삼성SDS가 스마트팩토리·물류·클라우드 서비스를 고도화할 수 있는 방안으로 인공지능(AI) 기반의 '조합 최적화'를 제시했다.
조합 최적화란 산업 현장에서 발견되는 각종 문제를 가장 빠르고 효율적으로 해결할 수 있는 방안을 찾아가는 과정을 말한다. 운송경로·설비 운영·자원할당 최적화에 있어 가장 효율적인 방법을 도출해내는 방법이다. 삼성SDS는 지난 2019년부터 AI로 조합 최적화를 할 수 있을지에 대한 연구를 지속했다. AI로 조합 최적화 방안을 찾으려면 데이터를 모으고 분석하는 작업이 필수적이다. 하지만 텍스트·숫자·이미지·음성·동영상 등 데이터의 형태가 워낙 다양하고 그 수도 많아 데이터의 유형을 일원화하고 유의미한 분석 결과를 도출하는 것은 여간 어려운 일이 아니었다.
이에 삼성SDS는 데이터들을 신경망과 유사한 모습의 행렬의 형태로 정리해 최적의 해법을 찾는 '매트릭스 인코딩 네트웍스'(MatNet·맷넷)를 고안해냈다. 4명의 승객과 4대의 택시가 있을 경우 어떻게 하면 각 승객의 택시 대기 시간을 최소화할 수 있을지에 대한 답을 찾는다고 가정해보자. 택시 1이 승객 1~4까지 가는데 걸리는 시간을 행에 입력하고 택시 1~4가 승객1의 위치까지 도달하는데 소요되는 시간은 열에 입력한다. 먼저 행의 정보를 보고 가장 적은 시간이 적힌 열을 찾는다. 또 해당 열에 연결된 행의 정보를 검토한 후 가장 적은 값을 탐색한다. 이처럼 행과 열을 따라가는 작업들을 반복하게 된다.
권영대 삼성SDS AI 코어 랩(Core Lab) 프로는 23일 온라인으로 열린 개발자 콘퍼런스 '테크토닉 2021'에서 "처음에 신경망에 입력되는 데이터는 하나의 값이었지만 맷넷의 과정을 겪고 출력되는 값은 행과 연결된 열의 인코딩값까지 포함된 데이터가 된다"며 "행에 열을 입히고 열에 행을 입히는 작업을 거칠때마다 신경망은 점점 똑똑해진다"고 설명했다.
권 프로는 맷넷을 활용할 수 있는 사례로 공정 스케줄 최적화(FFSP)와 GPU 클러스터 자원 할당 스케줄 최적화를 꼽았다. FFSP에서는 공장에서 제품을 생산할 때 현재 가동 중이거나 쉬고 있는 기계의 상태와 제품의 값을 행렬 데이터로 정리해 최적의 공정 스케줄을 만들어낼 수 있다는 설명이다.
GPU 자원을 활용하는 경우 각 프로그래머들이 각자의 프로그램을 가동하기 위해 클라우드에 작업을 요청하게 된다. 이 경우 맷넷은 각 작업들이 필요로 하는 GPU의 수와 어떤 GPU가 가동 중이거나 쉬고 있는지에 대한 값들을 행렬의 형태로 전환해 최적의 작업 순서를 찾아준다. 권 프로는 "작업 요청의 수가 많을수록 클라우드에 과부하가 걸린다"며 "AI 조합 최적화를 통해 최적의 작업 순서를 배정함으로써 각 작업의 대기 시간을 단축시킬 수 있다"고 말했다.
삼성SDS는 맷넷을 통한 AI 조합 최적화 방안을 오는 12월초 열리는 NeurIPS(뉴립스) 2021 학회에서 발표할 예정이다. 회사는 학회 발표에서 그치지 않고 연구한 맷넷을 스마트팩토리·물류·클라우드 등의 실제 사업에 적용하기 위해 연구를 이어갈 계획이다.
한편 이날 개막해 오는 24일까지 온라인으로 열리는 테크토닉 2021에는 8000여명의 개발자 및 대학원생들이 사전신청했다. 삼성SDS는 △클라우드 △보안 △인공지능 △ 소프트웨어 엔지니어링 △CX 등 총 21개 세션을 통해 그간의 연구성과를 발표한다. 이상욱 삼성SDS 연구소장은 "클라우드와 보안을 중심으로 AI·데이터 분석 등의 서비스를 더해 고객들이 최적의 디지털 전환 전략을 실현 할 수 있도록 지원하고 있다"며 "오픈이노베이션 및 유망기업과의 전략적 파트너십을 통해 다양한 고객의 디지털 전환 해결책을 제시할 것"이라고 말했다.