Arm DevSummit: ML 확장을 위한 도구, 표준화가 핵심

ARM, 엣지 AI 시대를 열기 위한 과제 제시: 개발 도구 표준화 및 사용성 개선 시급 ARM의 Arm DevSummit 2020에서 열린 '엣지에서의 머신러닝(Machine Learning at the Edge)' 패널 토론에서 전문가들은 엣지 및 엔드포인트에서의 머신러닝(ML) 활용 기회가 막대하지만, 이를 현실화하기 위해서는 개발 도구, 표준화, 사용성 문제를 해결해야 한다고 강조했습니다. 애플의 인터랙티브 센싱 및 ML 연구 그룹을 이끄는 Gierad Laput는 "머신러닝은 새로운 경험을 디자인하는 재료가 될 수 있다"고 말했습니다. 현재 ML은 주로 엔지니어들의 영역이지만, 새로운 경험을 꿈꾸는 모든 사람이 ML을 활용할 수 있도록 접근성을 높여야 한다는 것입니다. 그는 개발자들이 ML이라는 '재료'의 한계를 이해하고, 이를 '망치'가 아닌 '도구'로 사용하는 미래를 기대한다고 밝혔습니다. Qeexo의 CTO 겸 공동 창립자인 Chris Harrison은 AI 및 ML의 확산을 위해서는 더 많은 개발자를 끌어들이는 것이 중요하며, 이는 도구 개발에 집중함으로써 달성될 수 있다고 말했습니다. 그는 "우리는 더 나은 도구를 절실히 필요로 하며, 핵심 작업을 자동화해야 한다"고 강조했습니다. 특히 KitchenAid, 토스터, 블렌더와 같은 소비자 가전제품 제조사들은 자체 ML 팀이 없는 경우가 많기 때문에, ML의 강력한 기능을 그들의 엔지니어링 팀에게 제공할 수 있는 도구가 필요하다는 것입니다. ARM의 기술 전략 담당 시니어 디렉터인 Jon Fry 역시 ML 모델 관리 및 배포 도구, 다양한 워크스트림을 지원하는 도구 등 ML 엣지 문제를 해결하기 위한 기술적 기반이 필요하다고 덧붙였습니다. 시장을 발전시키기 위해서는 네 가지 핵심 이해관계자 그룹에 집중해야 한다고 하버드 및 구글의 Vijay Janapa Reddi 교수는 지적했습니다. 첫째, 앱 개발자들은 자신이 작성하는 시스템을 이해해야 합니다. 둘째, 기기 제조업체들은 마이크로컨트롤러와 소프트웨어 스택의 작동 방식을 효율적으로 파악해야 합니다. 그는 이 생태계가 높은 비용을 용납하지 않는다고 강조했습니다. 셋째, TensorFlow와 같은 프레임워크 개발자들은 하드웨어의 이질성을 고려하여 런타임 프레임워크를 수동으로 조정하는 부담에서 벗어나야 합니다. 넷째, ARM과 같은 IP 기업은 하드웨어 요소를 공급하지만, 파트너에게 더 나은 서비스를 제공하기 위해 사용 사례를 알아야 합니다. Reddi 교수는 이 네 그룹 모두를 발전시키기 위해서는 '측정 지표'가 필요하다고 말했습니다. 표준 벤치마크, ML 작업 정의, 전처리 방식, 타이밍 측정, 사용 데이터셋 등에 대한 합의가 이루어져야 한다는 것입니다. 그는 ML 하드웨어, 소프트웨어 및 서비스의 학습 및 추론 성능을 측정하기 위한 벤치마크를 개발하는 MLPerf와 같은 산업 그룹이 이 분야에서 변화를 만들고 있다고 언급했습니다. 그는 이 분야가 매우 이질적이기 때문에 표준 및 벤치마크는 커뮤니티 주도의 노력이어야 한다고 덧붙였습니다. 자동화 역시 중요한 요소로 꼽혔습니다. Fry는 Raspberry Pi와 같은 장치와는 다른, 더 작은 엔드포인트 장치에서 클라우드 네이티브 개발 경험을 만들기 위한 자동화가 필요하다고 말했습니다. Harrison은 업계가 가능한 한 많은 부분을 자동화해야 하며, ML 자체가 이미 "매우 지루한 데이터 작업"을 자동화해왔다고 지적했습니다. 하지만 현재는 완전히 자동화된 상태는 아니며, 모델과 결과를 최적화하기 위해 약간의 'ML 장인 정신'이 요구된다고 설명했습니다. 그는 "인간이 개입하면 머신러닝에 윤리를 적용할 수 있다"며, 더 많은 사람들을 끌어들이고 사용자 기반을 확장하기 위해 자동화가 필수적이라고 강조했습니다.