오늘 오전에는 VR과 AR을 가능하게 하는 핵심 기술과 더 많은 사람들이 VR과 AR을 이용할 수 있도록 도와주는 플랫폼에 대한 구글의 투자를 소개했습니다.

탱고
기기가 움직임을 감지하고, 깊이 및 공간을 인식하도록 해주 ...
오늘 오전에는 VR과 AR을 가능하게 하는 핵심 기술과 더 많은 사람들이 VR과 AR을 이용할 수 있도록 도와주는 플랫폼에 대한 구글의 투자를 소개했습니다.

탱고
기기가 움직임을 감지하고, 깊이 및 공간을 인식하도록 해주는 탱고는 VR 및 AR 기술의 핵심입니다. 데이드림의 새로운 독립형 VR 헤드셋이 외부 센서 없이 작동 가능하도록 지원하는 위치 추적 기술인 월드센스(WorldSense)는 탱고에서 파생된 기술입니다.

탱고는 스마트폰 상에서도 AR을 구현해줍니다.  탱고를 사용하는 기기는 실내 방향 정보를 알려주고 주변 공간에 디지털 사물을 합성해 보여줄 수 있습니다. 예를 들면, 가구를 구매하기 전에 침실에 배치된 모습을 미리 확인하거나, 거실에 기상천외한 인터랙티브 공간을 꾸미거나, 주방에 공룡 이미지를 띄워 놓고 공부하는 일이 가능합니다. 또한 학생들은 익스피디션 AR(Expeditions AR)을 통해 토성의 고리나 화산 폭발 같은 디지털 콘텐츠를 교실에서 바로 볼 수 있습니다.

데이드림
데이드림은 구글의 모바일 VR 플랫폼입니다. 현재 데이드림 호환 스마트폰은 8가지이지만, 올해 안에 삼성 갤럭시 S8, S8+를 비롯한 LG, 모토로라, 에이수스 기기에서도 사용할 수 있게 됩니다. 구글의 파트너사에 의해 개발된 새로운 기기인 독립형 헤드셋도 올해 하반기에 데이드림에 추가될 예정입니다. 독립형 헤드셋은 사용하기가 매우 쉽고, 파트너들이 센서와 디스플레이 같은 요소를 VR에 최적화시킬 수 있도록 설계돼 있습니다. 뿐만 아니라 이용 가능한 앱도 150개가 넘어 어떠한 데이드림용 기기로도 다양한 VR 콘텐츠를 탐색하고, 보고, 즐길 수 있습니다.

곧 출시되는 헤드셋용 2.0 업데이트인 데이드림 유프라테스(Daydream Euphrates)로는 VR 콘텐츠를 더욱 재미있게 즐기고 다른 사람들과 공유할 수 있습니다. 내가 보고 있는 콘텐츠를 캡처하고 공유할 뿐만 아니라 가상 세계를 거실에 구현하는 일도 가능합니다. 게다가 곧 같은 가상 공간에서 다른 사람들과 함께 유튜브 동영상을 VR로 감상하고 실시간 채팅을 하며 소감을 공유할 수 있습니다.



개발자 및 웹 지원
몰입형 컴퓨팅으로 인한 혜택을 “모두”가 누릴 수 있도록 하기 위해서는 개발자들이 좋은 앱과 사용자 경험을 만들어야 합니다. 구글은 개발자들을 위해 그들을 지원하는 도구와 기술 개발에 힘쓰고 있습니다.

먼저, 인스턴트 프리뷰(Instant Preview)를 통해 개발자가 컴퓨터에서 항목을 변경하면 몇 분이 아닌 단 몇 초 만에 헤드셋에서 변경 사항이 반영된 것을 확인할 수 있도록 했습니다. 이를 통해 VR용 앱 개발 시간이 훨씬 단축될 것입니다.

그리고 위대한 프랑스 화가의 이름을 딴 쇠라(Seurat)라고 하는 새로운 도구를 사용하면 모바일 VR 헤드셋에서 최고의 Hi-Fi 화면을 실시간으로 렌더링할 수 있습니다. 이는 기발한 방법을 통해 개발자가 모바일 GPU로 데스크톱 수준의 그래픽을 실현할 수 있도록 도와줍니다. 루카스필름(Lucasfilm)의 자회사로, 차세대 몰입형 사용자 환경을 구축하는 데 주력하고 있는 ILMxLAB은 쇠라 덕분에 스타워즈의 장면을 모바일 VR 헤드셋에서 영화관 수준의 품질로 제공할 수 있었습니다. 쇠라에 대해서는 올해 중에 더 많은 소식을 공유해드리도록 하겠습니다.

    

마지막으로, 구글은 웹 부문에 대한 투자를 통해 개발자들이 데스크톱, 스마트폰부터 VR 및 AR 지원 기기에 이르기까지 모든 기기에, 또 누구에게나 자신들의 창의성을 선보일 수 있도록 했습니다. 구글은 초기부터 WebVR 표준을 지원하고 기여해왔습니다. 올해 여름에는 VR로 웹을 검색할 수 있도록 하는 크롬 VR(Chrome VR)이 데이드림에 추가될 예정입니다. 여기에 추가로 웹을 위한 AR도 지원할 수 있게 되어 기쁘게 생각합니다. 구글은 AR API가 포함된 크로미움(Chromium) 빌드를 곧 평가판으로 출시할 예정입니다. 많은 기대 부탁드립니다.

이것은 시작에 불과하지만 이러한 노력이 이루어낼 미래가 기대됩니다. VR 및 AR 관련 I/O 세션에서 자세한 내용을 알아보세요.


작성자: 클레이 베이버(Clay Bavor), VR 및 AR 부문 부사장

1816년의 청진기부터 오늘날의 휴대용 초음파 기계에 이르기까지 의사들은 꾸준히 신기술을 도입하여 의료 발전에 힘써왔습니다. 지난 10년간 전자 의료 시스템 도입이라고 하는 중대한 변화 덕분에 의사와 환자 모두 의료 정보에 보다 쉽게 접근할 수 있게 되었습니다. 이제 의료계는 이러한 정보를 제대로 판독하기 위해 머신러닝에 주목하기 시작했습니다.
1816년의 청진기부터 오늘날의 휴대용 초음파 기계에 이르기까지 의사들은 꾸준히 신기술을 도입하여 의료 발전에 힘써왔습니다. 지난 10년간 전자 의료 시스템 도입이라고 하는 중대한 변화 덕분에 의사와 환자 모두 의료 정보에 보다 쉽게 접근할 수 있게 되었습니다. 이제 의료계는 이러한 정보를 제대로 판독하기 위해 머신러닝에 주목하기 시작했습니다.

작년 한 해 동안 구글 연구원들은 의사가 림프절로 전이된 유방암을 발견하고 당뇨성 망막증을 검사하는 데 구글 머신러닝이 어떤 역할을 했는지 보여줬습니다. 현재 구글은 연구 결과를 실제 의료 기기에 적용하기 위해 알파벳 산하 베릴리사(社) 및 생체 의학 분야의 다른 파트너들과 협력하고 있습니다. 당뇨병 환자들의 실명을 방지하기 위한 기기도 그 중 하나입니다.

이제 구글은 더욱 향상된 머신러닝 기술을 제공하려고 합니다. 머신러닝은 환자의 입원 여부, 입원 기간을 예상하는 것은 물론 요로감염증, 폐렴, 심부전 등의 질병 치료이후 불구하고 건강이 악화되는지를 예측할 수 있는 수준까지 발전했습니다. 머신러닝의 발전으로 인해 식별 정보가 제거된 의료 기록, 즉 개인 식별 정보가 제외된 기록에서 패턴을 찾아 다음 상황을 예측하고 그 상황이 일어나기 전에 환자에게 필요한 사항을 미리 준비할 수 있습니다. 이에 구글은 UC 샌프란시스코, 스탠포드 약대, 시카고 대학 등 세계 최고의 연구원 및 생물연구학자들과 파트너십을 체결해 머신러닝과 임상 전문 지식으로 환자의 상태를 호전시키고 비용이 많이 발생하는 것을 피하면서 생명을 구할 수 있는 방법에 대해 연구하고 있습니다.  

의료계에서 머신러닝 활용은 매우 시급합니다. 미국에서는 매년 의료 관련 감염으로 인한 사망자 수가 99,000명, 의약품 사고로 인한 사상자는 770,000명이 넘으며, 예기치 않은 재입원으로 인한 비용이 170억 달러에 달하고 있습니다. 다른 국가의 상황도 마찬가지입니다. 매년 전 세계에서 4,300만 명이 의료 과실로 인한 피해를 입고 있으며 대부분의 사고가 중진국과 후진국에서 발생합니다. 이미 상당 부분 개선되긴 했지만 여전히 많은 의사들이 의료 정보의 활용도를 높여 의료 서비스를 개선할 수 있을지 구글에 문의합니다.

의료 분야 데이터는 매우 복잡해서 해당 데이터의 유효성과 기술 개발을 하는 데만 1년이 걸렸습니다. 그리고 앞으로 몇 개월에 걸쳐 우리 연구 결과가 엄격하게 진행되었는지 임상 심사가 이뤄질 예정입니다.   

또한, 구글은 기관마다 상이한 데이터 표시 방법을 일원화하고자 노력하고 있습니다. 병원마다 데이터를 기록하는 방식이 달라서 여러 병원의 통계를 모으는 일은 어렵습니다. 게다가 데이터 호환성과 표준의 부재로 이러한 상이한 통계 문제를 해결하는 일은 일일이 사람의 손이 필요한 시간 소모적인 작업이 됩니다. 하지만 이제 의료 분야 오픈 데이터 표준(FHIR)을 기반으로 구글의 딥 러닝 기술을 이용하면, 이 절차를 자동화하여 의사와 연구자들이 원하는 데이터를 이용하는 것이 더 쉬워집니다.

이 연구 과정에서 구글의 의료 분야 파트너들은 환자 데이터를 공유하기 전에 그들의 식별 정보를 적절히 제거했습니다. 그런 다음 구글은 구글 클라우드 인프라를 이용하여 해당 환자 데이터를 최고 수준의 보호 장치로 안전하게 보관하고, HIPAA 개인정보 보호 규칙을 철저히 준수하고 있습니다. 또한, 해당 환자 기록은 구글의 소비자 데이터와 따로 분리하여 보관되며 파트너십 연구 프로젝트에만 사용됩니다. 

구글은 머신러닝을 이용한 임상 분야의 혁신은 의학계와 딥 러닝 전문가의 긴밀한 공조가 수반되어야 가능하다고 믿습니다. 구글 직원들의 대부분은 의사가 아니지만 모든 직원들은 한번쯤 질병이나 부상을 경험했으며, 심지어 사랑하는 사람을 잃은 사람도 있습니다. 구글은 구글만의 힘을 통해 치료에 기여할 수 있도록 앞으로도 계속 노력할 것입니다. 힘을 합치면 전 세계 수백만 인류의 건강을 증진할 수 있다는 희망과 함께 의료 분야의 파트너십이 한층 성장하기를 기대합니다.

참고사항: 구글은 유형에 상관없이 대형 의료 데이터 세트의 공동작업을 항상 환영합니다. 구글과 함께 협업을 하고 싶어하는 조직을 알고 있다면 이 양식을 제출해주십시오.


작성자: 캐서린 추(Katherine Chou), 구글 브레인팀

구글 클라우드에 차세대 TPU(Tensor Processing Unit)를 도입함으로써 학습과 추론을 비롯한 광범위한 머신러닝 워크로드에 소요되는 시간을 단축할 수 있게 되었다는 소식을 전하게 되어 매우 기쁩니다. 일명 클라우드 TPU라고 하는 이 TPU는 초기에 ...
구글 클라우드에 차세대 TPU(Tensor Processing Unit)를 도입함으로써 학습과 추론을 비롯한 광범위한 머신러닝 워크로드에 소요되는 시간을 단축할 수 있게 되었다는 소식을 전하게 되어 매우 기쁩니다. 일명 클라우드 TPU라고 하는 이 TPU는 초기에는 구글 컴퓨트 엔진(Google Compute Engine)을 통해 이용할 수 있습니다.







지난 몇년에 걸친 머신러닝(ML)의 발전상을 우리는 잘 알고 있습니다. 신경망 네트워크를 통해 구글 번역의 품질을 크게 향상시키고 구글 검색결과의 순위를 선정하며 구글 포토로 원하는 사진을 훨씬 간편하게 찾아볼 수 있게 되었습니다. 또한 머신러닝 덕분에 딥마인드(DeepMind)의 알파고 프로그램은 세계 최고의 바둑 기사 중 한 명인 이세돌을 이기고, 사람이 그린 것 같이 스케치하는 소프트웨어를 개발할 수 있었습니다.

이러한 성과를 거두기 위해서는 기본 머신러닝 모델을 학습시키고 학습된 모델을 실행(“추론”)하는 대규모 컴퓨팅 작업이 필수적입니다. 그래서 구글은 TPU를 개발함으로써 대규모 머신 러닝 컴퓨팅 작업을 지원하도록 했습니다. TPU는 기존에는 내부 컴퓨팅 작업에 사용되었으며 현재는 외부 컴퓨팅 작업까지 처리하고 있습니다.



구글 최초의 TPU는 머신러닝 모델을 빠르고 효율적으로 실행하여 문장을 번역하거나 바둑에서 다음 수를 결정할 수 있도록 개발되었지만 별도의 학습 과정을 거쳐야만 했습니다. 머신러닝 모델 학습은 모델 실행보다 훨씬 까다로운 작업입니다. 또한 정확도를 높이기 위해 사용 가능한 최적의 CPU와 GPU에서 며칠 또는 몇 주에 걸쳐 컴퓨팅 작업을 처리해야만 했습니다.

구글을 비롯한 IT 기업의 연구팀과 엔지니어링팀은 쉽게 이용할 수 있는 하드웨어에서 머신러닝 학습을 스케일링하는 성과를 거두었습니다. 하지만 머신러닝에 대한 기대치를 충족하기에는 충분치 않았기 때문에 구글은 병목 현상을 해소하고 전반적인 성능을 극대화할 수 있는 완전히 새로운 머신러닝 시스템을 개발했습니다. 이 시스템의 핵심은 바로 오늘 발표한 차세대 TPU입니다. 차세대 TPU는 머신러닝 모델의 학습 및 실행이 모두 가능합니다.



구글의 새로운 클라우드 TPU는 머신 러닝 모델을 학습시키고 실행할 수 있도록 최대 180테라플롭(teraflop)의 성능을 제공합니다.

새로운 TPU 기기는 최대 180테라플롭에 달하는 부동 소수점 연산 성능을 제공합니다. TPU는 따로 사용하는 경우에도 뛰어난 성능을 보이지만 함께 사용하는 경우 더 좋은 성능을 보이도록 설계되었습니다. 각 TPU에는 맞춤 고속 네트워크가 포함되어 있어 “TPU 팟(TPU pod)”이라고 하는 머신러닝 슈퍼컴퓨터를 구축할 수 있습니다. TPU 팟은 차세대 TPU 64개를 갖추고 있으며, 최대 11.5 페타플롭의 연산 성능을 제공하기 때문에 대규모 머신러닝 모델 하나를 학습시키는 데 필요한 시간이 단축됩니다. 엄청난 컴퓨팅 작업을 처리해야 하는데도 말이죠.

구글은 TPU 팟 사용을 통해 이미 훈련 시간에 큰 개선이 있는 것을 확인했습니다. 구글의 대규모 번역 모델을 훈련시키는데 기존 최고급 상용 GPU 32개를 사용했을 때는 하루가 꼬박 걸렸지만 TPU 팟의 1/8만 사용해도 같은 정확도로 훈련시키는데 반나절 밖에 걸리지 않습니다.



차세대 TPU 64개가 장착된 “TPU 팟”은 머신러닝 속도가 최대 11.5페타플롭(petaflop)에 달합니다.

클라우드 TPU 도입
구글 컴퓨트 엔진에 새로운 TPU를 장착한 클라우드 TPU는 형태와 규모에 구애받지 않고 모든 가상 머신에 연결하여 스카이레이크(Skylake) CPU, 엔비디아(NVIDIA) GPU 같이 다른 유형의 하드웨어와 함께 사용할 수 있습니다. 사용자는 깃허브(GitHub)에서 가장 인기 있는 오픈 소스 머신 러닝 프레임워크인 텐서플로(TensorFlow)로 클라우드 TPU를 프로그래밍할 수 있습니다. 또한 CPU, GPU 또는 클라우드 TPU에서 최소한의 코드 변경만으로도 손쉽게 머신러닝 모델을 학습시킬 수 있는 고급 API도 도입할 예정입니다.

클라우드 TPU를 사용하면 최첨단 머신 러닝 엑셀러레이터와 프로덕션 인프라를 직접 통합하고, 초기 자본 지출 없이도 신속한 주문형 컴퓨팅 성능을 활용할 수 있습니다. 속도가 빠른 머신 러닝 엑셀러레이터의 경우 주변 스토리지 시스템 및 네트워크에 대한 요구사항이 까다롭기 때문에, 구글은 사용자가 실제 프로덕션 데이터를 사용하여 강력한 머신러닝 모델을 신속하게 학습시킬 수 있도록 전체 클라우드 인프라를 최적화하고 있습니다.

구글의 목표는 가능한 최적의 머신러닝 시스템을 사용자가 처음부터 끝까지 구축할 수 있도록 지원하는 것입니다. 클라우드 TPU로 인해 여러 머신 러닝 애플리케이션을 활용하는 일이 수월해지겠지만, 구글은 사용자가 언제든 특정 사용 사례에 가장 적합한 엑셀러레이터를 선택할 수 있도록 구글 클라우드에서 다양한 하드웨어를 제공하기 위해 여전히 노력하고 있습니다. 예를 들어, 샤잠(Shazam)은 최근 발표를 통해 대부분의 음원 인식 워크로드를 구글 클라우드의 엔비디아 GPU로 마이그레이션하여 유연성을 확보하는 동시에 비용을 절감할 수 있었다고 밝혔습니다.




텐서플로 리서치 클라우드(TensorFlow Research Cloud) 도입
최근 머신러닝이 발전할 수 있었던 것은 상당 부분 전 세계 산업계 및 학계 연구원들의 전례 없는 개방형 협업 덕분입니다. 하지만 분야 최고의 연구원들 중 다수가 필요한 컴퓨팅 성능을 충분히 이용하지 못하고 있습니다. 구글은 되도록 많은 연구원들을 돕고 개방형 머신러닝 연구를 더욱 가속화하기 위해, 머신러닝 연구원들이 텐서플로 리서치 클라우드를 통해 클라우드 TPU 1,000개를 무료로 사용할 수 있도록 지원할 예정입니다.

가입하여 자세한 내용을 알아보세요
머신러닝 모델 학습 및 대규모 데이터세트의 일괄 처리 시간을 단축하거나 보다 강력한 머신러닝 모델을 사용하여 프로덕션 환경에서 실시간 요청을 처리하고 싶으신 분은 지금 가입하여 곧 선보일 클라우드 TPU 알파(Cloud TPU Alpha) 프로그램에 대해 자세히 알아보세요. 연구원으로서 머신러닝의 가능성을 넓히고 연구 결과를 다 함께 공유하고 싶으시면 가입하여 텐서플로 리서치 클라우드에 대해 자세히 알아보세요. 또한 구글 클라우드를 통해 전체 TPU 팟에 액세스하려면 요구사항을 구글에 알려주세요.
 
 


 

작성자: 제프 딘(Jeffrey Dean) 구글 시니어 펠로우,
우르스 회즐(Urs Hölzle) 구글 클라우드 인프라스트럭처 선임부사장
https://s21.postimg.org/nccuy5rt3/image.pnghttps://s14.postimg.org/lhoe7tnz5/image.png https://s30.postimg.org/jv0r0qgv5/image.jpghttps://s28.postimg.org/m8ri5b64t/image.jpghttps://s13.postimg.org/arh4jnqtz/image.jpghttps://s24.postimg.org/idyeir35x/image.jpg

올해로 저는 구글에서 일한지 13년째가 되었습니다. 한 가지 놀라운 점은 정보를 누구나 접근 가능하고 유용하게 하자는 구글의 창립 미션이 제가 입사했을 때 만큼이나 현재도 시의성이 높다는 것입니다. 우리 주변의 기술로 인해 현저한 변화가 불가피해지고 있음에도, 처음부터 구글은 심층적인 컴퓨터 공학과 통찰력을 활용해 복잡한 문제들을 해결하고자 했습니다.
          
올해로 저는 구글에서 일한지 13년째가 되었습니다. 한 가지 놀라운 점은 정보를 누구나 접근 가능하고 유용하게 하자는 구글의 창립 미션이 제가 입사했을 때 만큼이나 현재도 시의성이 높다는 것입니다. 우리 주변의 기술로 인해 현저한 변화가 불가피해지고 있음에도, 처음부터 구글은 심층적인 컴퓨터 공학과 통찰력을 활용해 복잡한 문제들을 해결하고자 했습니다.

가장 복잡한 문제들은 대개 사람들의 일상생활에 영향을 주는 문제들이며, 많은 사람들이 구글을 일상의 일부로 삼게된 것은 정말 즐거운 일입니다. 안드로이드 월간 활성 기기수는 20억 개 이상이며, 유튜브는 10억 명이 넘는 총 사용자 수와 매일 10억 시간이 넘는 시청 시간을 기록하고 있습니다. 또한, 전 세계 사람들은 구글 지도를 이용해 매일 10억 킬로미터 이상의 길찾기를 하고 있습니다. 이러한 성장은 모바일 컴퓨팅으로의 전환 없이는 불가능했을지 모릅니다. 모바일 전환을 통해 구글은 모든 자사 제품들을 새롭게 구상하게 되었고, 멀티 터치 스크린과 같은 새로운 상호 작용 모델들을 반영할 수 있도록 제품들을 새롭게 개발했습니다.
          
           


현재 우리는 컴퓨팅의 새로운 전환을 목격하고 있습니다. 바로 모바일 퍼스트(mobile-first) 세계에서 AI 퍼스트(AI-first)의 세계로의 전환입니다. 이 전환은 구글이 더욱 자연스럽고 매끄럽게 기술과 상호 작용할 수 있는 세계를 위해 구글 제품들을 새롭게 구상하도록 만들고 있습니다. 구글 검색을 생각해보십시오. 구글 검색은 텍스트와 웹페이지를 이해하는 구글의 역량에 기반해 구축되었습니다. 하지만 딥 러닝 분야의 발전 덕분에 이제 구글은 이미지, 사진, 영상 및 음성을 이전과 다른 방식으로 사람들에게 유용하게 만들고 있습니다. 당신의 카메라는 ‘볼 수’ 있으며, 핸드폰에게 말을 걸고 답을 얻을 수 있습니다. 음성과 비전은 키보드나 멀티 터치 스크린만큼이나 컴퓨팅에 중요해지고 있습니다.

     
구글 렌즈로 당신의 스마트폰 카메라는 당신이 보는 것과 같은 것을 볼 수 있을 뿐만 아니라, 당신이 무엇을 찾고 있는지를 이해하고 도움을 줄 수 있습니다.


      
클라우드 TPU는 머신러닝을 위해 맞춤제작 되었습니다. 64개의 이러한 기기들을 11.5 페타플롭 머신러닝 슈퍼컴퓨터인 TPU 팟으로 연결할 수 있습니다.
    
뿐만 아니라, AI는 DNA 염기순서와 같은 기초 과학을 도울 수도 있습니다. Google.ai에서 출시된 새로운 도구는 연구자들이 유전자변이주를 더욱 빨리 발견할 수 있게끔 도와줍니다.


     
시카고에 사는 고등학생 Abu Qader는 유튜브를 보며 텐서플로 사용법을 독학했습니다. 그는 디지털유방촬영술을 발전시키기 위해 머신러닝을 이용하고 있습니다.  


    
우리는 당신이 누구든, 어떤 직업을 찾고 있던 간에 당신에게 적합한 구직 공고를 찾을 수 있게 되는 것을 목표로 새로운 도구를 만들었습니다.


구글 어시스턴트는 이러한 기술의 발전이 실제로 활용되고 있는 강력한 예시입니다. 구글 어시스턴트는 이미 1억 개의 기기에서 사용되고 있으며, 매일 더욱 유용해지고 있습니다. 구글 홈(Google Home)은 이제 서로 다른 목소리들을 구분해 사용자들이 구글 홈과 상호 작용할 때 더욱 개인화된 경험을 제공할 수 있습니다. 이에 더해 구글은 이제 스마트폰 카메라를 도구로 활용해 작업을 처리할 수 있도록 만들고자 합니다. 비전 기반의 컴퓨팅 능력이 결합된 구글 렌즈(Google Lens)는 당신이 보고 있는 것을 이해하고, 해당 정보에 기반해 당신이 행동을 취하도록 돕습니다. 만약 당신이 라우터 뒤쪽에 있는 길고 복잡한 와이파이 비밀번호를 보기 위해 친구의 책상 아래로 기어들어갔다면, 이제 당신의 스마트폰은 그 비밀번호를 인식하고, 당신이 와이파이 네트워크에 로그인하려고 한다는 사실을 이해하여 자동으로 로그인을 시켜줄 것입니다. 이것의 핵심은 당신이 이러한 작업을 시행하기 위해 새로운 것을 배울 필요가 없다는 것입니다. 이러한 과정의 인터페이스와 경험은, 예를 들어 스마트폰의 여러 앱을 오가며 복사, 붙여넣기를 하는 것보다 훨씬 더 직관적일 수 있습니다. 구글은 우선 구글 렌즈 기능을 구글 어시스턴트와 구글 포토에 도입할 예정이며, 향후 다른 제품들에도 적용하고자 합니다.

[경고! 지금부터 나올 내용은 조금 괴짜스럽게 들릴 수 있습니다!]


이 모든 것은 적합한 컴퓨터 아키텍처를 필요로 합니다. 지난해 I/O에서 구글은 자사 기계학습 알고리즘을 더 빠르고 효과적으로 작동할 수 있게 하는 1세대 TPU를 발표했고, 오늘 그 차세대 TPU인 클라우드 TPU를 발표했습니다. 클라우드 TPU는 추론과 트레이닝에 최적화되어 있으며, 엄청난 양의 정보를 처리할 수 있습니다. 구글은 클라우드 TPU를 구글 컴퓨트 엔진(Google Compute Engine)에 도입해 기업들과 개발자들이 이를 활용할 수 있도록 할 것입니다.

중요한 것은 이러한 발전이 구글 제품 사용자뿐 아니라 모두에게 더 나은 결과를 가져와야 한다는 것입니다. 구글은 과학자와 엔지니어들이 더 개선된 강력한 컴퓨팅 도구와 연구를 확보할 수 있다면 복잡한 사회 문제들에 대한 엄청난 돌파구를 찾을 수 있을 것이라고 믿습니다. 하지만 이것이 실현되기에는 오늘날에는 장벽이 매우 많습니다.

이것이 바로 구글이 Google.ai를 발표하게 된 동기입니다. 구글은 Google.ai를 통해 AI와 관련된 구글의 모든 노력을 통합해 이러한 장벽을 낮추고, 이 분야의 연구원, 개발자, 기업들이 업무를 가속화할 수 있도록 도울 예정입니다.

AI가 더 나은 접근성을 가질 수 있도록 하기 위한 한 가지 방안은 신경망이라 불리는 기계학습 모델의 디자인을 단순화하는 것입니다. 현재 신경망을 설계하기 위해서는 엄청난 시간이 소모될 뿐만 아니라, 전문 기술을 필요로 하기 때문에 과학자 및 엔지니어로 구성된 소규모 커뮤니티만 사용이 가능합니다. 이 때문에 구글은 AutoML이라 불리는 접근법을 구축해 신경망이 또 다른 신경망을 설계할 수 있도록 했습니다. 구글은 AutoML이 현재 소수의 박사들만 갖고 있는 역량을 보유하게 되고, 3-5년 내에는 IT 기업이 아닌 곳에서도 특정 목적에 부합하는 새로운 신경망을 설계할 수 있기를 기대하고 있습니다.

또한 Google.ai는 연구원과 과학자 및 개발자 팀을 구성하여 다양한 분야의 문제를 해결하고 유망한 결과를 도출해내고 있습니다. 구글은 인접 림프절로 전이되는 유방암을 발견하는 알고리즘을 개선하기 위해 머신러닝을 활용하였습니다. 뿐만 아니라 구글은 연구원들이 물질, 나아가 인간 유전자의 기본요소들을 순서화하는데에 있어서 AI가 시간과 정확성 측면을 향상시켜주는 것을 확인했습니다.

이러한 전환은 비단 미래형 기기 구축이나 첨단 리서치 진행에 관한 것만은 아닙니다. 구글은 이것이 정보에 대한 접근성을 모두에게 차별없이 제공하고 새로운 기회들을 들춰냄으로써 수백 만 명을 도울 수 있다고 생각합니다. 예를 들어, 미국의 고용주들 중 거의 절반은 여전히 공석을 채우는 데 어려움을 겪는다고 말합니다. 한편, 구직자들은 종종 바로 근처에 공석이 있는데도 눈치채지 못합니다. 높은 퇴사율, 낮은 트래픽, 일관성 없는 직무 등의 일자리 특성 때문에 검색 엔진이 정보를 정리해내기 어려웠기 때문입니다. 구글은 새 이니셔티브인 일자리 서비스 ‘구글 포 잡스(Google for Jobs)’를 통해 기업들을 직원이 될 가능성이 있는 이들과 연결시켜주고, 구직자들이 새로운 기회를 찾도록 도울 수 있기 바랍니다. 이 노력의 일환으로 구글은 수주 내 ‘검색’에 새로운 기능을 출시합니다. 이 기능을 통해 전통적으로 검색하기 어렵고 분류하기 어려운 서비스, 유통 분야의 직업을 포함한 다양한 경력과 직급의 일자리를 찾는 것을 도울 예정입니다.
          
              
AI가 사람들이 실제로 느낄 수 있는 성과를 내는 것을 지켜 보는 것은 우리에게 좋은 자극을 줍니다. 진정으로 AI 퍼스트 세계에 진입하기까지는 아직 갈 길이 멉니다. 하지만 사람들이 활용할 수 있는 도구와 우리가 기술을 적용하는 방식적 측면에서 기술에 대한 접근성을 모두에게 제공하고자 더 많이 노력한다면 더 빠른 시일 내에 모든 사람들이 혜택 받을 수 있을 것입니다.

이 사이트의 다른 곳에서 안드로이드, 포토, VR을 비롯해 구글 I/O에 대한 수많은 다른 공지와 발표를 확인해 보십시오.


작성자: 순다 피차이(Sundar Pichai) 구글 CEO
https://s1.postimg.org/hw1exck7j/image.gif https://s1.postimg.org/9l2smwbdr/image.jpghttps://s15.postimg.org/vjz7egr2j/image.jpghttps://s4.postimg.org/yewot1not/image.jpghttps://s8.postimg.org/esbrywedh/image.jpg