머신러닝 클러스터 플랫폼: Backend.AI 개발 – https://www.backend.ai • Google Developer Expert – ML / DL GDE – Google Cloud Champion Innovator – Google for Startup Accelerator Mentor • 오픈소스 – 텍스트큐브 개발자 / 모더레이터 (곧 20년…) • 물리학 / 뇌과학 – 통계물리학 박사 (복잡계 시스템 및 계산뇌과학 분야) – (전) 한양대학교 ERICA 겸임교수 (소프트웨어학부) 1
/ RLHF & InstructGPT • MegatronLM + DeepSpeed • ZeRO 1/2, 3 • 자동화된 분산 훈련 과정 • Slurm / KubeFlow / Backend.AI • 데이터 관련 과제들 • 모델의 크기 : 어느 정도까지 줄이는 것이 효과적일까? • 스팀덱에 올리기 – 구조 및 한계 – 서빙: CPU, GPU 와 적재 시간의 문제 – API 붙여서 가져와서 쓰기 5
백엔드 솔루션과 함께 언어 모델을 사이드로 만들며 • 2017년까지 언어 모델에 관한 다양한 일들도 하고 새로운 시도도 했으나 • 2017년 하반기에 언어 모델을 접고 Backend.AI 에 전념 – 하이퍼스케일 AI 개발/서비스 플랫폼 만드는데 올 인 – 언어 모델은 취미로만… – 벤치마크...로 15B, 30B 이런 거 만들어 봅니다. • 왜 취미로만 남았나? • 2017년 9월 – GDE Summit, 폴란드 크라쿠프 항공 박물관 13
더이상 언어 모델 성능을 좋게 만드는 것이 아니었음 • 이미 끝난 문제 – 모델은 이미 어떤 영역을 돌파했다. – (내 삽질은 전부 모델 더 잘 만드는 거였는데…) • 그럼 무슨 문제를 풀고 있었나? – 잘 만든 모델이 불러오는 욕구를 어떻게 가라앉힐 것인가? – 어떻게 어수룩하게 만들어서 사용자의 만족도를 높일 것인가? • 그 후 일어난 일들 – 2018년 Duplex 시연 (Google I/O): 대신 전화 걸어서 예약을 잡아주는 봇 – 잘 안 됐음. 왜? ✓ 위의 이유로… 너무 사람같이 추임새를 넣는 것에 역으로 거부감 15
구글 번역 서비스의 성능을 – 4주 동안 인공 신경망을 번역에 도입하는 태스크포스팀의 실험 결과가 능가 – 두 달 후 기존 팀 해체 및 모든 번역 엔진 교체 – 1년 후 모바일에서 오프라인 번역을 인공신경망 기반으로 제공 • 2018년 – 번역기 개발 중, 언어쌍에 상관없이 공통된 인공 신경망 구조가 항상 생긴다는 것을 발견 – 언어 템플릿 신경망+추가적 훈련 = 번역기를 빠르게 만들 수 있음 – 언중이 만 명 미만인 언어의 번역기도 만들 수 있었음 ✓ 수백만 문장 쌍 -> 수 천 문장으로 줄어듦 – 이 과정의 부산물 ✓ Transformer, Universal Sentence Encoder, BERT, Duplex 19
구조를 만들 수 있음을 발견함 – ＂언어”가 무엇인가? 에 대한 논의 ✓ 언어는 인간에게는 소통을 위한 도구이지만, 수학적으로는 연관된 정보를 논리에 따라 나열하는 방법 ✓ “언어” 를 잘 하게 된다는 것의 의미가 무엇인가? – XLNet, T5의 등장 • 2020년 – 논리 구조의 집중 포인트 차이 ✓ 정보를 투사하는 것이 중요한가? 정보를 최종적으로 표현하는 것이 중요한가? / BERT vs GPT – GPT-3의 등장 – 수학적 접근: Transformer는 GNN의 특수 표현형? ✓ GNN (Graph Neural Network, 2018)은 대상의 관계를 표현하는 그래프를 훈련하는 신경망 ✓ 2021년에 증명 20
크면 해결 되는 일들이 있더라[1]. • 10B (100억 파라미터) – 거대 언어 모델의 컨텍스트 인식 점프 – RLHF의 이득을 가장 많이 보는 구간 • 100B (1000억 파라미터) – 거대 언어 모델의 동작을 가르는 지점 [1] J. Wei et al., Emergent abilities of large language models, TMLR ‘22 21
2021) – 중국어 단일 언어 모델 중 가장 큰 사이즈 (2000억 파라미터) – 감정 주제에 대한 폭넓은 대화 지원 • OPT-175B (Meta, 2022) – 사전 훈련하여 공개한 영문 기반 모델 중 가장 큰 사이즈 (1750억 파라미터) – 모델 동작 시 Nvidia V100 16장 GPU 요구 (512GB) / 실제 동작시 사용 메모리는 약 350GB (A100 5장) – 모델 자체보다, 모델을 만들면서 고생한 모든 내용을 기록으로 남겨서 공개한 내용이 심금을 울림 • GLM-130B (칭화대, 2022) – 중국산 반도체만으로 만들었다고 합니다. (A100 금수 조치 이후 며칠만에 발표) – 그 이후: A800 들어 보신 분? ✓ A100에서 NVLink 덜어 낸 기종 22
– 아예 문장 쌍 데이터 없이 번역이 가능할까? – 24 언어 번역 모델을 zero-shot으로 개발 (Google, 2022) • Galactica (Meta, 2022) – 논문 작성 모델 (2022년 11월): 이런 일도 무난하게 할 수 있다! – 종종 오류를 내는 것으로 비판 받아 사흘만에 공개 종료 – 전략의 실패… • ChatGPT (OpenAI, 2022) – InstructGPT 기반의 일반 대화 모델 – 거대 언어 모델 대중화의 문을 열었음 소위 이런거죠. 23
– 몇백만 가지의 컨텍스트에 대한 상황 인식 및 답변 생성 – 훈련된 개념들에 기초한 답변 생성. – “발화 주체” 를 중심으로 한 개념 정리와 그에 따른 발화 생성 • + 멀티모달 모델 • LaMDA 2 (2022) – 아직 1과의 차잇점이 (공식적으로는) 공개되지 않음 – 지각이 있다고 주장한 연구원 해고 (2022년 7월) 28
• 멀티모달 모델 – 의미 추정, 답변 모델, 농담 등 • 훈련 자원 비교 – LaMDA: single TPU v3 Pod 한 대 (1024 TPUv3) – Megatron LM: A100 GPU 2240대 – NT-NLG: A100 GPU 3360대 – Gopher: 여러 대의 TPU v3 Pod (4096 TPUv3) – Pathways: 2대의 TPU v4 Pod (8192 TPUv4) 29
범용으로 대응하기 위한 분산 훈련 기반 모델 – 다른 응용 모델들의 밑바탕이 됨 • PaLM (Pathways Language Model / 2022) – 하나의 모델로 다양한 도메인 처리 – 질답, 문서, 논리설명, 번역 등 – 7800억 단어 사용 훈련 – 5400억 파라미터 – (GPT-3의 약 2.8배 크기) • Minerva (2022) – 수학 문제를 논리적으로 해결 33
2.56e24 FLOPs = 8404992 TPUv4 hours • TPUv3를 빌려 계산할 경우: – Final training run 만 계산 시 – Bfloat16 기준 123 TFLOPs – 0.5 x 125TFLOP x 0.5 per second per chip – x 0.5 chip-hour per – x 60x60 seconds (per hour) $ – = 110.7 PFLOPs per $ – 2.56e24 FLOPs / 110.7e15 FLOPs per $ = 23.1M $ (~291억원) • Nvidia A100을 구입하여 계산할 경우 – ~9.2M $ (~116억원) https://blog.heim.xyz/palm-training-cost/ https://lambdalabs.com/blog/demystifying-gpt-3/ 35
매개변수 수: 175B – 용량: 2bytes x 매개변수 수 = 3,50,000,000,000 = 326 기가바이트 ✓ *그런데 돌릴땐 여기 기타 변수들이 한참 더 붙습니다 – GPU 메모리: A100 기준 80GB, 4장 필요 – GPU 가격: A100 장당 ~1500만원 / 인퍼런스 당 6천만원 x 2 인퍼런스 + 기타 하드웨어 4000만원/2 = 8000만원 [1] 피크타임 고려하지 않음. 시간은 더 짧을 수 있음. 수면주기 고려 글로벌 서비스여야 자원 배분 가능. [2] https://archive.is/XRl0R 36
유지하는데 드는 비용 – 8천만원 + 전력 (21kW) + 장소 (랙당 월 600만원, 랙당 3대, 6인스턴스 비치) = 1억 1600만원 – 3년 유지 비용 1억 2천만원, 1년 유지 비용 4천만원, 1개월 유지 비용 334만원 – 동시 접속 사용자 1만명 지속 유지의 경우: 334억원, 연간 4천억원 (유저당 접속 시간을 일 10분으로 예상하면 144만명 사용자 커버[1]) – 현재 ChatGPT: 활성 사용자 1억명[2] ✓ GPT-3보다 큰 모델 [1] 피크타임 고려하지 않음. 시간은 더 짧을 수 있음. 수면주기 고려 글로벌 서비스여야 자원 배분 가능. [2] https://archive.is/XRl0R 37
언어 모델 분야 진입을 시작할 수 있었음 • 2022년 – 500억 정도가 있으면 거대 언어 모델 분야 진입을 시작할 수 있음 • 2023년 – 서서히 돈이 문제가 아닌 영역으로 이동 중 • OpenAI + Microsoft – Azure 클라우드 크레딧 1조원 제공 + 10조 더! 39
언어 모델 분야 진입을 시작할 수 있었음 • 2022년 – 500억 정도가 있으면 거대 언어 모델 분야 진입을 시작할 수 있음 • 2023년 – 서서히 돈이 문제가 아닌 영역으로 이동 중 • OpenAI + Microsoft – Azure 클라우드 크레딧 1조원 제공 + 10조 더! • DeepMind + Google – TPU 자원의 대부분을 사용 중. 대중 서비스가 늦는 이유 • Stability.ai + Amazon – 8장 GPU로 시작, 1년 만에 4천장 클라우드 GPU – 아마존이 원가로 제공 중 40
~1M – 모델 사이즈의 증가: 320GB (GPT-3, 2020) ~ > 1TB – 데이터 먹이기: GPUDirect Storage / Magnum IO - 초당 120GiB 이상 • “서비스가 불가능한” 딥 러닝 모델들 – 정밀도 희생, 압축, 미니모델 그 어떠한 방식을 써도 줄일 수 없는 한계 크기 ✓ 예) Pathways: SOTA 0.1% 향상마다 8천만원 ✓ 모델 압축 시 발생하는 정확도 하락폭 – FP64, FP32, BF16, FP8, INT4, INT2…INT2? 42
– 서비스가 가능한 모델로의 관심 전환 • Pathways가 있지만 RankT5 발표 – Google, 2022년 11월 – 왜? 다시 T5? – MegatronLM의 예 ✓ 쓰이는 모델들이 따로 있더라 • 실질적인 한계: 16GB~32GB – 인퍼런스용 GPU 메모리의 마진 포인트 – NPU 번들 메모리 최대 크기 – Nvidia T4, A4000… 적정모델 43
서비스 – Stable Diffusion 기반 모델 – GPT-2/3mini 기반 언어 모델 – 16GB 한계 안에서 돌아가는 전문가 시스템 구현 • 현실과의 타협 – 42는 없다 – 불가능하다고 생각된 많은 문제를 해결 가능 – 눈앞으로 다가온 전문가 AI 서비스 대중화 – Stability.ai의 접근 방법 ✓ 우린 언어 모델도 할 수 있다! 16기가로! ✓ 진짜? 생성모델 AI회사답지! 44
아님 – “Attention is all you need” (Google, 2017) – Stable Diffusion 과 ChatGPT가 가져가 버린 것 ✓ 나도 한 입만… ✓ 이제 K- 나올 차례 ✓ 그런데 전세계에서 다 나오는 중. A-, B-, C-, … J-… 45
아님 – “Attention is all you need” (Google, 2017) – Stable Diffusion 과 ChatGPT가 가져가 버린 것 ✓ 나도 한 입만… ✓ 이제 K- 나올 차례 ✓ 그런데 전세계에서 다 나오는 중이다. A-, B-, C-, … J-… • 한 발 먼저 온 현실 – 42는 없지…만 비슷하게 만들 수는 있다! – 사람들이 이미 봐 버렸다 – 올 봄이 끝날 무렵이면 모두 어느 정도 익숙해 질 것임 LLM! 진심으로 그길을? 46
병목 – GPU-CPU (PCI-E) – 데이터 파이프라인: GPU-CPU-Disk(-NAS) • 워크로드+하드웨어의 변화 – 워크로드: 초거대 AI 개발, AI 인퍼런스 / 서비스 – 하드웨어: GPU-GPU 네트워크, UMA, 매니코어 CPU, GPUDirect I/O… 49
• 새로운 문제들 – 네트워크: NAS 입출력의 속도 간섭 ✓ GPUDirect I/O 데이터: 80~120GiB/s ✓ GPU-GPU 인터노드: 20~40GiB/s ✓ AI 인퍼런스 플레인: 1~10GiB/s ✓ 사용자 서비스 플레인: 0.1~1GiB/s – 하이퍼스케일 I/O ✓ 페타 바이트 단위의 데이터를 ✓ 100여대의 연산 노드에 ✓ 초당 100기가바이트 이상으로 전송해도 ✓ 노드당 초당 1기가밖에 데이터가 못 감 – (발표 광고: Sokovan 오케스트레이터!) ✓ 세계 최초로 GPUDirect Storage / Magnum I/O를 컨테이너 클러스터에서 구현하고 디플로이 ✓ GTC 2023 및 OpenInfra Summit 2023에서 만나요~ 51
• GPU간 네트워크 – 모델을 횡으로, 종으로 쪼개기 – 어떤 방향으로 쪼개도 GPU 한 장엔 안 담김 – 훈련 시 ✓ 16장: 프로토타이핑… • 노드 하나에 물리적으로 최대한 연결 가능한 GPU 수 ✓ 64~장: 진지한 언어 모델 훈련 시작 • 대책 – Nvidia: NCCL with Infiniband / GraceHopper – Google: TPU (3-D toroidal 구조) – Tesla: Dojo (3-D toroidal / 실재 여부 모름) 52
– 램 티어링: HBM2 + DDR5 – CXL 기반 통합 데이터 브릿지 ✓ CPU – HBM2 – DDR5 – NVMe – Net – GPU / NPU 전용 네트워크 포트 ✓ Infiniband 통합 (Nvidia) ✓ GroqLink (Groq) – 다중 네트워크 포트 구성 ✓ PCI-E 레인 확보가 중요해지고 있음 53
ops 구현의 높은 난도 – 지원 모델을 늘려가는 방식의 접근으로 우회 ✓ 인퍼런스 칩 만드는 방법론으로 트레이닝 칩을 만들자! ✓ 주요 AI 모델 대중화가 되었다는 판단 • 인퍼런스용 AI 가속기 – 저전력, 저지연, 저발열 – PCI-E, USB-C 및 GPIO 인터페이스 – FPGA 방식의 커스텀 IP 회사들 – FP16 / INT8 기반 – 애매한 부분들 55
난도 상승 완전히 성격이 다른 파이프라인 내 워크로드 특성 딥러닝 연산 가속기의 급성장 대규모 연산으로 인한 높은 모델 개발 비용 단계별 성능 병목 지점 차이 - 데이터 전처리: Data I/O - 데이터 분석: CPU - 딥러닝 훈련: GPU/ASIC - 모델 서빙: CPU/GPU 딥러닝용 GPU 시장 - NVIDIA, AMD, Intel 딥러닝 전용 ASIC 시장 - Google (TPU / Coral) - GraphCore (IPU) - Habana (Gaudi) - Sambanova (SN) - Cerabras - Cambricon - Groq 단위시간당 자원 비용 증가[1] - CPU: $0.006 - GPU (A100 기준): $0.93 모델 훈련 비용의 급격한 증가 - PaLM (2022): 300억원~ - GPT-3 (2020): 45억원~ - T5 (2019): 30억원~ - BERT (2018): 1억원~ [1] https://cloud.google.com/compute/gpus-pricing?hl=ko 57
등의 다양한 가상 환경 등장 작업 그래프 기반 파이프라인·워크플로우 저작 도구 등장 AI 훈련 및 응용 클러스터의 다양화 컨테이너 기반 가상 환경 - Docker, Podman - Containerd, LXC - Kubernetes - Backend.AI / Sokovan VM 기반 가상환경 - KVM, QEMU, VMWare - Firecracker 오픈소스 파이프라인 도구 - Apache AirFlow - MLFlow - KubeFlow - FastTrack 클라우드 파이프라인 서비스 - Amazon SageMaker MLOps - Google Cloud Composer - Azure MLStudio 하이브리드 클라우드 솔루션 - 클라우드 벤더 - 온프레미스 벤더 - 오픈소스 58
보는) 도전 과제들 – 증가하는 딥 러닝 소프트웨어 레거시 ✓ 엔터프라이즈 AI/ML과 신기술 등장의 속도 차 – Arm / RISC-V 등 멀티 아키텍처 플랫폼의 등장 ✓ 인간계의 한계: 발열과 전력 소모 문제 ✓ 전력 대 성능비의 중요성 – 더이상 데이터센터에 집적이 힘들다 – AI 훈련 / 서비스 가속 ASIC의 춘추전국시대 도래 ✓ CPU 대비 상대적으로 간단한 구조 ✓ 특화 기능 대응의 용이함을 살릴 수 있을 것인지? – 거대 언어 모델 및 생성 모델 서비스의 증가 ✓ 고비용 AI 모델의 상용화 급증 – Edge Intelligence / distributed intelligence ✓ 모바일 단에서의 모델 서빙 – 일반 IoT 기기들로 확장 ✓ 딥 러닝 엣지 소프트웨어 플랫폼들의 보급 59
“규모”에 대하여 • 거대 언어 “모델링” – 언어 모델과 자원 – 적정 모델, 거대 모델 – 대 AI 시대 • 거대 언어 모델의 규모에 대응하기 – 병목과 대응 기술 – AI 워크로드 가속 시장 – 소프트웨어 복잡도 – 향후 전망 및 문제 나는 어떻게 된 건가요 진짜 언급 없이 그냥 끝나나요 투명 뒷판으로 스팀덱 케이스 갈이도 했는데… 60
JAX, MLIR 등… • 식사 시간 – Huggingface의 현재 과제: 모델을 필터링할 권한 – 딥 러닝 모델은 자체 편견을 만들지 않을 수 있는가? – 더 빠르게, 더 공격적으로 만들지 않을까? – 편견 없는 데이터로 편견 간단히 유도하기 – 모델끼리 이런 식으로… ✓ 근본 없는 XX칩으로 훈련한 주제에! ✓ 너 몇년산 모델이야? 나 2035년산이야! 61
inureyes
nagisa53
lana2548
loglass2019
kkamegawa
bitkey
scalar
tomoki10
aiandrox
hirotomotaguchi
kniino
ytaka23
naoki_0531
malarkey
shlominoach
cassininazir
carmenintech
ufuk
pedronauck
kneath
tammyeverts
sergeychernyshev
bermonpainter
jmmastey
eitanlees
![끝! [email protected] https://www.facebook.com/jeongkyu.shin Lablup Inc. https://www.lablup.com Backend.AI https://www.backend.ai Backend.AI GitHub](https://files.speakerdeck.com/presentations/56031f8ed67a45df81ce27d2fa466ee4/slide_63.jpg){kind=link}