자율주행 시장을 주도할 인공두뇌 1편

ARK Invest, UBS, 맥킨지 및 인텔과 같은 기업들은 앞으로 10년 안에 완전 자율주행 로봇 택시 가 시가 총액 7조 달러를 넘어서는 새로운 산업으로 이어질 것으로 믿는다. 이 자율주행 기술이 미국과 전 세계 교통 산업을 해체하기 시작하는 방법과 시기는 기술의 ‘디자인’, 그리고 소비자 들의 인식에 달려 있다. 완전 자율주행 무인 자동차의 ‘두뇌’는 우버와 리프트(Lyft)에 탑승할 때, 승객이 편안하고 안정감을 느끼도록 해야 한다. 이 목표를 위해 현재 어떤 것들이 필요한가? 현 재 어떤 기업들이 경쟁우위를 가지고 있을까?

 

자동차, 트럭, 특수 배송 시스템을 포함하는 자율주행 자동차는 인간과 물품에 대한 기존 운 송 산업을 해체하여 ‘서비스로서의 이동성(Mobility As A Service, MAAS)’이 지배하는 시대 로 이끌 것이다. 소형 무인 자동차들은 피자, 식료품, 이케아 옷장과 같은 제품들을 배송할 것 이고, 사람들은 무인 자동차 안에서 영화를 보고, 책을 읽고, 일을 하고, 심지어 성관계를 가 지기도 할 것이다. 주차 공간을 덜 필요로 하고, 도로가 붐비지 않으므로 도시는 지금과는 다 - 2 - 르게 계획될 것이다. 교통사고로 인한 부상과 사망이 거의 90% 이상 감소하면서 보험 또한 변화를 맞이할 것이다. 더불어 수많은 자동차 관련 비즈니스들도 사라질 것이다. 그리고 대부 분의 사람들이 더 이상 자동차를 구매하지 않기 때문에 우리가 110년 넘게 유지한 소유자 중 심의 자동차 산업은 큰 변화를 맞이할 것이다.

 

이 자율주행 기술이 기존 운송 산업을 해체하는 방법과 시기는 이 기술의 ‘디자인’과 소비자 들의 인식에 달려 있다. 개인용 컴퓨터와 스마트폰의 역사를 생각해 보라. 매킨토시와 아이폰 이 각자 개척한 그래픽 사용자 인터페이스(graphical user interface, 사용자가 컴퓨터를 사 용할 때 컴퓨터 사용에 관한 명령어를 알아야 할 필요 없이 마우스로 그래픽 아이콘만 클릭하 면 프로그램을 실행할 수 있도록 만든 시스템)를 채택하기 전까지, 두 제품은 소비자 필수 제 품은 아니었다. 마찬가지로, 자율주행 자동차는 (소비자들이) 자율주행으로 이동할 수 있도록 ‘디자인’을 지렛대로 삼아야 한다. 실제로, 완전 자율주행 무인 자동차의 ‘두뇌’는 우버와 리프 트(Lyft)에 탑승할 때, 승객이 편안하고 안정감을 느끼도록 해야 한다.

 

 

오늘날 대부분의 자동차 제조사들은 안전 기능으로서 차선을 유지할 수 있도록 자동 브레이크 또는 자동 조향과 같은 반(semi)-자율 주행 보조 장치를 이미 제공하고 있다. 동시에, 이들 제조사들은 운전자들이 자동차에 제어권을 넘기고 이후 그 제어권을 다시 가져오는 최선의 방 법에 대해서도 이미 연구를 마치고 있다. 테슬라의 오토파일럿(Autopilot)을 보자. 현재 오토파일럿은 실제로 주차 및 고속도로 주행만 처리할 수 있고 운전자는 핸들에 항상 손을 올려놓고 있어야 한다. 만약 그렇지 않으면 경보 음이 울려 제어권을 강제로 회수하도록 한다. 그럼에도 불구하고 테슬라의 오토파일럿은 지금 까지 3명의 운전자들이 사망하는 사고와 연관되어 있다. 테슬라의 비즈니스 모델이 자동차를 판매하는 것이기 때문에, 당분간 레벨3 제품인 이 오토파일럿이 테슬라에게는 상당한 의미가 있을 것이다. 한편, 우버와 리프트는 서비스를 판매하는 데 목적을 둔 자체 드라이빙 프로그램에 상당한 투 자를 진행해왔다. 2019년 초, 리프트는 300명의 엔지니어를 고용했고 자율 주행 기술 파트너 마그나(Magna)로 부터 2억 달러의 신규 투자를 받아 그 수를 2배로 늘리려 하고 있다. 또한 리프트는 미국 자 율주행 전문기업 앱티브(APTIV)를 위한 부킹 플랫폼을 운영하고 있다. 앱티브는 호텔과 주요 명소 사이를 자율 주행하여 라스베가스 스트립(the Las Vegas Strip) 지역을 순환하는 30대 의 자동차를 보유하고 있다.

 

행동 예측에 있어, 인풋(input) 데이터는 다른 자동차가 지난 5초 동안 수행한 작업일 것이다. 그리고 원하는 아웃풋(output) 데이터는 그 자동차가 다음 5초 동안 무엇을 할 것인가에 대한 - 3 - 예측일 것이다. 어떤 자동차가 10초 동안 수행한 일을 기록한다면 학습에 사용될 수 있는 인 풋-아웃풋 한 쌍을 보유하게 된다. 더군다나 이 과정에서 기록을 수동으로 작업할 인간도 필 요하지 않다. 심지어 기업이 이러한 기록 비디오들을 업로드 할 필요조차 없을 수 있다. 대신, 자동차가 주변에서 무슨 일이 일어날 것인지에 대한 추상적 표현(abstracted representation)의 기록을 단순하게 저장할 수 있다. 추상적 표현이란 모든 장면이나 객체가 컬러 코딩된 직육면체 형태로 시각화되고 픽셀 레벨 정보는 버려지는 것이다.

 

애널리스트 트렌트 이디(Trent Eady)에 따르면, 테슬라는 행동 예측에서 지속 가능한 경쟁 우위를 가질 수 있다. 이미 도로에서 운행 중인 50만 대 이상의 하드웨어(Hardware) 2, 3 자 동차들을 보유하고 있기 때문이다. 이 자동차들은 360도를 모두 커버하는 8대의 카메라, 전방 레이더, 신경망을 운영하기 위한 FSD(Full Self-Driving Computer), 운전 중 데이터 저장 및 이후 고객의 와이-파이 네트워크를 통한 업로드 기능을 갖추고 있다. 테슬라가 원본 비디오(raw video)가 아닌 하드웨어 2, 3 자동차로부터의 추상적 표현만 업로 드 하더라도 이는 자동차 행동 예측을 위한 방대한 훈련 데이터 자료가 된다. 추상적 표현에 있어, 인간이 노동 집약적으로 이 작업을 수행할 필요도 없다. 신경망이 더 많은 데이터로 인 해 개선됨으로써, 이것이 바로 행동 예측에 있어 테슬라의 실질적인 강점이 될 수 있다. 자율 주행에 있어 행동 예측은 매우 중요하기 때문에 이 경쟁력의 의미는 상당하다 할 수 있다. 데이터의 가치를 극대화하려면, 테슬라의 기존 행동 예측 신경망이 잘못된 예측을 내린 사례 들(예를 들어, 운전자의 개입이 요구되었던 상황 등)을 업로드 하는 것이 특히 중요하다. 왜 그럴까? ‘오류가 수정된 실수’로 교육하는 것이 무작위 랜덤 방식의 데이터로 교육하는 것보 다 훨씬 더 빠른 방법이기 때문이다.

 

이것은 ‘롱테일’의 특정한 형태이다. 이 형태에서, 몇몇 드라이빙 시나리오는 1백만 마일에서 한번 정도 발생하는 특수한 것이다. 테슬라가 약 1백만 대의 자동차를 운영하는 상황에 도달 하면, 전체적으로 이 자동차들은 한 달에 수십 억 마일을 운행할 것이다. 그리고 1백만 마일 당 1회 정도 발생하는 확률로 계산하면 테슬라는 매달 1천 개의 특수한 사례를 수집할 수 있 게 된다. 거의 발생하지 않는 사례들로 누적된 이 데이터는 1백만 대의 자동차를 운영하는 회 사의 입장에서는 작은 데이터일 수도 있다. 하지만 이 작은 데이터가 자율 주행에 매우 치명 적이기 때문에 매우 큰 가치가 있다.

 

출처: 글로벌 트렌드

 

-2편에서 계속-