시각지능 칩은 가로와 세로 각각 5㎜ 크기다. 성인 손톱의 절반 수준이다.
초당 33회 물체 인식을 할 수 있다. 초당 1회에 불과한 기존 소프트웨어(SW) 활용 칩과 성능 차이가 크다.
일상생활에서 접하는 물체에 대해 인공지능이 학습을 통해 사람과 비슷한 정도로 인식할 수 있는 가능성이 커진 셈이라고 연구진은 설명했다.
신경연산 속도 역시 획기적으로 높였다.
연구진은 많은 양의 연산과 뉴런 간 연결성 분석을 통해 신경망 성능은 떨어지지 않으면서 최적화할 수 있는 새로운 학습 방법도 찾았다.
시냅스 컴파일러 기술인데, 해당 기술을 활용하면 기존의 10％가량만 신경연산을 구동해도 동일한 성능을 확보할 수 있다.
연구진은 아울러 반도체 칩에서 인공지능 연산을 수행할 때 필요한 소비에너지를 줄이기 위해 뉴런 회로 기술을 구현했다.
디지털 회로 기반 연산기와 두뇌 뉴런 동작을 모방한 아날로그 회로를 융합했다고 연구진은 설명했다.
이런 기술들이 집약된 시각지능 칩을 활용하면 스마트폰이나 폐쇄회로(CC)TV 등 기존 구조를 바꾸지 않고도 곧바로 중앙처리장치(CPU)에 내장할 수 있다고 연구진은 설명했다.
에너지 소비량이 많은 현재의 물체 인식 방식을 대체할 수 있다는 뜻이다.
무인비행장치(드론)에 칩을 적용하면 특정 물체나 범죄자 인식에 탁월한 효과를 발휘할 수 있을 것으로 연구팀은 보고 있다.
권영수 ETRI 프로세서연구그룹장은 "인공지능 기술을 현실에 적용하려면 방대한 연산량을 고속으로 효율적으로 처리하면서도 매우 적은 소비전력을 가져야 한다"며 "이번 기술은 두 마리 토끼를 잡을 수 있는 실마리"라고 설명했다.
ETRI는 올해 자율주행차 인식과 관련된 애플리케이션을 추가로 연구할 계획이다.