The Matrix Wasn't A Battery Farm. It Was A GPU Cluster Made Of Human Brains.
Nvidia is worth more than most countries because we cannot figure out how to do cheap...
개요 #
엔비디아 시가총액이 웬만한 나라 GDP를 넘어선 이유는 단순하다. 싼 추론(inference)을 아직 아무도 못 만들었기 때문이다. 그런데 그 일을 20와트로 해내는 장치가 지구에 80억 대 돌아다닌다.
개발자 Jonathan Murray가 27년 된 영화 하나를 다시 보다가 오래된 설정 오류에 걸려 넘어졌다. 매트릭스의 기계들이 인간을 배터리로 쓴다는 그 설정 말이다. 그래서 그는 다른 답을 내놨다. 기계들이 뽑아간 건 전기가 아니라 연산이었다는 것.
Photo by Markus Spiske on Pexels
배터리 설정은 왜 말이 안 되나 #
모피어스가 듀라셀 건전지를 들고 네오에게 설명하는 장면. 생체 전기, 체온, 25,000 BTU. 연출은 훌륭하지만 물리학은 엉망이다.
기계는 인간에게 액체화된 단백질 죽을 먹인다. 그 죽에서 에너지를 뽑고 싶으면 죽을 태우면 된다. 인간을 거칠 이유가 없다. 중간에 낀 인간은 효율만 깎아먹는 데다 의견까지 갖고 있다.
그런데 기계들은 행성 크기의 데이터센터를 짓고, 수십억 개의 포드를 배선하고, 날씨와 세금과 전화선 인터넷까지 갖춘 1999년을 통째로 시뮬레이션했다. 밑지는 발전소 하나 돌리자고.
발전소가 아니었다는 얘기다. 추론을 돌리고 있었던 거다.
20와트짜리 레퍼런스 구현 #
사람 뇌는 대략 20와트를 쓴다. 흐릿한 백열등 하나 수준이고, 노트북 충전기보다도 적다.
그 20와트로 뭘 하는지 보자. 실시간 시각 처리, 실시간 청각 처리, 언어, 운동 제어, 주변 환경의 물리 모델 상시 갱신. 게다가 누가 던진 열쇠를 생각 없이 낚아챌 만큼 정확하게 다음 순간을 예측하는 세계 모델까지 항상 돌아간다.
이걸 실리콘 가격으로 환산해보자. 저 중 하나만, 그것도 더 못하는 버전으로 돌리는 랙 한 대가 얼마인지. 지금 업계는 기가와트급 캠퍼스를 짓고 전력회사와 국가 대 국가처럼 협상하고 있다. 그동안 레퍼런스 구현은 먹다 남은 샌드위치로 20만 년째 가동 중이다.
Murray가 도달한 지점은 여기다. 기계들이 수확한 건 에너지가 아니라 연산이었다.
이 해석이 영화를 더 좋게 만드는 이유 #
전기를 원한다면 인간을 재워야 한다. 진정시키고, 평평하게 눕히고, 대사량을 최소로 낮춰야 한다. 배터리 하나 돌리자고 사무실 근무를 시뮬레이션할 필요는 없다.
연산을 원한다면 정반대다. 뇌를 깨워서 부하를 걸어야 한다. 이해관계가 걸려 있고, 결과가 따라오고, 다른 행위자들이 돌아다니는 촘촘한 세계 모델을 계속 돌려야 한다.
매트릭스가 정확히 그런 곳이다.
이렇게 보면 시뮬레이션은 인간을 달래는 진정제가 아니라 워크로드 그 자체가 된다. 포드 안의 인간 하나하나가 말도 안 되게 정교한 세계 모델을 처리하는 노드고, 기계는 그 출력을 걷어간다.
첫 번째 매트릭스가 실패한 이유도 다시 읽힌다. 스미스 요원은 그게 완벽한 세계였다고 말한다. 인간이 고통 없이는 현실감을 못 느껴서 실패한 게 아니다. 마찰 없는 세계는 너무 쉬운 워크로드라서 실패한 거다. 낙원에서는 아무 뇌도 흥미로운 일을 하지 않는다. 그래서 난이도를 올렸다. 가동률을 유지하려고.
기계들은 우리를 재워둔 게 아니라 바쁘게 굴린 거다. 세상에서 가장 큰 GPU 클러스터를 지었고, 냉각 솔루션은 1999년에 대한 거짓말이었다.
이 글이 나온 과정에 대하여 #
Murray는 글의 절반은 과정 자체라며 솔직하게 밝힌다. 그는 이 내용을 미리 알고 앉은 게 아니었다. 27년 된 영화에 대한 멍청한 질문 하나를 AI에게 소리 내어 던졌고, 40분 동안 논쟁했다. 연산 가설을 던져봤더니 AI는 틀린 부분을 반박하고, 그가 존재조차 몰랐던 조각들을 건네줬다.
검색 엔진에는 물어볼 수 없는 질문들이었다. 단어를 몰랐으니까. 오가노이드 지능(organoid intelligence), 뉴로모픽(neuromorphic), 수상돌기 연산(dendritic computation). 어느 것도 그가 들고 들어간 어휘가 아니었다.
"우리는 함께 이 연산 가설에 도달했다. 어느 절반이 내 것이었는지 깔끔하게 말할 수 없다."
이게 진짜로 새로운 학습 방식인데 다들 알아챘는지는 모르겠다는 게 그의 말이다. 다만 아래 내용은 직접 검증해보라는 단서를 달았다. 본인도 그렇게 했다면서.
그런데 이미 하고 있는 사람들이 있다 #
여기서부터 재미있는 샤워 생각이 조금 이상해진다.
스위스의 FinalSpark는 실험실에서 배양한 인간 뇌 오가노이드를 클라우드 플랫폼으로 운영한다. 인터넷으로 사용 시간을 빌릴 수 있다. 전극 위에 올려진 살아 있는 신경 조직이 서비스 형태로 제공된다.
멜버른의 Cortical Labs는 배양 접시 위 뉴런들에게 퐁(Pong)을 가르친 다음 그걸 제품화했다. 유닛을 살 수 있다.
두 곳이 내세우는 논리가 위에서 말한 그 논리다. 특정 종류의 학습에서 실리콘 대비 전력을 자릿수 단위로 덜 쓴다는 것.
걸리는 지점도 분명하다. 오가노이드는 몇 주, 길어야 몇 달 산다. 우리가 프로그래밍이라고 부를 만한 방식으로 이것들을 다루는 법은 아직 아무도 못 찾았다. 게다가 뉴런은 느리다. 스파이크 하나에 밀리초 단위인데 트랜지스터는 나노초다. 애초에 H100을 대체할 물건은 아니었다. 다른 기계, 다른 일이다.
윤리 문제도 있다. 유용한 일을 하는 뉴런 배양 접시가 어느 지점부터 도덕적으로 중요해지는가. FinalSpark 연구진 스스로도 이 문제를 고민한다고 공개적으로 말했다. Murray는 자신에게 답이 없고, 답이 있다고 말하는 사람은 의심스럽다고 적었다. 그리고 한 줄 덧붙였다. 자기는 이걸 옹호하는 게 아니며, 2041년 어느 법정에서 인용되기 전에 기록으로 남겨두고 싶다고.
실제로 벌어질 법한 버전 #
시시한 답은 뉴로모픽 실리콘이다. Loihi, NorthPole, SpiNNaker. 생물학에서 구조만 훔쳐온다. 스파이킹 뉴런, 버스 건너편이 아니라 연산 바로 옆에 앉은 메모리, 말도 안 되는 병렬성. 그걸 실리콘으로 구현하면 밀리초 대신 나노초가 나온다. 설계도는 베끼고, 지연시간은 줄이고, 윤리 심의는 건너뛴다.
그 칩을 설계하는 데 이미 AI를 쓰고 있다는 점이 재귀적으로 꼬리를 무는 뱀 같은 구석이다.
남은 질문은 이거다. 비밀이 구조에 있는가, 아니면 젖은 화학 어딘가에 있는가. 신경조절물질, 수상돌기 연산, 화이트보드에 깔끔하게 그려지지 않는 온갖 아날로그적 난장판. 우리가 청사진만 베끼고 정작 핵심은 놓치고 있을 가능성도 있다.
다음에 누가 AI는 전력 문제라고 말하거든 기억해두자. 두개골 안에 20와트짜리 레퍼런스 설계가 걸어 다니고 있고, 그건 변전소를 단 한 번도 필요로 한 적이 없다.
이 글은 위 출처를 바탕으로 한국 독자를 위해 재작성한 기사입니다. 원문의 사실과 수치에 근거하며, 별도의 견해를 포함하지 않습니다.