라잡아라! 뉴로모픽 반도체의 도래 first appeared on 삼성전자 반도체 뉴스룸.

삼성전자와 미국 하버드 대학교 연구진이 차세대 인공지능 반도체 기술인 뉴로모픽 (Neuromorphic) 칩에 대한 미래 비전을 제시했습니다.

* 뉴로모픽 반도체: 사람의 뇌 신경망에서 영감을 받거나 또는 직접 모방하려는 반도체로, 인지, 추론 등 뇌의 고차원 기능까지 재현하는 것이 궁극적 목표

삼성전자-하버드大 공동연구… 세계적 학술지 Nature Electronics 게재

함돈희 삼성전자 종합기술원 펠로우 겸 하버드大 교수, 박홍근 하버드大 교수, 황성우 삼성SDS사장, 김기남 삼성전자 부회장이 집필한 이 논문은 영국 현지시간 23일 세계적인 학술지 ‘네이처 일렉트로닉스(Nature Electronics)’에 게재됐습니다.

* (논문제목) Neuromorphic electronics based on copying and pasting the brain
* (논문링크) https://www.nature.com/articles/s41928-021-00646-1

뇌 신경망 연결 지도를 메모리 칩에 복사(Copy)해 붙이는(Paste) 기술 제안

이번 논문은 뇌 신경망에서 뉴런(신경세포)들의 전기 신호를 나노전극으로 초고감도로 측정해 뉴런 간의 연결 지도를 ‘복사(Copy)’하고 복사된 지도를 메모리 반도체에 ‘붙여넣어(Paste)’, 뇌의 고유 기능을 재현하는 뉴로모픽 칩의 기술 비전을 제안했습니다.

초고감도 측정을 통한 신경망 지도의 복사(Copy)는 뉴런을 침투하는 나노 전극의 배열을 통해 이루어집니다. 뉴런 안으로 침투함으로써 측정 감도가 높아져 뉴런들의 접점에서 발생하는 미미한 전기 신호를 읽어낼 수 있습니다. 이로 인해 그 접점들을 찾아내 신경망을 지도화 할 수 있습니다. 이는 삼성전자가 2019년부터 하버드大 연구팀과 지속 협업해 온 기술입니다.

특히, 삼성전자는 복사된 신경망 지도를 메모리 반도체에 붙여넣어(Paste) 각 메모리가 뉴런 간의 접점의 역할을 하는 완전히 새로운 개념의 뉴로모픽 반도체를 제안했습니다. 또 신경망에서 측정된 방대한 양의 신호를 컴퓨터로 분석해 신경망 지도를 구성하려면 많은 시간이 소요되는데, 측정 신호로 메모리 플랫폼을 직접 구동하여, 신속하게 신경망 지도를 내려받는 획기적인 기술적 관점도 제시했습니다.

이 플랫폼은 일반적으로 사용되는 메모리인 플래시 및 다른 형태의 비휘발성 메모리인 저항 메모리(RRAM) 등을 활용할 수 있습니다.

한편, 궁극적으로 사람의 뇌에 있는 약 100조개의 뉴런 접점을 메모리 망으로 구현하려면 메모리 집적도를 극대화 해야 합니다. 이를 위해 3차원 플래시 적층 기술과 고성능 D램에 적용되는 TSV(실리콘관통전극)를 통한 3차원 패키징 등 최첨단 반도체 기술의 활용을 제안했습니다.

이번 연구는 학계와 업계의 기술 리더들이 참여해 신경 과학과 메모리 기술을 접목, 차세대 인공지능 반도체에 대한 비전을 보였다는 점에도 의의가 있습니다.

삼성전자 종합기술원 함돈희 펠로우는 “이번 논문에서 제안한 담대한 접근 방식이 메모리 및 시스템 반도체 기술의 경계를 넓히고, 뉴로모픽 기술을 더 발전 시키는 데 도움이 될 것”이라고 밝혔습니다. 삼성전자는 기존 보유한 반도체 기술 역량을 기반으로 뉴로모픽 연구에 지속 집중해 차세대 인공지능 반도체 분야에서도 기술 리더십을 확보해 나갈 계획입니다.

The post 삼성전자, 뇌를 닮은 차세대 뉴로모픽 반도체 비전 제시 first appeared on 삼성전자 반도체 뉴스룸.