Azure에서의 AI 워크로드
기업은 애저(Azure) 서비스를 통해 AI 작업을 안정적이고 확장 가능한 방식으로 수행할 수 있다. 비결정론적 기능, 데이터 및 애플리케이션 설계, 운영 측면에 중점을 두고 AI 워크로드를 설계한다. 따라서, 이 노트는 애저 솔루션 아키텍처 관점에서 Azure Well-Architected Framework 원칙을 기반으로 하며, 성공적인 Azure 구현 사례에서 얻은 통찰력을 바탕으로 노트로 한 번 구성해 보았다.
1. 들어 가기 전에
- 개요: 특정 Azure 서비스와 그 기능에 대해서는 다루지 않음
- Azure는 워크로드에 통합하거나 이를 기반으로 구축할 수 있는 다양한 AI 서비스를 제공함
- 비즈니스 요구 사항에 따라 완전관리형 SaaS(Software as a Service) 솔루션, PaaS(Platform as a Service) 솔루션을 선택하거나, 자체 AI 솔루션을 구축할 수 있음
- 이 문서에 포함되지 않는 AI 워크로드의 범위
- Copilot Studio와 같은 로우코드(low-code) 또는 노코드(no-code) 방식으로 구현되는 워크로드
- 고성능 컴퓨팅(HPC)을 요구하는 워크로드
- 생성형 또는 판별형 AI 사용 사례를 구현하지 않는 워크로드
2. AI 워크로드란 무엇일까?
- Well-Architected Framework의 관점에서 AI 워크로드란 예측(Predictive), 판별(Discriminatory), 또는 생성(Generative) 작업의 요구를 충족하는 것
- 윤리적인 기능, 빠르게 진화하는 AI 기술에의 적응, 그리고 지속적인 관련성과 설명 가능성에 중점을 둠
- 시스템이 신뢰성 있고, 안전하며, 효율적이고 비용 효과적으로 운영되도록 하기 위해 모든 의사 결정 지점에서 Well-Architected Framework의 핵심 요소들을 적용해야 함
- 전통적인 워크로드와 달리, 결정론적 기능(입력에 대해 항상 동일한 출력이 나오는 방식)을 사용하는 반면, AI 워크로드는 고정된 결과가 비현실적인 상황을 해결하기 위해 일부 기능을 비결정론적(nondeterministic) 동작으로 대체
- AI는 코드와 데이터를 결합해 하나의 모델이라는 형태로 구현되며, 전통적인 시스템으로는 제공할 수 없는 고유한 사용자 경험을 갖게 됨
3. 설계 전략을 시작하기 전 고려사항
- 생성형 AI (Generative AI)
- 머신 러닝을 사용해 자율적으로 새로운 콘텐츠를 생성하는 AI
- 사용자 데이터를 기반으로 맞춤화할 수 있는 언어 모델이나, Azure OpenAI Service와 같은 서비스 형태로 사용할 수 있음
- GPT는 언어 모델의 일종으로, 사람의 대화 언어를 모방하는 데 특화되어 있어 챗봇이나 자연어 기반 경험에 적합
- 사용 사례: 생성형 AI는 기사, 이야기, 예술 작품 등을 생성할 수 있으며, 데이터셋 균형을 맞추기 위한 합성 데이터 생성이나 사람과 비슷한 챗봇 구현에도 활용됨
- 판별형 AI (Discriminative AI)
- 규칙과 알고리즘을 기반으로 명시적으로 프로그래밍되어 특정 작업을 수행하는 AI
- 모델 기반: 예측 시스템은 과거 관찰로부터 학습한 패턴을 기반으로 예측을 수행하지만, 새로운 콘텐츠를 생성하거나 스스로 적응하지는 못함
- 비모델 기반: 자율 에이전트는 미리 정의된 규칙을 따라 시스템과 상호작용하며, 예를 들어 비디오 게임 캐릭터 등이 이에 해당함
- 사용 사례: 판별형 AI는 예측 분석, 추천 시스템, 사기 탐지 등에 사용됨
- 생성형 모델과 판별형 모델 중에서 선택할 때는, 수행하려는 작업의 목적을 먼저 고려해야 함
- 생성형 모델은 새로운 데이터를 생성하는 데 사용되며, 판별형 모델은 기존 데이터를 특징에 따라 분류하는 데 사용함
- 분류(Classification)나 회귀(Regression) 작업에는 해당 작업에 적합한 모델을 선택해야 함
- 분류 기능만 수행하는 모델보다 분류도 가능하고 다양한 작업을 수행할 수 있는 언어 모델이 더 유연하게 활용될 수 있음
댓글남기기