인텔-NSF, 미래 무선 네트워크를 위한 머신러닝 기술에 투자한다

▲ 코드 컴퓨팅에 관한 이미지 화면(사진=USC) ​ 인텔이 미국 전미과학재단(NSF)과 협력해 무선네트워크 프로젝트를 위한 머신러닝 기술에 향후 900만 달러를 투자한다고 'IEEE 스펙트럼'이 보도했다.   광범위한 무선 애플리케이션의 활용이 가능하도록 무선 엣지 네트워크 구축 및 운용에 필요한 분산 머신러닝 기술을 확보하겠다는 목표다. 이를 위해 인텔과 NSF는 남캘리포니아대(USC)와 UC버클리의 연합 그룹에서 추진중인 무선 네트워크 관련 머신러닝 연구 등에 투자할 계획이다. 자금은 인텔과 NSF의 '무선네트워크시스템용 머신러닝(Machine Learning for Wireless Networking Systems)' 프로젝트의 일환으로 이뤄진다. 인텔과 NSF는 USC UC버클리 그룹을 포함 총 15개 연구에 자금을 지원한다.   분산 머신러닝은 차세대 무선 네트워크의 규모와 복잡성을 다루는 데 활용된다. 인텔과 NSF는 복잡한 네트워크 구축에 필요한 새로운 알고리즘, 스킴(scheme), 통신 프로토콜을 설계할 수 있는 머신러닝을 개발하기를 기대하고 있다. USC와 UC버클리는 대규모 네트워크상에서 모든 데이터를 안전하게 관리할 수 있는 머신러닝의 구현을 위해 보다 향상된 ‘연합학습(federated learning)’의 개발에 보다 집중할 계획이다. 연합학습은 무선 네트워크상의 수억개에 달하는 단말기로부터 수집되는 데이터를 안전하게 관리할 수 있도록 지원한다. 연합학습 기술을 네트워크 엣지상에 있는 디바이스에 적용된다. 이를 통해 미래의 무선 네트워크는 각 디바이스에 있는 개인에 관한 데이터를 디바이스를 떠나지 않도록 함으로서 보안과 개인정보에 대한 우려를 불식시킬 수 있을 것으로 기대된다. 현재 정교한 연합학습 스킴은 수백명의 사용자에 제한되어 있지만, 수백만까지 확대할 필요가 있는데 이를 구현하기 위해선 아직 가야할 길이 멀다는 게 연구팀의 설명이다.   연구팀은 데이터가 생성되는 무선 엣지에 머신러닝 서비스가 근접할 수 있도록 한다는 계획이다. 이를 통해 주파수 대역 소비를 완화하고, 프라이버시를 증진하며, 지연(latency)을 줄이겠다는 것이다. 여기에 무선네트워크에 관한 머신러닝 활용의 확장성을 높이겠다는 계획이다. 연구팀은 무선 네트워크에 관한 연합 학습을 증진하기 위해 ‘코드 중심의 접근(coding-centric approach)’을 적용하기로 했다. 코드 중심의 접근은 USC와 UC버클리 연구진이 선도하고 있는 프레임워크다. 이 컨셉을 분산컴퓨팅과 머신러닝에 적용한다.

장길수  ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>