클라우드 컴퓨팅

클라우드 컴퓨팅은 서버, 스토리지, 데이터베이스, 네트워킹, 소프트웨어, 분석 및 인텔리전스를 포함한 컴퓨팅 서비스를 인터넷("클라우드")을 통해 온디맨드 방식으로 제공하는 것을 말합니다. 조직은 자체 컴퓨팅 인프라를 소유하고 유지 관리하는 대신 Amazon Web Services(AWS), Google Cloud 또는 Microsoft Azure와 같은 클라우드 제공업체에서 이러한 서비스에 액세스할 수 있습니다. 이 모델은 더 빠른 혁신, 유연한 리소스, 규모의 경제를 가능하게 하여 최신 인공 지능(AI) 및 머신 러닝(ML)의 필수 기반이 됩니다. 미국 국립표준기술연구소(NIST)에서 정의한 핵심 아이디어는 구성 가능한 컴퓨팅 리소스의 공유 풀에 대한 유비쿼터스의 편리한 온디맨드 네트워크 액세스를 제공하는 것입니다.

클라우드 컴퓨팅의 작동 방식

클라우드 제공업체는 방대한 양의 하드웨어를 갖춘 글로벌 데이터 센터 네트워크를 유지합니다. 이들은 다양한 모델을 통해 서비스를 제공하는데, 가장 일반적인 모델은 다음과 같습니다:

• 서비스형 인프라(IaaS): 가상 머신, 스토리지, 네트워킹과 같은 기본적인 컴퓨팅 리소스를 제공합니다. 이를 통해 사용자는 최대한의 제어권을 가지며 맞춤형 딥 러닝 환경에 이상적입니다.
• 서비스형 플랫폼(PaaS): 고객이 복잡한 인프라 구축 및 유지 관리 없이 애플리케이션을 개발, 실행 및 관리할 수 있는 플랫폼을 제공합니다. 여기에는 관리형 데이터베이스와 Kubernetes 서비스가 포함됩니다.
• 서비스형 소프트웨어(SaaS): 인터넷을 통해 구독 방식으로 소프트웨어 애플리케이션을 제공합니다. 컴퓨터 비전 모델을 훈련하고 관리하기 위한 도구를 제공하는 SaaS 플랫폼의 예로 Ultralytics HUB가 있습니다.

이러한 구조는 비용 절감, 글로벌 확장성, 고성능, 향상된 데이터 보안과 같은 주요 이점을 제공하며, CSA(Cloud Security Alliance)와 같은 조직과의 파트너십을 통해 관리됩니다.

AI 및 머신 러닝의 중요성

오늘날 클라우드는 AI 개발의 주요 엔진입니다. Ultralytics YOLO와 같은 고급 모델을 학습하려면 엄청난 연산 능력과 데이터가 필요하므로 로컬에서 호스팅하기에는 비현실적인 경우가 많습니다.

주요 용도는 다음과 같습니다:

• 강력한 모델 훈련: 클라우드는 대규모 데이터 세트에 대한 분산 학습에 필요한 GPU 및 TPU와 같은 고성능 하드웨어에 대한 액세스를 제공합니다. Ultralytics HUB 클라우드 트레이닝과 같은 플랫폼은 이를 활용하여 모델 개발을 가속화합니다.
• 대규모 데이터 세트 관리: AI 모델은 방대한 양의 학습 데이터로 학습됩니다. 클라우드 스토리지 솔루션은 이미지넷부터 객체 감지와 같은 특정 작업을 위한 맞춤형 컬렉션에 이르기까지 이러한 데이터 세트에 확장 가능하고 액세스 가능한 리포지토리를 제공합니다.
• 확장 가능한 모델 배포: 모델이 학습되면 실시간 추론을 위해 클라우드에 배포할 수 있습니다. 클라우드의 탄력적인 특성 덕분에 애플리케이션은 변동하는 수요를 처리하기 위해 자동으로 확장할 수 있으며, 이는 MLOps의 핵심 원칙입니다. 다양한 모델 배포 옵션에 대한 자세한 내용은 설명서를 참조하세요.

실제 애플리케이션

1. 자동차의 AI: 자율주행차를 개발하는 기업들은 페타바이트 단위의 주행 데이터를 수집합니다. 이들은 클라우드 기반 GPU 클러스터를 사용하여 보행자, 차량, 도로 표지판을 식별할 수 있는 인식 모델을 학습하고 검증하며, 이 과정은 자동차 분야의 AI 솔루션 페이지에 자세히 설명되어 있습니다.
2. 의료 분야의 AI: 연구 병원에서는 의료 이미지 분석을 위한 진단 모델을 훈련하기 위해 안전한 HIPAA 준수 클라우드 환경을 사용할 수 있습니다. 익명화된 데이터를 풀링하여 PyTorch와 같은 프레임워크를 사용하여 강력한 모델을 구축함으로써 엑스레이나 MRI의 이상 징후를 감지하여 더 빠르고 정확한 진단을 내릴 수 있어 의료 분야의 AI를 개선할 수 있습니다.

클라우드 컴퓨팅 대 관련 개념

• 서버리스 컴퓨팅: 서버리스 컴퓨팅 은 클라우드 컴퓨팅의 실행 모델이지 클라우드 컴퓨팅의 대안이 아닙니다. 광범위한 클라우드 컴퓨팅에는 가상 서버(IaaS) 관리가 포함될 수 있지만, 서버리스는 모든 서버 관리를 추상화합니다. 사용자는 코드를 함수 형태로 제공하기만 하면 클라우드 제공업체가 이를 실행하기 위한 리소스를 자동으로 프로비저닝하여 필요에 따라 0에서 대규모로 확장할 수 있습니다.
• 엣지 컴퓨팅: 엣지 컴퓨팅은 데이터 소스와 가까운 네트워크의 '엣지'에 있는 디바이스에서 로컬로 데이터를 처리하는 것을 말합니다. 이는 클라우드 컴퓨팅의 중앙 집중식 모델과 반대되는 개념입니다. 그러나 이 두 가지 모델은 종종 하이브리드 접근 방식으로 함께 사용됩니다. 예를 들어, NVIDIA Jetson과 같은 엣지 AI 디바이스는 초기 객체 감지를 수행한 다음 장기 저장, 집계 또는 보다 집중적인 분석을 위해 관련 메타데이터만 클라우드로 전송할 수 있습니다. 이 접근 방식은 엣지의 짧은 지연 시간과 클라우드의 방대한 성능을 결합합니다. 엣지 디바이스에 애플리케이션 배포에 대한 자세한 내용은 블로그에서 확인할 수 있습니다.