최근 딥러닝 알고리즘 개선, 빅데이터 축적, GPU 기술 발전으로 딥러닝을 광고, 제조, 의료, 미디어, 공공서비스 등 다양한 산업에 적용하고자 하는 시도가 급격하게 늘고 있다.
하지만, 대용량 빅데이터를 고가의 GPU 장비로 처리해야 하는 딥러닝의 특성 상 자체 전산 장비의 도입보다는 외부 클라우드 서비스를 이용하는 수요만 늘고 있는 상황이다.
이런 이유로 데브스택을 비롯한 국내외 클라우드 사업자들은 GPU 클라우드 서비스를 출시했거나 출시를 검토하고 있다.
데브스택은 대규모 딥러닝 고속 처리를 위한 HPC 시스템 개발 프로젝트를 총괄하고 있는 한국전자통신연구원(ETRI) 최완 책임연구원 등과 빅데이터를 활용해 딥러닝 모델을 고속으로 학습시킬 수 있는 기반 기술을 개발 중이다.
또 “산업별로 데이터의 양과 연산 요구가 다르기 때문에 현재 대부분의 사업자가 제공하고 있는 획일적인 GPU 클라우드 서비스를 산업별 맞춤형으로 개선할 필요가 있다”고 말했다.
그는 “IT 인프라에대해 전문성이 부족한 딥러닝 개발자들도 개발 착수 시점부터 실제 시스템에 적용될 때까지의 전 과정에서 쉽게 클라우드 서비스를 쓸 수 있도록 기존의 클라우드 시스템이 딥러닝 친화적으로 개선돼야 한다”고 강조했다.
데브스택 측은 이런 경험으로 보다 다양한 산업의 딥러닝 개발자들이 쉽고 빠르게 클라우드 서비스를 쓸 수 있도록 기존의 클라우드 시스템을 딥러닝 개발을 위한 플랫폼으로 전면 개편했다고 강조했다.
특히 자사의 딥러닝 개발 클라우드에 대해 ▲고객이 가상화 환경(가상머신, 컨테이너, 베어메탈 등), 딥러닝 프레임워크(텐서플로, 카페, 토치 등), GPU 타입(데이터센터용, 웍스테이션용 등)을 자유롭게 선택해서 자동으로 개발환경을 구축할 수 있다는 점 ▲딥러닝 개발자가 자신이 익숙한 PC 환경에서 개발하고 저장하면 원격의 데브스택 클라우드가 고속으로 모델을 학습시키고 심지어 실 시스템 적용까지 자동으로 진행한다는 점을 강조했다.
장승욱 데브스택 대표는 “딥러닝 개발 기법 자체가 쉬워지고 있기 때문에 이제는 다른 산업에 종사해 왔던 제조 엔지니어, 의사, 과학기술인 등도 프로그래밍을 배우면 쉽게 딥러닝 개발이 가능하다. 클라우드 서비스도 이러한 산업 전문가들이 쉽게 사용할 수 있도록 개편했다. 4 차 산업혁명 시대에는 클라우드 서비스도 변해야 한다”고 밝혔다.