컴퓨터 기반 신경회로망은 인간의 뇌가 작용하는 것과 흡사한 학습 능력을 갖추고 있어 인간이 하듯 사물이나 글자, 음성, 음향을 인식한다.

그러나 대규모 신경회로망을 구축하는 것은 컴퓨터 사용 면에 있어 비용이 매우 높다. 예를 들어 구글은 기존의 신경회로망을 개발할 때 약 1000대의 CPU 기반 서버 혹은 16,000개 CPU 코어를 사용했다. 구글의 신경회로망은 유튜브에 올라온 일련의 영상을 보며 고양이를 인식할 수 있도록 스스로 학습했다. 이 신경회로망은 사실상의 뉴런 간의 연결을 보여주는 17억 개의 파라미터로 구성되었다.

반면 스탠포드 대학의 인공지능 연구실 실장 앤드류 응이 이끄는 연구팀은 신경회로망에서 발생하는 대량의 데이터 처리 과정을 가속화하는 엔디비아의 GPU를 사용한 덕분에, 단 세 대의 서버만으로도 동일한 규모의 신경회로망을 구축할 수 있었다. 연구팀은 16대의 엔비디아 GPU 가속화 서버를 사용해 112억 개의 파라미터를 갖춘 신경회로망을 구축했으며 이는 2012년 구글이 발표한 회로망보다 6.5배 더 큰 수치이다.

신경회로망이 더 크고 강력해질수록 사물 인식과 같은 작업이 정확해질 가능성이 높기 때문에 컴퓨터가 더욱 인간에 가까운 행동을 할 수 있게 된다. 이번 연구에 기반하여 스탠포드 연구팀은 이번 학습 국제 학술대회 2013에 논문을 게재한 상태이다.

엔비디아의 수미트 굽타 테슬라 가속 컴퓨팅 비즈니스 담당 제너럴 매니저는 “CPU보다 크게 향상된 컴퓨터 성능을 제공하는 GPU 가속기 덕분에 대중에게 대규모 신경회로망을 선보일 수 있게 되었다.” 며 “이제 어떤 연구자나 기업이라도 GPU로 가속화된 서버 몇 대만 있으면 현실에서 발생하는 모든 종류의 문제를 기계 학습을 통해 해결할 수 있게 되었다.”고 말했다.