커크는 그때의 일을 이렇게 말했다. "우리는 빌을 영입하기 위해 아주 오래, 천천히 움직였죠. 일단 낚싯바늘을 꿰고, 굉장히 천천히 줄을 감아올리는 거예요. 그는 엔비디아의 미래에 꼭 필요한 퍼즐 조각이었어요. 빌은 병렬 컴퓨팅의 대가거든요
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P254
앤드류 응의 연구팀은 딥러닝 신경망에 유튜브에서 추출한 1,000만 개의 정적 이미지를 무작위로 섞어 학습시키고 어떤 패턴이 신경망이 ‘기억’할 수 있을 정도로 자주 등장하는지 신경망 스스로 결정하도록 했다. 이 모델에 고양이 동영상을 끝없이 노출한 끝에 결국 모델은 인간의 개입 없이도 합성한 고양이 얼굴 이미지를 독립적으로 만들어내었다. 그러자 이후부터는 훈련 데이터집합에 없던 이미지에서도 고양이를 식별할 수 있게 됐다.5
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P257
댈리처럼 컴퓨터공학계에서 잔뼈가 굵은 사람들에게 이 연구는 아주 중요한 전환점이라고 말했다. "딥러닝이 제대로 작동하려면 세 가지가 필요합니다.
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P257
첫째, 핵심 알고리즘은 1980년대부터 있던 것입니다. 트랜스포머transformer 모델 같은 개선이 있기는 했지만 대부분의 알고리즘은 대체로 수십 년 전부터 존재했습니다
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P257
둘째, 데이터집합입니다. 아주 많은 데이터가 필요하죠. 라벨링된 데이터집합이라는 아주 흥미로운 개념이 2000년대 초반에 등장하기 시작했습니다.
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P257
댈리는 엔비디아 직원이자 캘리포니아 대학교 버클리(UC 버클리)에서 전기공학과 컴퓨터공학 박사학위를 받은 브라이언 카탄자로에게 지시해서 응 교수의 연구팀이 딥러닝 작업에 GPU를 쓸 수 있게 했다.
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P259
댈리와 카탄자로는 딥러닝 관련 연산작업을 GPU가 더 효율적으로 처리할 수 있는 더 작고 더 복잡도가 낮은 연산으로 나눌 수 있다고 확신했다. 그리고 몇 가지 테스트를 개발해 이 주장을 최소한 이론적으로는 확실히 증명했다.
-알라딘 eBook <엔비디아 레볼루션> (태 킴 지음, 김정민 옮김, 김상균 감수) 중에서- P259
