자율주행은 대체 무엇이 어려울까?

💡CarTalk
자율주행에 대한 어두운 전망들이 있다. 지난 6월 월스트리트 저널은 자율주행차의 개발이 10년은 더 걸릴 것이라고 이야기했다. 그리고 얼마 지나지 않은 지난 23일 일론 머스크는 테슬라의 자율주행 기능이 그다지 뛰어나지 못하며 성능 개선이 필요함을 인정했다.

-

이러한 어두운 전망이 쏟아져 나오는 가운데, 자율주행은 대체 무엇이 왜 어려운 것일까?

-

여러가지 이유가 있지만, 가장 어려운 한가지를 꼽자면 '주행의 문맥(context)은 여러개'라는 것이다. 그리고 현재의 자율주행은 딥러닝에 의존하고 있고, 딥러닝은 여러개의 문맥에 효율적인 기술이 아니다.

-

한개의 딥러닝 모델은 한가지 문맥의 직관적 판단(휴리스틱)을 모방하고 최적화한다. 문맥이란 '한겨울 화창한 대낮에 경부 고속도로 주행하는 것'처럼 구체적인 상황이다. 두가지 이상의 문맥에 대응하기 위해 문맥이 다른 데이터를 섞어서 학습하면 딥러닝의 효율이 떨어진다.

-

개인 승용차의 자율주행이라는 것은 기본적으로 크게 고속도로 주행과 시내주행이라는 문맥 변화를 겪는다. 그러나 시내주행에는 램프와 하이패스가 없고 고속도로주행에는 교차로와 횡단보도가 없는 것처럼 이 두가지 문맥은 상이하다.

-

최근 일론머스크의 트위터를 보면 이러한 어려움을 느낄 수 있다.

-

일론머스크 "... 고속도로와 도심 모두에 싱글스택을 구축하려고 하지만 대규모 NN 트레이닝이 필요하다."

-

만일 이러한 문맥의 변화가 오직 '고속도로 또는 시내'라는 형태만 존재한다면, 사실 자율주행은 이미 완성되고도 남았을 것이다. 왜냐하면 적절하게 딥러닝의 모델을 교체해주면 되기 때문이다.

-

하지만 실제로 시간의 변화, 기후의 변화, 계절의 변화, 문화적인 변화 그리고 제도적인 변화 등등 수많은 문맥 변화의 가능성이 있다.

-

홍콩의 도로에 가로로 트럭이 누워있었던 것처럼 문맥이 뒤틀린 수많은 상황이 꽤나 높은 가능성으로 일어날 수 있다.

-

이상기후로 야구공만한 검은 우박이 떨어지는 날이 있을 수도 있고, 갑작스런 행사로 수많은 사람들이 교통신호와 무관하게 도로를 지나갈 수도 있다. 법이 개정되어 어느날 갑자기 삼륜차가 거리를 활보하거나, 2층 구조의 SUV가 등장할 수도 있다. 그리고 이러한 모든 문맥 변화에 딥러닝은 취약하다.

-

이러한 이유로 딥러닝에 기반한 자율주행은 어려운 것이며, 이에 더해서 대중들은 차량을 여러 가지 문맥에 노출시킬 가능성이 높기 때문에 개인 승용차의 자율주행 기술 탑재는 더욱 어려운 것이다.

-

하지만 딥러닝은 지금까지 알려진 바로 인공지능을 구현하기 위한 가장 효율적인 수단이다. 또한 딥러닝을 복잡하고 체계적인 형태로 구조화하면 이러한 문제를 어느정도 극복할 수 있다.

-

때문에 우리가 말그대로 자율주행을 하는 자동차에 대한 출시를 기다린다면 그것은 아직까지 어두운 미래이며 끝없는 기약이 될 수 있다. 하지만 우리가 조금만 시각을 비틀어 자율주행에 가까울 정도로 놀라운 첨단운전자지원시스템(ADAS)의 자동차 기다린다면 그것은 굉장히 가깝고 밝은 미래이다.
-
📭 오픈카톡방과 블로그를 통해 매일 자세한 정보를 주고 받으세요.
👉링크는 https://www.instagram.com/smartcarfuture/ 프로필을 참고해주세요
-

📷 사진출처: 테슬라공식홈페이지

#테슬라 #전기차 #스타트업 #전기차배터리 #자동차 #스마트카 #자율주행 #IT #ADAS #Battery #tesla #전기차섹타 #전기차주식 #성투 #인포테인먼트 #내비게이션 #모빌리티 #기획 #smartcaristhefuture #smartcar