GPU가 이끄는 미래 - 엔비디아 GTC 2021
(기조연설 리뷰)

AI 시대가 개막되면서 방대한 데이터를 정해진 수식으로 처리하는 딥러닝 분야가 활발해짐에 따라 병렬 처리에 특화된 GPU가 매우 중요해졌습니다. 전 세계는 GPU라는 가속 컴퓨팅 기술 덕분에 과학적 연구 속도가 빨라졌고, 컴퓨터 업계는 새로운 가능성을 보게 되었습니다. 인공지능은 놀라운 발전을 이루고 있습니다. GPU를 통해 컴퓨터는 학습을 하고, 인간 능력 이상의 것이 가능합니다. AI 애플리케이션은 클라우드에서 서비스되며, 자동화를 수행합니다. GPU는 AI 연구개발을 가속화하는 핵심요소이며, NVIDIA, AMD, Intel과 같은 저명한 GPU 글로벌 플레이어로 인해 고도로 집중된 시장입니다. 2019.5월, 시장조사업체 리프터(Liftr)는 아마존웹서비스(AWS), 마이크로소프트 애저, 구글 클라우드, 알리바바 등 글로벌 4대 클라우드 데이터센터에서 사용하는 AI 가속기의 97.4%가 엔비디아 GPU라는 조사 결과를 발표한 바 있습니다.^[2]

GPU의 가장 핫한 기업 중 하나인 엔비디아의 GTC(GPU Technology Conference) 2021에서 발표된 젠슨 황(CEO)의 기조연설^[1] 내용으로, AI 연구개발의 핵심 기반인 GPU가 이끄는 미래를 잠시 살펴볼까 합니다.

AI로 인한 변화, 확장되는 플랫폼

엔비디아는 풀스택 컴퓨팅 플랫폼 기업이며, 과학자, 연구자, 개발자, 크리에이터들은 엔비디아의 기술을 활용하고 있습니다. 엔비디아 GPU를 통해 누구나 고성능 컴퓨터를 사용하게 되었고, Alex Krizhevsky, llya, Hinton은 AlexNet(머신러닝 기반 화상인식 프로그램, 2015)의 개발과 훈련을 통해 전 세계가 딥러닝에 관심을 갖게 만들었습니다. 인공지능을 통해 언어의 이해, 신약 개발, 양자 컴퓨팅 등 다양한 분야의 혁신이 가능해졌습니다. 이러한 AI 시대, 시장은 변화하고 있습니다.

① AI 연구자를 위한 슈퍼컴퓨터 (DGX)

AI 빅뱅이 시작되었을 때, 새로운 소프트웨어 개발 방식에 맞는 새로운 유형의 컴퓨터가 필요하게 되었습니다. 엔비디아는 AI 전용 슈퍼컴퓨터인 DGX를 제공하며, DGX A100, DGX Station, DGX SuperPOD로 구성됩니다. DGX Station은 작업그룹을 위한 소형 AI 데이터센터로 대형모델의 훈련과 AI 프로그래밍을 가능하게 합니다. DGX SuperPOD는 제품형 AI 데이터센터로 세계 최초의 클라우드 네이티브 슈퍼컴퓨터이며, 집약적인 AI 연구개발을 지원합니다.

대학, 병원, 정보통신, 은행, 소비재 기업, 자동차, 우주 산업 등 다양한 산업에서 DGX를 활용한 AI 연구가 발전하고 있습니다. 스웨덴의 린셰핑 대학은 DGX SuperPOD의 컴퓨팅 인프라를 기반으로 스웨덴에서 가장 빠른 AI 슈퍼컴퓨터 베르셀리우스(BerzeLiUs)를 구축한다고 발표^[3] 하였고, 세계적인 기술기업 콘티넨탈은 DGX 활용해 첨단운전자지원시스템(ADAS) 등 차량용 AI 시스템 개발을 가속화하고 있습니다.^[4] 한국의 1위 검색엔진 Naver도 DGX를 설치, 자체 AI 플랫폼 CLOVA를 실행해 한국어 모델을 훈련하고 있습니다.

② AI 모델 대규모 훈련을 위한 프레임워크 (Megatron)

구글의 트랜스포머(Transformer)* 모델은 자연어 처리에 획기적인 혁신을 가져왔습니다. 트랜스포머는 순차 데이터에서 추론을 위해 설계되었지만, 트랜스포머는 순차적으로 훈련되지 않고, 어텐션이라는 메커니즘을 통해 병렬적으로 훈련됩니다. 이를 통해 훈련시간이 단축되었고, 무엇보다 방대한 양의 데이터를 가진 대규모 모델을 훈련시키는 것이 가능해졌습니다. 트랜스포머의 파라미터는 6,500만 개이며, 문서 요약본을 생성하거나 이메일 문구를 완성할 수 있는 OpenAI의 GPT-3* 모델은 1,750억 개입니다. 3년만에 3,000배 이상 증가한 것입니다. 모델 크기는 2.5개월마다 2배씩, 기하급수적으로 늘어나고 있습니다. 2022년이면 조 단위, 2023년에는 100조 이상의 파라미터 모델이 나올 수도 있습니다. 트랜스포머 모델은 규모가 점점 커지고 있고, 대규모 모델 훈련은 엄청난 컴퓨팅 기술이 필요합니다. 엔비디아는 대형 트랜스포머 모델 훈련을 위한 오픈소스 기반의 Megatron 프레임워크를 지원합니다. Megatron은 멀티 GPU, 멀티 노드 병행구조로 모델을 분할하고 분배하며, 고속 데이터 로딩, 마이크로 배칭, 스케쥴링, 싱크, 커널 결합이 가능합니다. Megatron을 활용한 1조 파라미터 모델의 훈련도 많은 시간이 소요되며, DGX와 같은 AI 슈퍼컴퓨터는 훨씬 더 필요하게 됩니다.
* 트랜스포머(Transformer): 2017년 구글이 발표한 논문인 "Attention is all you need"에서 나온 모델로 기존의 seq2seq의 구조인 인코더-디코더를 따르면서도, 논문의 이름처럼 어텐션(Attention)만으로 구현한 모델이다
* GPT-3: openAI사가 개발한 인공지능 모델로 사전 훈련된 자연어 처리(NLP) 시스템의 일환이다. GPT-3 는 각종 언어 관련 문제풀이, 랜덤 글짓기, 간단한 사칙연산, 번역, 주어진 문장에 따른 간단한 웹 코딩이 가능하다.

③ 신약탐색, 양자 컴퓨팅 가속화 라이브러리 (Clary Discovery/ cuQuantum)

제약 분야는 1조 3,000억 달러 규모로, 신약 개발은 10년 이상 소요되나 90%가 실패할 정도로 어려운 분야입니다. 엔비디아는 컴퓨터 기반 신약 탐색을 위한 가속화 라이브러리인 Clary Discovery를 제공합니다. 이미지에서 유전자 변이검출, AI를 통한 신약 성분 생성 등 범위가 다양합니다. Clary Discovery 모델의 하나인 MegaMolBART는 생체분자 화합물을 생성하는 모델입니다. 최근 Insilico Medicine은 해당 모델을 활용하여, 2년 안에 신약을 발견했습니다. GatorTron은 진단서를 읽고 이해할 수 있는 임상언어 모델입니다. 최근, 신약 탐색을 위한 머신러닝 컴퓨팅 플랫폼을 보유한 Schrodinger는 Clary Discovery 라이브러리와 DGX AI 슈퍼컴퓨터를 활용한 신약탐색을 가속화하고 있습니다.

disease target ->drug target

• genomics -structure -docking-simulation-imaging

chemical compounds

• search-docking

literature

• genomics-NLP

real world

• imaging-NLP

NVIDIA Clary Discovery (출처: 엔비디아 GTC^[1])

또한, 엔비디아는 연구자들이 더 우수한 양자 컴퓨터를 설계하고 검증할 수 있도록 양자회로 시뮬레이션을 가속화하는 라이브러리 cuQuantum을 제공합니다. 대형 GPU 메모리, 멀티 GPU, 멀티 DGX 스케일링에 최적화되어 있으며, DGX AI 슈퍼컴퓨터를 활용하여 수십 큐비트(양자 컴퓨팅의 기본처리 단위)를 생산적으로 시뮬레이션할 수 있습니다.

④ 엔터프라이즈, 엣지를 위한 AI 컴퓨팅 플랫폼 (EGX)

데이터 사이언티스트들은 데이터 전략을 개발하고 예측 변수를 설계합니다. 훈련이란 적합하게 예측하는 방법을 학습하도록 AI 모델을 개발/조정하는 것입니다. 시뮬레이션과 검증 단계에서는 AI 애플리케이션의 정확도, 일반화, 편향 가능성을 테스트합니다. 마지막으로, 데이터센터 또는 창고, 무선기지국 등 엣지 환경의 수많은 컴퓨터를 조율하는 부분도 있습니다. 엔비디아는 이러한 엔드 투 엔드 머신러닝에 필요한 칩, 시스템, 라이브러리를 포함한 NVIDIA AI 플랫폼을 제공합니다. 업계에서 널리 사용되는 모든 툴과 워크플로우에 통합되어 있고, 기업들과 7.500개 이상의 AI 스타트업들이 사용하는 모든 클라우드에서 제공되고 있습니다.

또한, 엔비디아는 AI의 대중화를 위해 엔터프라이즈 고객이 AI 컴퓨팅 인프라를 쉽게 구축하도록 지원하는 EGX Enterprise 플랫폼을 지원합니다. 전 세계 엔터프라이즈의 70%는 VMware이며, EGX 플랫폼을 통해 NVIDIA AI는 모두 VMware에서 실행됩니다. AI 애플리케이션은 VMware Tanzu에서 실행되는 쿠바네티스로 배포 및 조율할 수 있습니다. 추가적으로, 엔터프라이즈 기업들의 병원, 생산시설, 창고 등 엣지 환경에서의 AI 운영을 위한 5G와 AI를 결합한 플랫폼도 제공합니다.

⑤ AI 사전 학습 모델, 고객별 최적화

딥러닝은 컴퓨팅 분야에 혁신을 가져왔습니다. 연구자들은 새로운 모델과 버전으로 혁신하고 있습니다. AI에 대한 기본연구를 수행하고, 새로운 AI 서비스 개발을 지원하는 사전 학습된 모델이 제공됩니다. 엔비디아는 DLSS(딥러닝 슈퍼 샘플링), StyleGAN(AI 고해상도 이미지 생성기), GANcraft(Minecraft를 실감나는 3D로 변환하는 신경 렌더링 엔진), GANverse3D(사진을 움직일 수 있는 3D모델로 변환), Face Vid2Vid(머리와 눈의 포즈를 바꾸면서 스트리밍 대여폭을 10배 줄일 수 있는 렌더링 엔진), BioMegatron(생물의학 언어모델) 등의 사전 학습된 모델을 제공하며, 수정이 가능한 오픈소스 애플리케이션입니다.

더 중요한 것은, 사전 학습된 모델을 자신의 데이터와 애플리케이션에 맞춰 파인튜닝할 수 있는 TAO(Train, Adapt, Optimize) 기술을 제공합니다. 뛰어난 연합학습 시스템을 갖추고 있어, 개인정보를 보호하면서도 여러 주체가 모델을 함께 훈련시킬 수 있습니다. 개인정보보호를 위해 데이터는 별도로 유지할 수 있습니다. 또한, 클라우드 네이티브 플랫폼인 Fleet Command를 제공하여, 분산된 다수의 컴퓨터에서 AI를 안전하게 구동하고 조율할 수 있습니다. 즉, 고객은 TAO를 통해 사전학습 모델을 자신의 데이터에 맞게 조정 및 최적화하고, Fleet Command로 쉽게 애플리케이션을 배포 및 조율할 수 있습니다.

엔비디아는 음성인식, 언어이해, 번역, 음성을 위한 대화형 AI Jarvis를 제공합니다. TAO를 활용하여 헬스케어 등 분야별 전문용어로 맞춤화가 가능하며, 감정표현 및 인터렉티브 반응이 가능합니다. 미국 대형통신사 T-Mobile은 초기 고객 중의 하나입니다. 추천 시스템은 과거의 인터렉션, 명시적 선호도, 학습된 선호도 등을 바탕으로 고객의 필요와 기호를 예측하는데, 엔비디아는 오픈소스 추천 시스템인 Merlin을 제공합니다. 또한, 누구나 멋진 화상회의를 경험할 수 있도록 하는 AI 기술인 MAXINE을 제공합니다. Jarvis와 결합해 정확한 음성 텍스트 변환 기능을 제공하고, 다양한 번역으로 국제 회의도 가능합니다. 이 모든 것은 동시에, 모두 실시간으로 실행될 수 있습니다.

⑥ AI 보안 플랫폼 (엔비디아 Morpheus)

마이크로서비스 기반 애플리케이션과 하이브리드 클라우드가 등장하면서, 데이터센터 내 수십억 개의 연결망은 공격에 노출되었습니다. Zero-Trust 보안 모델은 침입자가 이미 내부에 있다고 가정하고, 모든 컨테이너간 통신 및 같은 노드에서도 검사하도록 되어 있습니다. 엔비디아는 모든 패킷을 실시간 검사하고, 자동 인식하여 보호하는 데이터센터 AI 보안 플랫폼인 Morpheus를 제공합니다. 패턴 매칭에 국한된 것이 아니라 심층신경망을 사용하여, 정적 규칙을 넘어 패턴을 일반화하고 파악하도록 훈련되었습니다.

메타버스 시대, 3D 가상세계를 통한 협업과 시뮬레이션

공상과학소설에나 나올법한 메타버스는 90년대 초 Neal Stephenson이 발표한 소설 "스노우 크래쉬"에서 처음 등장했습니다. 메타버스 초기 비전은 이미 실현되었습니다, Fortnite와 같은 대규모 소셜 게임이나 Minecraft 등 사용자 제작 가상세계가 이에 해당됩니다. 원격 작업이 뉴노멀(new normal)이 되면서, 과학/산업계에서는 메타버스라는 가상공간을 통해 협업의 가능성을 찾고 있습니다.

엔비디아는 물리적 기반의 3D 공유 가상공간, 옴니버스(Omniverse)를 발표했습니다. 다양한 3D 전문가들이 가상공간에서 실시간 협업할 수 있는 기술 플랫폼으로, 가상세계에서 현실과 같은 작업을 할 수 있게 됩니다. 특히, Omniverse는 실제 현실공간에서 이뤄지는 물리 법칙들을 그대로 구현하기 때문에 촛불을 켰을 때의 그림자까지도 실제와 똑같이 구현됩니다. 모든 입자, 유체, 머티리얼, 스프링, 케이블 등의 물리적 현상들을 100% 시뮬레이션할 수 있습니다. Omniverse는 클라우드 네이티브에, 멀티 GPU로 확장 가능하며, 어떤 RTX GPU 플랫폼에서든 사용 가능하고, 어떤 디바이스로든 스트리밍 됩니다.

NVIDIA Omniverse (출처: 엔비디아 GTC^[1])

크리에이터들은 Omniverse를 적극 활용하고 있습니다. Foster and Partners는 세계 17개 지역의 디자이너들이 Omniverse로 공유한 가상 공간에서 건축 프로젝트를 함께 진행하고 있습니다. 전 세계 어디서든 동시에 3D 작업에 대한 협업이 가능하며, 설계한 건축물이 실제로 현실에서 제대로 구현될 지, 지진이나 화재 등의 재해상황에서 얼마나 견딜지 등의 다양한 시뮬레이션이 가능합니다. Bentley는 세계적인 인프라 엔지니어링 소프트웨어 기업으로, 전세계 250대 엔지니어링 기업 중 90%가 인프라 설계, 모델링, 시뮬레이션을 위해 해당 소프트웨어를 사용합니다. 그 중 iTwin은 시공 후 3D 모델링을 통해 인프라의 수명 전반에 걸쳐 성능을 모니터링, 최적화하는 기술로, Omniverse 내 인프라 디지털 트윈을 만들어 적용할 계획입니다. Twin Earth는 지구의 디지털 트윈을 만드는 작업을 하고 있으며, Activision은 Omniverse를 통해 10만 개 이상의 3D 에셋을 모아 한 공간에서 검색, 공유하고 있습니다. 광고나 영화를 촬영하는 방식도 완전히 바뀔 수 있습니다. 세계 최대의 마케팅 기업인 WPP는 100억 개 이상의 광고 촬영 포인트들을 캡처해 Omniverse 내 가상공간을 만든 뒤, 그 안에서 실제 장소처럼 가상으로 촬영하고 있습니다. 해당 광고 작업에 필요한 아티스트들은 한 장소에 모일 필요가 없이 Omniverse에 접속해 서로 커뮤니케이션하면서 같은 장면을 함께 작업할 수 있습니다.

하지만, 이보다 더 큰 변화는 Omniverse가 인공지능 및 로봇과 결합되어 일반 생산공장을 가상공간에 똑같이 구현할 때 발생합니다. 가상공간에는 단순히 공장 내부공간과 기계장치 배치뿐만 아니라 거기서 일하는 사람들의 행동패턴을 모니터링 하여 시뮬레이션 할 수 있습니다. 공장 내 기계들의 행태와 각종 재료들의 배합과 그에 따른 결과들도 시뮬레이션할 수 있어, 공장 배치 등 제조업의 노하우가 불과 몇 시간 안에 구현될 수 있습니다. 또한, 공장의 단순작업 로봇이 아닌 작업자들과 함께 일하는 로봇들이 작동할 때 발생할 수 있는 다양한 상황들도 미리 시뮬레이션한 뒤 그 내용을 로봇에 입력하면, 그 로봇은 마치 그 공장에서 수십 년 이상 일한 숙련공보다 더 능숙하게 일할 수 있습니다. ^[5] BMW는 전세계 15개국 31개 공장과 거기에서 일하는 5.7만 명의 직원 및 내부 상황들을 Omniverse의 가상공장으로 구현했습니다. 완전히 디지털 설계되어, 모든 것이 Omniverse에서 시뮬레이션 되며, 디지털 트윈을 만들어 로봇과 인간이 함께 일하는 공장을 실현했습니다. BMW는 새로운 모델 출시에 맞춰 공장을 주기적으로 다시 컨피그레션하는데, 플래닝 전문가들은 Omniverse를 통해 새로운 라인 설계에 대한 테스트 및 최적화가 가능합니다. 또한, 가상공장 안에서 실제 공장에서 사용하는 AI와 소프트웨어를 100% 동일한 환경으로 구성해 로봇을 사전 조종해보고, 작업자들의 교육에 활용할 수 있습니다. BMW는 생산공장 디지털 트윈으로 플래닝 시간을 단축하고, 유연성과 정밀도를 개선하는 등 미래형 공장을 위한 혁신을 이루어 가고 있습니다.

모빌리티 미래, 자율주행의 혁신

자동차 산업은 기술입니다. 미래의 자동차는 프로그램 가능한 컴퓨터가 되고, 비즈니스 모델도 소프트웨어 중심이 될 것입니다. 자동차 회사들은 차량 수명기간 동안 소프트웨어 서비스를 제공하게 될 것입니다. 새로운 IT 리더들은 자동차가 단순히 판매하는 제품이 아니라, 수천만 또는 수억 개의 소프트웨어가 설치되어, 다양한 서비스와 기회를 창출할 것으로 기대합니다. 대형 글로벌 기업에게는 엄청난 기회가 있으며, 1단계는 전기 자동차입니다. 기업들은 자율주행, 프로그램 가능한 신차 등을 개발하고 있습니다. 자율주행 자동차는 머신러닝과 로보틱스의 가장 집약적인 분야로, 어렵지만 임팩트가 매우 큽니다. 엔비디아는 10조 달러 규모에 달하는 운송 업계를 위해 모듈식 엔드-투-엔드 자율주행 플랫폼인 DRIVE AV(Autonomous Vehicles)를 구축하여 각 고객 및 파트너가 필요에 따라 모듈을 활용할 수 있도록 지원하고 있습니다.

자율주행 알고리즘은 더 정교해지고 컴퓨팅 수요도 커집니다. 연산능력이 늘어나면, 반복작업과 시장출시 속도가 빨라집니다. 이를 위한 엔비디아의 자율주행 컴퓨팅 SoC(System on Chip) Orin은 차량의 중앙컴퓨터로 설계되어, 한 대의 중앙컴퓨터에서 클러스터, 인포테인먼트, 승객 인터렉션 AI, 그리고 매우 중요한 컨피던스 뷰를 처리합니다. 컨피던스 뷰는 차량이 주변 상황을 실제로 인식하여 3D 서라운드 모델로 구성하는 것으로, 오토파일럿 AI의 핵심입니다. 차량이 자신의 서라운드를 정확히 인식한다는 것을 보여줄 때 자율주행 기능을 믿을 수 있게 됩니다. 볼보 등 많은 자동차 회사들이 Orin을 도입해서, AV 개발 플랫폼 전체를 활용하는데 상당한 도움을 받고 있습니다. 또한, 엔비디아는 수조 달러의 교통 생태계를 위한 기능적이고 실제 적용 가능한 AV 오픈 플랫폼인 Hyperion 자동차 플랫폼도 소개했습니다. 참조 센서, AV, 중앙 컴퓨터, 3D 실측자료 데이터 레코더, 네트워킹을 비롯한 필수 소프트웨어 전체가 포함되어 있으며, DRVIE AV 스택과 호환이 가능하여 쉽게 도입 및 통합할 수 있습니다.

마지막으로 자율주행 혁신을 위한 디지털 트윈입니다. 작업, 로봇, 그리고 물리적 세계와 인터렉션하는 AI 개발자에게 물리적 기반의 시뮬레이터인 디지털 트윈을 확보하는 것은 매우 중요합니다. Omniverse가 자동차 제조 공장의 디지털 트윈을 만드는 것처럼, DRIVE를 위한 디지털 트윈을 생성할 수 있습니다. DRIVE 디지털 트윈은 각 차량이 연결되어 있는 가상의 공간을 말합니다. HD맵 재구성, 합성 데이터 생성, 새로운 모델 훈련, 시나리오 시뮬레이션, HIL(Hardware-In-the-Loop) 시뮬레이션*, 차량이 경험한 낯선 시나리오를 다시 재생하기 위한 릴리즈 검증, 원격 파일럿을 위한 원격 조종장치를 차량에 업링크할 수 있습니다. 엔비디아는 DRIVE 디지털 트윈을 위한 엔진인 DRIVE Sim을 제공하며, 이는 자율주행 자동차 개발 공정 전반에 활용될 수 있습니다.

NVIDIA DRIVE Digital Twin in Omniverse (출처: 엔비디아 GTC^[1])

* HIL 시뮬레이션: 다양한 기능 검증을 위해 실제 차량과 동일한 시제품을 만드는 대신 테스트가 필요한 일부 파트를 HIL 시뮬레이션 장비와 연결해 가상 환경에서 실제 운행과 같은 조건으로 테스트 한다.

GPU가 이끄는 미래

AI 채택이 증가함에 따라, 머신러닝(ML), 딥러닝(DL) 및 데이터 분석이 제기하는 문제를 해결할 수 있는 컴퓨팅 및 스토리지 성능이 필요해졌습니다. 기업은 머신러닝 및 딥러닝에 GPU를 사용하게 되었고, GPU를 통한 방대한 컴퓨팅 성능을 통해 기업은 대규모 데이터셋에서 매우 유용하고 가치있는 비즈니스 인텔리전스를 놀라운 정확성과 속도로 얻을 수 있게 되었습니다. 전 세계는 GPU라는 가속 컴퓨팅 기술을 기반으로 인공지능의 범위를 확장하고, 세상을 변화시킬 준비를 하고 있습니다. 인공지능을 통해 언어의 이해, 신약 개발, 양자 컴퓨팅 등 다양한 분야의 혁신이 가능해지고 있으며, 이를 위한 딥러닝 전용 슈퍼 컴퓨터가 등장하고, AI 모델 대규모 훈련을 위한 프레임워크 및 신약 탐색과 양자컴퓨팅 등을 가속화할 수 있는 라이브러리와 대화형 AI, 추천시스템 등의 다양한 사전학습 모델들을 제공하여 AI 발전을 가속화하고 있습니다. AI와 5G는 4차 산업혁명의 원동력이 되어, 세계 어느 곳이라도 자동화 시스템과 로봇을 배포할 수 있도록 엔터프라이즈와 엣지를 위한 AI 컴퓨팅 플랫폼으로 확대되고 있습니다. 모든 기업과 산업에서의 AI에 대한 접근성이 높아질 것입니다.

그리고, 또 하나의 세계, 메타버스, 3D 공간을 연결하는 가상세계를 공유하여 협업을 가능하게 합니다. 이는 현실 세계의 디지털 트윈으로 발전합니다. 컴퓨터 그래픽의 핵심은 시뮬레이션입니다. 수학과 컴퓨터 사이언스를 활용해 빛과 물체의 상호작용, 오브젝트, 입자, 파동의 물리적 특성, 이제는 지능과 애니메이션까지 시뮬레이션합니다. 3D 공간을 연결하고 시뮬레이션할 수 있는 가상의 세계는 로봇과 업그레이드된 자율주행을 위한 AI의 새로운 변화를 가능하게 할 것입니다.


References
[1] https://www.nvidia.com/ko-kr/gtc/keynote/
[2] http://www.aitimes.com/news/articleView.html?idxno=131512
[3] https://blog.naver.com/skkim12345/222121865498
[4] https://post.naver.com/viewer/postView.nhn?volumeNo=28966636&memberNo=21396082&vType=VERTICAL
[5] https://blog.naver.com/hardark/222326135137



▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.