AI 연산 능력 3년 내 10배 증가, 지수적 성장 가속화

주장무스타파 술레이만은 인간이 선형적인 사고방식에 익숙해 AI의 지수적 성장세를 제대로 이해하지 못한다고 분석합니다. 그는 AI 발전이 조만간 한계에 부딪힐 것이라는 회의론자들의 예측이 틀렸음을 강조합니다.

팩트2010년부터 현재까지 프런티어 AI 모델의 학습 데이터는 1조 배 증가했습니다. 초기 시스템의 연산량은 10의 14승 플롭스였으나, 현재 가장 큰 모델은 10의 26승 플롭스를 넘어섰습니다.

팩트엔비디아 칩의 성능은 6년 만에 7배 이상 향상되었습니다. 2020년 312 테라플롭스였던 성능은 현재 2,250 테라플롭스로 급증했습니다.

팩트고대역폭 메모리인 에이치비엠쓰리(HBM3) 기술은 이전 세대보다 대역폭을 3배 늘렸습니다. 이 기술은 프로세서에 데이터를 끊김 없이 공급하여 연산 효율을 극대화합니다.

팩트2020년 8개의 그래픽 처리 장치(GPU)로 167분이 걸리던 언어 모델 학습은 현재 4분 이내에 완료됩니다. 이는 무어의 법칙이 예측한 5배 개선을 뛰어넘는 50배의 성능 향상입니다.

팩트에포크 AI의 연구에 따르면, 특정 성능 수준에 도달하기 위해 필요한 연산량은 약 8개월마다 절반으로 줄어듭니다. 이는 무어의 법칙이 제시하는 18~24개월보다 훨씬 빠른 속도입니다.

팩트2027년까지 전 세계 AI 관련 연산 능력은 1억 개의 에이치백(H100)급 장비 수준에 도달할 전망입니다. 이는 3년 만에 10배 증가하는 수치이며, 2028년 말에는 현재보다 1,000배 더 효과적인 연산이 가능해집니다.

주장술레이만은 AI가 단순한 챗봇에서 인간 수준의 자율 에이전트로 진화할 것으로 내다봅니다. 이러한 AI 에이전트는 코딩, 프로젝트 관리, 계약 협상 등 복잡한 업무를 스스로 수행합니다.

교차검증AI 발전에 대한 주요 회의론자들은 무어의 법칙 둔화, 데이터 부족, 에너지 제한 문제를 지적합니다. 술레이만은 이러한 제약 요소들이 기술적 혁신으로 극복 가능하다고 반박합니다.

교차검증AI의 막대한 에너지 소비는 여전히 큰 과제입니다. 그러나 태양광 발전 비용이 50년간 100배 하락하고 배터리 가격이 30년간 97% 하락한 점을 고려할 때, 청정 에너지로의 전환은 가능합니다.

출처테크놀로지 리뷰(Technology Review)의 보도 내용을 교차 검증했습니다.