과거가 미래를 돕는다

요즘 핫한 딥러닝(deep learning) 또는 심층학습이라는 말을 들어 보셨을 텐데요, 이 '딥러닝'이라는 것은 60년 먹은 신경망 알고리즘을 재포장한 것일 뿐이고, 딥러닝이 기계학습(machine learning)의 한 분야가(심지어는 AI 이론의 한 분야도) 아니라 컴퓨터 아키텍처의 한 갈래라는 주장도 가능합니다.

사실 딥러닝이 탁월한 성과를 내는 비결은 알고리즘 자체가 아니라 컴퓨터 아키텍처의 발전에 있기 때문입니다. 수많은 GPU와 커스텀 프로세서로 이루어진 클러스터를 통한 대규모 하드웨어 병렬화 덕분에 오래된 알고리즘을 예전보다 엄청나게 큰 규모에서 빠르게 실행할 수 있고, 컴퓨터 아키텍처의 이런 발전들에 힘입어 우리는 드디어 신경망을 실질적인 문제들, 이를테면 동영상 안의 물체 인식이나 챗봇과의 자연어 대화 문제 등을 푸는 데 사용할 수 있게 되었습니다.

2022년형 Nvidia RTX 3080 GPU

 

이처럼 LLM의 폭발적 확산과 바이브 코딩 같은 새로운 개발 문화의 등장으로 IT 생태계가 격변하고 있지만, 역자분의 비유를 빌리자면 현대적인 컴퓨팅의 뿌리이자 심장에 해당하는 컴퓨터 아키텍처에 관한 지식은 이 거센 변화의 폭풍 속에서 개발자가 올바른 방향으로 나아가게 하는 나침반과도 같다고 할 수 있고, 이제 시대를 거쳐 발전해온 이 컴퓨터 하드웨어의 원리와 설계를 깊게, 그리고 재미있게 탐구하는 책이 곧 출간됩니다.

 

 

이 책은 기원전 4만 년경의 골각기(레봄보 뼈)부터 시작하여 주판 같은 수동 계산 도구에서 배비지의 해석기관, 현대의 GPU, 그리고 최첨단 양자 컴퓨팅에 이르기까지 과거와 현재, 미래의 아키텍처를 고찰하는데요, 우리가 왜 컴퓨터 아키텍처의 역사를 공부해야 하는지에 대해 저자는 다음과 같이 답하고 있습니다.

컴퓨터 아키텍처의 역사를 공부하면서 이 분야가 수십 년은 물론이고 수백 년 동안 어
떻게 진화했는지 이해함으로써, 우리는 과거의 실수로부터 교훈을 얻고 오래된 아이디어의 새로운
용도를 발견할 수 있다. 역사적인 아키텍처에 쓰인 어떤 개념이 오랜 시간 후에 다시 적용되는 일은
매우 흔하다. 수치 연산의 예를 들자면, 찰스 배비지의 기계식 컴퓨터는 수치를 RAM에서 프로세서
로 물리적으로 이동해야 했다. 이는 하나의 수치가 복사되는 것이 아니라 한 번에 한 곳에만 존재할
수 있음을 뜻했다. 그런데 오늘날의 양자 컴퓨팅 연구에도 딱 그런 구조가 쓰인다. 당시의 한계를 우
회하기 위한 배비지의 아이디어 중 일부가 양자 컴퓨팅에서 새로운 생명을 얻을지도 모른다. 컴퓨터
아키텍처의 역사는 우리가 필요에 따라 활용할 수 있는 아이디어의 저장고라고 할 수 있다.

_‘시작하며’ 중에서

■ 미리보기(앞부속, 본문 일부)

 

 

■ 도서구매 사이트(가나다순)

[교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [쿠팡]

 

■ 제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

블로그  유튜브  인스타그램  트위터  페이스북