뉴로모픽은 궁극적으로 인간의 뇌와 같은 인공지능을 추구하는 연구로서, 이를 위한 주요 원칙(principle)들 로 ① Fine-grained Parallelism, ② Event-driven computation, ③ Adaptive, self-modifying을 표방하고 있다. 이들 원칙들을 모두 만족할 수 있는 기술로서 스파이킹 뉴럴 네트워크(Spiking Neural Network: SNN) 기반의 뉴로모픽 연구가 현재 산업계, 학계 모두의 각광을 받고 있다. 본 고에서는 SNN 연구의 기본 철학, 연구 역사 및 반도체 구현 기술에 대한 소개를 시작으로 SNN 기반 뉴로모픽 연구의 난제들과 이를 해결하기 위한 방법들에 대해 설명한다. 또한, 본 고의 저자들이 지금까지 수행해온 SNN 기반 뉴로모픽 연구를 소개하고 향후 계획을 공유함으로써 SNN에 관심이 있는 연구자들과 소통하려 한다. 그리고 SNN이 궁극적으로 인공지능 반도체에서 갖는 의미에 대해서도 함께 논의해보고자 한다. I. 서론 바야흐로 인공지능(AI)의 시대이다. 알파고의 센세이션과 함께 이 새로운 시대의 장이 열 렸고, 대중의 폭발적인 관심과 학계, 산업계의 전폭적인 지지 아래 현재 인공지능은 최고의 전성기를 누리고 있다. 특히, 인공지능의 번영을 이끈 최고 주역은 딥러닝(deep learning) 이라고 하는 수학적 알고리즘과 이를 가속 처리하기 위한 딥 뉴럴 네트워크(Deep Neural Network: DNN) 하드웨어의 발전이다. 이들은 이전의 컴퓨팅 기술로는 해석할 수 없던 데이터들을 해석해주고, 오랜 시간이 걸리던 문제를 순식간에 풀어주며, 예측의 정확도를 크게 개선시키는 등 고성능 컴퓨팅의 새로운 패러다임이 되었고, 기술 기대치가 [그림 1]의 * 본 내용은 이우주 교수 (☎ 02-820-5961, space@cau.ac.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. Spiking Neural Network 기반 인공지능 반도체: 이것이 답일까? Chapter 01 기획시리즈-인공지능 반도체 정보통신기획평가원 3 가트너 조사와 같이 최고조에 이른 상태이다. 사회 전반에 걸쳐, 이제 인공지능은 마치 고성능 컴퓨팅을 일컫는 것처럼 여겨지고 있다. 그도 그럴 것이, 대부분의 사람들은 알파고를 통해 인공지능의 압도적인 성능을 경험하였으 며, 자율주행자동차, 인공지능 스피커를 포함한 다양한 인공지능 애플리케이션들을 통해 일 상생활에서 인공지능이 제공하는 고성능 컴퓨팅 파워를 체감하고 있기에, 인공지능이야 말 로 고성능 컴퓨팅 그 자체로 느껴지는 것이 당연해 보이기도 한다. 하지만 불현듯 “이것이 과연 내가 상상하던 인공지능인가?”라는 의문이 들거나 “이것이 과연 진정한 인공지능인 가?”라는 질문을 누구나 한번쯤은 해보았을 것 같다. 우리가 막연히 상상해오던 인공지능이 란 만화 영화에 등장하던 사람처럼 말을 하는 로봇이나 영화 아이언맨의 자비스와 같은 인격 을 갖춘 비서였는데, 이는 작금의 인공지능과 상당한 거리가 있어 보이기 때문이다. 우리가 상상해온 인공지능과 우리가 현재 접하고 있는 인공지능의 차이는 사실 연구 및 기술의 성숙도에 따른 알려짐의 정도가 다른 것에서 기인한다. 사실 인공지능 분야는 이미