올해 구글이 그 동안의 폐쇄적인 방식에서 벗어나 개발자들의 발전을 지원하기 위해 다양한 오픈소스 도구를 소개하며 대단한 행보를 보였습니다. 이러한 전환은 구글의 개발자들에 대한 지원과 에코시스템 발전에 대한 회사의 의지를 나타내는 중요한 한 걸음입니다.
구글에서 공개한 주목할만한 도구 중 하나는 Max확산(MaxDiffusion)입니다. 이는 다양한 확산 모델들의 참조 구현의 모음으로, 이미지 생성기 Stable Diffusion 등의 모델이 XLA 장치에서 실행되도록 설계되어 있습니다. XLA(XLA, Accelerated Linear Algebra)는 AI 워크로드를 최적화하고 가속하는 기술로, Google의 Tensor Processing Units (TPUs)와 최근의 Nvidia GPU가 XLA 장치 범주에 속합니다.
또한 Google은 특히 텍스트 생성 모델에 중점을 둔 생성적 AI 모델을 실행하기 위해 특별히 설계된 Jetstream을 소개했습니다. 현재는 TPU를 지원하나 향후 GPU 호환성도 예상됩니다. Jetstream은 Google의 Gemma 7B와 Meta의 Llama 2와 같은 모델에 대해 달러 당 최대 3배 높은 성능을 제공합니다. 이러한 향상된 성능은 고성능을 제공하는 비용 효율적인 추론 스택을 찾는 고객들에게 중요합니다.
“Jetstream은 상당한 성능 향상을 제공하지만, 주장된 3배 향상의 구체적인 내용은 여전히 명확하지 않습니다,”라고 Google Cloud의 컴퓨팅 및 머신러닝 인프라 총괄 GM 마크 로마이어는 말했습니다. TPU 사용 세부 내용, 대조 기준, 성능 정의에 대한 의문이 제기되었습니다. Google은 추가 설명을 위해 문의를 받고 있습니다.
구글이 공개한 다른 도구인 MaxText는 TPU와 Nvidia GPU를 대상으로 한 텍스트 생성 AI 모델의 모음입니다. Gemma 7B, OpenAI의 GPT-3, Llama 2 및 Mistral의 모델이 MaxText에 통합되었습니다. 이러한 모델들은 개발자들의 특정 필요를 충족시키기 위해 사용자 정의 및 세부 조정될 수 있습니다. 구글은 TPUs에서 성능을 최적화하고 Nvidia와 협력하여 대규모 GPU 클러스터에서 성능을 향상시켜 에너지 효율성과 비용 최적화를 달성했습니다.
AI 스타트업 Hugging Face와의 협력을 통해 Google은 일부 AI 워크로드의 TPU 상에 배포를 용이하게 하는 Optimum TPU를 만들었습니다. 주요 목표는 특히 TPU 하드웨어에서 텍스트 생성 모델을 채택하기 위한 진입 장벽을 낮추는 것입니다. 현재 Optimum TPU는 Gemma 7B만 지원하며, TPU에서 생성적 모델을 학습하는 것은 아직 지원되지 않습니다. 그러나 구글은 개선이 예정되어 있다고 보장했습니다.
구글의 이러한 오픈소스 도구들은 생성적 AI 분야를 혁신시키고 개발자들에게 새로운 가능성을 탐험할 수 있는 힘을 주고 있습니다. 강력한 AI 모델과 인프라 접근성을 개방함으로써 구글은 개발자 커뮤니티 내의 혁신과 협력을 촉진하고 있습니다. 계속된 개선과 발전이 약속된 가운데, 생성적 AI 개발의 미래는 밝아 보입니다.
자주 묻는 질문
MaxDiffusion은 무엇인가요?
MaxDiffusion은 XLA 장치에서 실행되도록 디자인된 확산 모델들의 참조 구현 모음입니다. 이러한 모델들은 세부 조정 및 서비스를 포함한 특정 AI 워크로드를 최적화하고 가속화합니다.
Jetstream은 무엇인가요?
Jetstream은 특히 텍스트 생성 모델에 중점을 둔 AI 모델을 실행하기 위해 구글에서 개발한 엔진입니다. 현재는 TPU를 지원하며 향후 GPU 호환성이 예상됩니다.
TPU에서 생성적 모델을 학습할 수 있나요?
현재 Optimum TPU는 TPU에서 생성적 모델을 실행하는 것만 지원합니다. TPU에서 생성적 모델을 학습하는 것은 아직 지원되지 않지만 앞으로 가능할 수 있습니다.
참고 소스:
– TechCrunch
이 기사에 언급된 도구들 외에도, 생성적 AI 산업의 현재 상황, 시장 전망, 그리고 이 분야와 관련된 주요 문제들을 살펴보는 가치가 있습니다. 이 기술은 이미지, 음악, 텍스트 등을 생성해내는 능력을 가지고 있으며 예술, 엔터테인먼트, 패션, 광고 등 다양한 산업에 응용될 수 있습니다.
그 외에도 생성적 AI의 신속한 발전은 생성된 콘텐츠에 편향이 있는 가능성으로 인해 일부 도전 과제와 윤리적 고려사항들을 제기하고 있습니다. 생성적 모델들은 기존 데이터로부터 학습하며, 그 데이터에 편향이 있을 경우 생성된 결과물에도 반영될 수 있습니다. 이는 이미지 인식, 언어 번역, 콘텐츠 추천 등의 분야에서 영향을 미칠 수 있습니다.
나머지 기사와 산업 현황, 시장 동향, 그리고 생성적 AI 분야의 최신 뉴스 및 발전에 대한 정보를 얻기 위해 TechCrunch 및 AI Trends와 같은 신뢰할만한 소스들을 방문할 것을 권합니다. 이들 소스는 생성적 모델, 시장 동향, 산업 업데이트 등 다양한 주제를 다루고 있습니다.
생성적 AI 분야가 계속 발전함에 따라 이러한 도전 과제에 대처하고, 윤리적 고려를 강조하고, 산업 참여자들 간의 협력을 촉진하는 것이 중요해질 것입니다. 구글의 오픈소스 도구 소개로 인해 개발자들의 진입 장벽이 낮아졌으며, 생성적 AI 분야에서의 추가 혁신과 발전을 위한 길이 열렸습니다.
The source of the article is from the blog kewauneecomet.com