[fn FORUM] AI 가장 잘 활용하는 반도체 회사는 삼성???

파이낸셜뉴스 tvfn
40 팔로워
#ai #삼성전자 #반도체
[파이낸셜뉴스] "삼성전자가 전 세계 반도체 업체 중에서 가장 인공지능(AI)을 잘 활용하는 기업이 되겠다는 비전을 가지고 연구개발(R&D)을 하고 있다."
23일 파이낸셜뉴스와 과학기술정보통신부 공동 주최로 서울 여의도 콘래드호텔에서 열린 'AI월드 2023'에서 'AI 전환의 도전과 기회' 주제로 강연에 나선 최창규 삼성전자 SAIT AI연구센터장(부사장)은 연구개발 과정에서 AI 활용 중요성을 강조하며 이 같이 말했다.
[음악]
네 안녕하십니까 삼성자 세이트
최창규입니다 예 저는 학력 경력은
간단합니다 한학교 10년 이상
다녔고요 회사 25년째 다니고
있습니다 어 세트는 연구소이 그리고
제가 멀티미디어 소프트웨어 솔루션
컴퓨터 비전 그다음에 AI 반도체
같은 컴퓨팅 플랫폼까지
하면서 회사가 경쟁력을 가지려면 무엇
해야 하는가에 대해서 배웠고 오늘
제가 말씀드린 내용 그래서 연구소
입장에서 어 회사가 이렇게 변모하고
이런 경쟁력을 갖춰야 되겠다라는
얘기를 좀
말씀드리겠습니다 제가 말씀드리는
내용은 어 사업부의 어떤 그런 본인
자신의 사업부나 회사 전체의 입장을
대변하지는
않습니다 저희 그 반도체 부문의 비전
동영상 먼저 잠깐
보시겠습니다 혹시 그런 말 들어본
적이
있어 쓸데없는 짓 좀 하지
마 똑바로
못해 정신
차려 안 되는 건 안 되는
거야 이런 말들이 아마 비난처럼
들리겠지만 아니야
[음악]
칭찬이야 당신의 상상력과 용기가
적어도 그들보다는 더 뛰어나다는
뜻이니까
그런 이들에게 본때를 보여주는 방법은
단
[음악]
하나 상상하기를 멈추지
[음악]
않는것 세상을 바꾼
말는
우의 반도체 기술도 절대 포기하지
[음악]
않을테니까 상상을 멈추지 않는 세상의
모든
이들에게 첫 번째로 말씀드릴게 아까
그래서 그 회사가 앞으로 어떤 식으로
변모를 해가야 하느냐 는 말로 AI
트랜스포메이션이란 말을 선택했습니다
디지털 트랜스포메이션이 하는 말은
아마 다들 잘 알고 계실 텐데요
어 시장 환경의 변화 외부 환경의
변화에 따라서 엔터프라이즈가 어려 어
자하게 대응하려면 내부 구조를 어떻게
바꾸고 운영해야 되느냐 디지털 기술
it 기술을 쓰 자라고 하는 것이
디지털
트랜스포메이션이 거기에 더 나아가서
데이터를 포함해서 AI 아지 정말 잘
활용할 수 있는
회사로 변모하고 하는 이야기가
되겠습니다이 책이 나온지가 벌써 어
23년이 됐더라고요 2001년도에
나온 책입니다 굿투 그레이라고 하는
책에서 짐 콜린스가 얘기한이 책의 첫
번째 문장입니다
적당히 괜찮기 때문에 위대하게 되기를
포기한다는 것이죠 우리 현재 사회가
겪고 있는 많은 부분에 많은 기관들
또는 학교 똑같은 상황이라고
생각합니다 우리는 지금 어 오늘 이
워크샵의 주제인 어 리셋 모먼트 저는
그동안 트랜스포머티브 트라고
불러왔는데요 시범할 만한 이야기라고
생각을
합니다 또 하나 우리가 여태까지
리더십에 대해서 이런 식의 이야기들을
해왔습니다 아 맨 위에 옥스포드
딕셔너리를 보시면 리더십에 대해서
리딩하는 액션이라고 되어 있고요
캠브리지 딕셔너리 두 번째 줄을
보시면 리더가 가져야 할 특성
스틱이라고 얘기하고 하고 있습니다
근데 여전히 우리는 팔로워라 말들을
많이 쓰고 있죠 저 밑에 하버드
비즈니스 리뷰에 있는 말을 보시면
심지어는 리더가이 팔로워들을 어떻게
활용할지를 알아야 된다라는 말로까
표현을 하고 있습니다 하지만 실제로
우리한테 필요한 거는 저런 모델이
아니죠 우린 지금 꽤 좋게 잘 살고
있는 나라이고 그런 회사들도 많이
가지고 있습니다 우리에게 필요한 거는
그런 리더가 아니라
그런 위대함을 이룰 수 있는
능력을 조직 내부와 그 조직 내부에
사람과 일하는 방식에 내지는 방식으로
변하는 거이 요지가 이제 제가 아까
말씀드렸던 AI 트랜스폼의 요지가
되겠습니다 그런 상황에서 지금
LM이나 파운데이션 모델을 쓴다고
하는게 굉장히 어 중요하고 모든
사람들의 관심사가 되고 있습니다
하지만 여러 가지 문제점들도 많이
있죠 실제로 우리가이 그 걸 쓰려면
오픈 AI 또는 구글과 같은 회사가
가지고 있는 굉장히 큰 모델을 써야
되는데 왼쪽 아래에서 보시는 것처럼
이것들을 한계 회사가 트레이닝 시키고
계속 업데이트하는데는 비용이 워낙
막대하기 때문에 실제로 지금 앞서서
발표해 주신 어 LG SK 텔레콤은
이걸 하겠다고 말씀하신 겁니다만
굉장히 많은 회사가 이걸 정말 해야
돼라는 고민들을 가지고 있습니다
하지만이 오른쪽 아래에이
리테이션이라고 적어놓은 걸 보시면
점점더 고민이 좀 가중될 수밖에 없는
상황이 생기는데요 예를
들어서인 포트라고 하는 거는 내가
하는 일에 대해서 외부의 솔루션을
갖다 쓰는게 정말로 충분한 경쟁력을
갖추 도움이 될까 하는 질문을 해보게
되는 거죠
그리고 내 데이터를 남을 하면서 그걸
학습을 시켜가면서 해야 될 필요가
있을까 데이터를 주면이 회사는 다
끝장나는 거 아닌가라는 고민이
있고요이 라고 하는 건 예를 들어서
이런 겁니다 지금은 저 사람이 나한테
10원을 들여서 내가 10원을 주면
해주겠다고 했는데 내가 저 회사의
기술에 종적이 되는 순간 천원 만
원을 달라고 하면 어떻게 해야
되지라는 문제가 생기고요 마지막으로
어 나에게 맞는 적절한 그 내 제품이
나오는 시점에서 적절한 그런 서포트를
타임리 받을 수 있느냐 이런 여러가지
문제 때문에 이러지도 못하고 저러지도
못하는 상황이
되는데 제가 볼 때 정말로 중요한
거는 각자가 스스로 가지고 있는
데이터를 얼마나 잘 활용하느냐에 달려
있다고 생각합니다 정말로 모든 사람이
모든 회사가 가지고 있는 거는 자기
비즈니스에 자기 엔터프라이즈에 가지고
있는 자기만의 데이터이고 현재 가지고
있는 데이터가 중요한게 아니라 당장
지금 오늘부터 어떤 데이터를 만들면
10년 후에 지금보다 더
위대해질라는 생각을 가지고 접근을
해야 되는 것이고요 그런 면에서
반도체 같은 경우에는 이제 X
축으로 축으로 팩트라고 하는 측면에서
어떤 기술부터 먼저 손 손을 대면
좋을지에 대한 것들을 컨설팅 폼 하고
생각을 좀 해본 거고요 그래서 실제로
어빌리티는 기술 구현 가능성을
이야기하는 거고 임팩트는 회사에
얼마나 도움이 되느냐를 이야기를
합니다 우상단 좌상단에 가는 패스를
통해서 내가 가진 데이터를 얼마나 잘
쓰면 우리 회사가 더 좋아질지 그런
고민들을 하는 것이 훨씬 더 중요한
그런 리셋 트라고 생각 합니다 그래서
저희는 세이트 그래는 아래와 같은
오케스트레이션 모델을 생각을 하고
있습니다 왼쪽에 아래에 있는이 수많은
데이터들 아까 아 SK 텔레콤의
김지원 님께서 말씀해 주셨는데 l&m
종류는음 세 가지가 있습니다 제너럴이
있고 컨버세이션 있고 아까 버티컬
있다고 얘기를 해 주셨는데 저희는
전문 영역에 특화된 버티컬 한
파운데이션 모델 개발을 어
중장기적으로 추진하겠다는 것이고요
그래서 반도체 부문이 그동안 디램과
플래시를 만들면서 쌓아온 수많은 그런
리지를 파운데이션 모델에 학습을
시키고 사람은이 파운데이션 모델을
가지고 실시간 데이터와 그다음에 특정
일에 어 특화되어 있는 AI
오케스트레이션 하면서 라든지 r&d
하는 모델 이런 것들을 추진하는 거를
지금 진행하고
있습니다음 GPT 대한 의미를 좀
많이 말씀해주셨는데요 저도 비슷한
생각을 좀 가지고 있어서 과연 그러면
여태까지 우리가 알고 있는 채치
뷰티는 뭐 하는
놈이냐라고 할 때 앞에 잘 설명해
주셨습니다 넥스트 토큰 프리딕션 다음
단어가 뭘지 잘 예측하도록 하는
것이고 그다음에 아까 1 2 3등
순서를 먹여서 계속 학습하도록 한다고
했죠 그러니까 인간이 언어를 활용하는
의도와 가치에 맞도록 대답을 달하도록
훈련시키는 두 가지를 했습니다 말을
잘해 봐라고 했는데 근데 그 말에
정보가 담겨 있다고 하는게 굉장히
놀라운 발견입니다 AI 하면서 계속
이런 문제를 풀자 저런 문제를 풀자
문제가 수백가지가 있었는데이 간단한
프 포뮬레이션으로 그 문제가 다
풀렸다는 거죠 근데 문제는 의도하지
않게 이런 놀라운 발견을 하게 됐고
이런 LM 우리가 쓰게 된 거는
좋은데 근데 할루시네이션 현상이라고
하는게 생겼다는 겁니다 이거는 뭐
어쩔 수가 없는 거죠 원래 오브젝티브
말을 잘해 봐라고 했는데 네가 하는
말이 거짓말이야 이런 거를 거짓말을
구별하도록 훈련시키지 않았거든요 아래
그림을 보시면 왜 직소 퍼즈를 갖고
왔을까이 넥스트 토큰 프리딕션이라고
하는 거 빈칸의 난말 체육이나 다음
단어가 모아와 하는 거는 저 퍼즐에서
모양을 가지고 퍼즐을 맞춰 나가는
거하고 똑같고요 말을 다 만들고
났더니 거기에 세대 세개 지도가
생겼어 또는 뭐 아프리카 지도가
생겼어라고 하는 거가 그 내용상의
문제 문제가 되는 겁니다 우리가
얘한테 시킨 건 왼쪽 일을 시킨
거고요 우리가 결과적으로 보는 건
그림이 틀렸다고 얘기하는게 이제
할루시네이션 있데이 부분은 뭐 충분히
뭐 극복할 수 있는 방법이 있고
앞으로 잘 해 나갈 거라고 생각을
합니다 그러면 어 GPT 4라고 하는
거는 텍스트 이외에 어 그림도 같이
다룰 수 있다고 하는 능력이 있다고
해서 테스트를 좀
해봤는데요이 책은 어 사람은 어떻게
생각하고 배우고 기억하는가는 책에
나오는 한 문장입니다이 문장이 어떤
상황을 묘사하고 있는지를 좀 보시면
실제로 여기 파란색으로 되어 있는이
단어들이 중의적인 의미를 갖고 있기
때문에 이렇게도 해석되기도 하고 뭐
저렇게 해석되기도 합니다 caren
is sitting in her
room Writing some
notes 아고 하면이 노스는
[음악]
메모일기 플레이라고 하는 거는 카드
게임일 수도 있지만
연주일상 it 끼고 있는 다이아먼드
링을 어 어 이야기하는 거일 수도
있고요 스코어는 점수이기 하겠지만
악보이 합니다 퍼포먼스는 뭐 연주를
뜻하기도 하고 마지막에 나타난 점수를
보자고 하는 얘기가 되기도 하죠 카드
게임으로 해석을 할 수도 있고요
그다음에 세 사람이 모여서 연주를
하는 걸로도 어 해석을 할 수가
있습니다 그래서 이거를 GPT 4한
문장도 넣어 주고이 그림도 넣어서 뭐
하는 거 같아라고
물어봤습니다 왼쪽으로도 한번 물어보고
오른쪽으로도 한번 물어봤죠 그랬더니
해석을 좀 더 잘해 줍니다 카드 하는
그림을 같이 넣어서 똑같은 문장을
집어 넣어 줬을 때 게임을 한다거나
게임의 템포가 발라 빨라졌다 그나 뭐
카드 패 또는 뭐 자신들의 성적 이런
걸 하는데 어 그다음에 연주하는
그림을 같이 넣어 줬을 때에는 이제
연주의 템포가 빨라진다거나 뭐 연주를
시작한다거나 무엇을 연주할지 이런
이야기들을 하는데 여전히 전체
콘텍스트를 맞춰서 어 얘기를 하고
있지 못하고 있습니다 그러니까
빨간색으로 된 부분들이 여전히
해석상의 오류가 있다고 보여지는
부분을 제가 언더라인을 한 거고요
노트는 여전히 메모로 스코어는 여전히
둘 다 점수로만 번역하는 어
이런 영양상의 문제가 아직은 있어
보인다라는 거고요 달리 3가 어 가장
그림을 잘 그려 주는 녀석인데이
녀석한테 그림을 그려 주라고 여러번
시켜봤지만 만 얘는 카드 게임을 하는
그림으로만 어 계속 영상 생성을 해
주고 실제로 어떤 연주를 하는 그런
영상 생성은 어 제가 시도한 발로는
없습니다 이거는 아마 명시적으로
카드라는 단어가 들어가고 스라는
단어가 있었기 때문에 그런 중의적인
해석을 사람보다 좀 더 못 하는 거
아니냐 이런 생각이 드는데 어 영어
하시는
원어민들 몇 분 어 개인적인 의견을
들어봤을 때 그분들의 의견은 본인은
훨씬 더 연주하는 쪽에 해석에
가깝다라는 의견을 줬는데 왜냐하면 그
대답 답변에 대한 의견 중에 하나는
주말에 매주에 매주 주말 세 명이
모여서 카드 치는게 뭐가 그렇게
재밌냐 또 다른 컨텍스트가
네이티브들이 거죠 그런 부분들까지 잘
담아낼 수 있는 그런 l&m
파운데이션 모델은 어 앞으로 더
개발할 필요성이 있고 저희도 이런
쪽을 어 또 보완하는 쪽으로 &를
진행하고 있습니다 그래서 앞서서
lnm이라고 하는게 뭐냐 플루언시
있다고 말씀드렸죠 말 자하게 시킨
놈이다 하지만이 녀석을 지금 앞서서
그런 중의적인 단어가 섞인 문장을
가지고 말씀드렸다시피 어떤
릴레이션십을 잘 파악할 수 있는 능력
그리고 그 리에이션뿐만 아니라 원인과
결과라고 하는 인과 관계를 잘 파악할
수 있는 능력으로 더 발전할 여지가
있다 그리고 그래야만 앞서 말씀드린
세 가지 종류의 LM 제럴 버티컬
중에서 특히 버티컬 쪽에 전문 영역에
반도체 개발을 하 또는 아까 텔코
비즈니스를 하는데 도움이 되는
부분들은 이런 능력까지 더 갖출
필요가 있다고 생각을 하고요 그런 걸
하려면 이제 사람의 실제 지능이 하는
그런 단계와 비교를 했을 때 어떤
능력이 지금 부족하냐라고 하면이
시뮬레이션이라고 하는
부분이
부족합니다이 이라고 하는 단어로도
쓰기도 하는데 만약에 이랬다면
어땠을까라는 걸 상상할 수 있는
능력이 얘한테는 아직 별로 없다는
거죠 그리고 그런 와이프 시뮬레이션을
하려면 제너러티브 모델은 미래를
제너레이션 할 수 있는 어빌리티를
가지고 시뮬레이션을 해야 되는 그런
부분이 필요하게 될 거라고 생각합니다
그래서 저희가 가지고 있는 문제는
반도체는 맨 아래 보시는 것처럼
멀티모델 데이터 테러 데이터라고 하는
거를 엄청나게 많은 양을 가지고
있습니다이 테이블에 의라 아이디는
웨이퍼 여러 개를 가지고 돌리는 전체
배치 사이즈를 이야기한 아이디를
얘기하는 거고요 웨이퍼 아이디는 몇
번째 아이디인 웨이퍼 있지 그다음에
이큐먼트 아이디는 어떤 설비를 썼는지
챔버 아이디는 설비 안에 몇 번째
방인지 ppi 어떤 프로세스를
돌렸는지에 따라서 각 설비가 프로세싱
하는 동안에 내뱉는 데이터 센서
데이터 스펙트럼 데이터 계측 데이터
그다음에 다 만든 다음에 웨이퍼 맵에
어디에 디이 있는지 없는지를 표시하는
저 데이터가 엄청나게 많이 있고요 저
데이터가 앞서 말씀드린 것처럼 텍스트
이외
그림과 또 신호의 정보를 가지고 있는
멀티모델 데이터가 되겠습니다 이걸
가지고 실제로 우리는 뭘 알고 싶은
거냐면이 안에서 어떤 케미컬 리액션이
생기는지 그래서 어떤 피직스
프로퍼티가 달라지는지를 알고 싶은
거죠 그래서이 많은 데이터를 가지고
멀티모델 파운데이션 모델을
개발해서 결과 도메인 난리를 결합을
해서 이걸 얼마나 잘 해 내느냐가
저희가 가지고 있는 위대함으로 가는데
있어서의 챌린지라고 어
봅니다 그리고 소재 개발은 간단하게
말씀드리겠습니다 저희가 지금은 어
OLED qd 삼성 디스플레이가
올레드 디스플레이 그다음에 qd
디스플레이 저희 vd 사업 부가을
텔레비전으로 만들어서 생산하고 있죠
거기에서 발광 소재를 개발하는게
저희가 AI 적용을 해오고 있었고요
AI 어떻게 적용하는지 간단하게 좀
설명을
드리면이 밑에 케미칼 신세스 밑에
그림을 그려놨는데 몰레 디자인하고
propy prediction
그다음에 티스
리시스이 세 가지를 얼마나 많이 빨리
반복적으로 이터레이션을 하느냐가 소재
개발에 있어서의 키가 됩니다 AI
쓰는 거는 가운데부터 시작을 합니다
퍼티 딕션은 우리가 여태까지 알고
있는 소재 분자들이 많이 있죠 그리고
실험을 통해서이 소재 분자가 어떤
물리적인 특성 물성을 나타내는지를
알고 있습니다 인풋 아웃풋을 알고
있으니까 AI 모델을 학습시킬 수
있겠죠 그러고 나면 이제
몰레큘러 디자인은 프로퍼티 프리딕션
정확히 반대입니다 이러 이런 물성이
가진 몰리큘 만들어 줘라고 입력으로
물성을 집어넣으면 분자 구조를
뱉어내는 놈을 만들어 주는 건데 이런
어 프로퍼티 프리딕션 같은 걸 만들어
놓으면 이런 인버스를 만들어내는
방법은 굉장히 많이 알려져 있습니다
그래서 AI 가지고 이런 특성을
가지는 어떤 스펙트럼을
어에 몇나노 대역에 발광을 하는
천시간 이상이 가는 그런 올레드
도트를 만들어 줘라고 하면 그러면
그런 분자를 내뱉는 거고요 그러면
그렇게 내뱉은 분자가 물성이 진짜로
내가 시킨 대로 잘 나오 은지를 다시
한번 AI 예측을 하고 스크리닝을
통해서 맨 오른쪽에 실험을 해고
실험에 대한 분석을 한 결과를 가지고
다시 앞에 있는 큘 디자인과 프로퍼티
프리딕션 두 개를 AI 모델을 또
바꾸고요 이거를 얼마나 빨리 자주
하느냐 그래서이 왼쪽 두 개는 저희가
AI 방법을 쓰고 있고요 오른쪽 두
개는 저희가 로봇으로 머신을
만들었습니다 어 우리나라는 어 해시
오래 일하면 안 되죠 신 합성을 할
수 있도록 하는 로봇을 만들어서
그러면 이제 AI 로봇이 그 아까
말씀드린 세 가지 프로세스를
반복하면서 점점 더 좋은 물성을 가진
소재를 만들어 낼 수 어 있게 됩니다
예 이러한 방식으로 어 삼성전자
세이트 n 삼성전자가 어 전 세계
반도체 회사 중에서 가장 AI 잘
활용하는 회사가 되겠다라는 그런
비전을 가지고 어 r&d 망하고
있습니다 이상 발표 마치겠습니다
