병렬계산을 통해 많은 신호들을 처리하고 학습하는 GPU

4-14 자율 주행 기술이 발달할수록 시장에서의 수요가 급증할 것이다.

자율주행을 위한 학습은 다양한 자료들을 빠른 시간에 간단히 분류해서 시뮬레이션하고 보상을 확인하는 작업을 반복해야 한다. 전체 에이전트가 하는 작업은 복잡한 일이지만, 학습 과정은 복잡하다기보다 동시에 처리할 일이 많은 상황이다. 그런 병렬 계산에 적합한 프로세서가 그래픽 프로세서로 최근에 각광을 받고 있는 것이 그래픽을 처리하기 위해 개발된 GPU이다.  

컴퓨터의 두뇌에 해당하는 CPU는 입출력장치, 기억장치, 연산장치 같은 리소스를 이용하는 중앙처리장치이다. 알고리즘에 따라 다음 행동을 결정하고 멀티태스킹을 위해 나눈 작업들에 우선순위를 지정하고 전환하며 전체를 지휘하는 역할을 수행한다.  

이에 비해 그래픽을 처리하기 위해 개발된 GPU는 모니터 화면의 각 픽셀로 이루어진 영상을 처리하는 용도로 개발되었다. 그래서 CPU에 비해 반복적이고 비슷한 대량의 연산을 병렬적으로 나누어 작업하는데 특화되어 있다. CPU가 대형 트럭이라면 GPU는 손수레가 한 부대 있는 셈이다.

 

CPU와 GPU는 서로 보완하면서 작동한다. CPU가 인간의 좌뇌처럼 사고와 논리적인 판단을 한다면, GPU는 우뇌처럼 감각을 통한 경험을 처리해서 CPU가 바른 결정을 할 수 있도록 돕니다. 자율 주행 기술이 발달할수록 처리해야 할 센서 데이터의 용량은 기하급수적으로 늘어날 것이다. 그에 비례해서 신호를 처리하고 학습하는 단순작업을 반복할 GPU에 대한 시장의 수요가 더 늘어날 것으로 예상된다. 인텔 같은 CPU 회사들보다 NVIDA 같은 GPU 회사들의 주가가 더 급상승한 데는 이유가 다 있다.