📗 | AI지식_ 자율주행

비전공자도 이해할 수 있는 AI 지식 - 3. 자율주행-테슬라가 꿈꾸는 기계

 

자율주행의 시작, 다르파 그랜드 챌린지

• 자율주행 차량 경주
• 초기 다르파 그랜드 챌린지 : 사막에서 대 실패를 겪음
• 다르파 : 혁신적인 연구를 후원하는 미국의 정부 기관

 

 

 

 

 

자율주행차 스탠리가 우승한 비결은?

• 첫번째 경기와 다른 점
  • AS-IS : GPS에 따라 정해진 경로를 주행하는 데에만 집중
  • TO-BE : 경로 탐보다는 지형을 인식하는 기능에 집중
• 스탠리의 문제 해결
  • 데이터에서 부터 규칙을 찾아나가는 머신러닝 활용
  • 스탠리를 사람이 직접 운전하여 라이다로 자동차 주변 측정
  • ex. 라이다가 장애물 발견하면 그 위치를 장애물을 설정하고 , 바깥쪽은 미확인 구역으로 설정
• 수많은 규칙을 일일이 프로그래밍 하는 것이 아니라 인간에게 운전을 가르치는 것과 똑같은 방식으로 기계를 가르침. 결국 자율주행차는인간을 지켜보며 관련 행동을 모방

 

 

 

 

 

 

자율주행의 공식, 베이즈 정리

자율주행차 가속 방식의 변화

• 20세기 : 가속 페달을 직접 물리적인 힘으로 누르는 것
• 21세기 : 소프트웨어의 힘에 의해 작동

 

베이즈 정리(Bayes' Theorem)

• 수많은 규칙을 일일이 입력할 수 없기에 탄생
• 18세기 영국의 목사 토머스 베이즈(Thomas Bayes)가 증명한 확률에 관한 공식에 기반
• 실험 결과에 따라 어떠한 절대 원칙도 깨질 수 있다. 즉, 확률을 믿음으로 바라보는 것

베이즈 정리와 자율주행차의 관계

• 자율주행차가 받아들이는 신호 : 확실하지 않은 신호들으로써, 단 하나의 규칙으로 깔끔하게 해결 불가
• 안전한 구간이라면 안전하다는 신호를 끊임없이 업데이트하고, 위험 요소를 발견할 경우 위험하다는 신호를 끊임없이 업데이트

 

 

 

 

 

센서 전쟁 : 레이더, 라이다 그리고 카메라

레이더(Radar, RAdio Detection And Ranging)

• 2차 세계대전 전후 영국, 상대의 격투기를 탐지하는 군사용 장비 개발
• 전자파를 쏘아올려 물체에 반사된 반사파 측정
• 장점
  • 장거리 측정 가능
  • 물체 내부까지도 감지 가능
  • 날씨의 영향을 받지 않음
  • 저렴함
• 단점
  • 거리나 방향, 모양이나 구조 파악 어려움
  • 부도체는 인식 불가
  • 작은 물체 측정 어려움

라이다(LiDAR, Light Detection And Ranging)

• 레이저 빛을 발사해 반사되어 돌아오는 것을 측정
• 장점
  • 레이더에 비해 물체의 거리와 방향을 훨씬 더 정교하고 입체적으로 파악
  • 3차원 분석까지 가능(일종의 디지털 스프레이)
• 단점
  • 악천후에 영향 받음(입자에 빛이 반사되면 주변 환경 인식에 왜곡 발생)
  • 장거리 측정은 정확도가 현저히 떨어짐
  • 비싼 가격으로 대중화 힘듬

 

 

 

 

 

카메라, 동물의 눈으로 도로를 바라보다

AS-IS : 클러스터링(Clustering)

• 비슷한 개체끼리 하나의 군집(Cluster)으로 묶는 머신러닝 기법
• 촬영한 사진의 색상을 비교하여 개체를 인식

TO-BE : 컨볼루션 신경망(CNN, Convolution Neutral Network)

• 카메라 영상 자체를 종합적으로 판단
• 동물의 눈으로 유입된 시각 정보가 어떻게 시신경을 거쳐 뇌에서 처리되는 과정에서 영감받음
• 시각피질을 구성하는 세포는 점, 막대, 모서리 같은 특이한 모양에만 반응
• 사물 전체를 한 번에 보는 대신 부분으로 조각내어 살펴보는 것

레이더, 라이더보다 월등한 성능

• 차선 인식, 신호등 정도, 표지판 정보 : 카메라만이 분석할 할 수 있음

 

 

 

 

 

 

주행 데이터와 모방학습

모방학습(Imitation Learning)

• 상황을 인지한 후 해당 상황에서 어떤 식으로 운전하느냐는 전적으로 사람의 운전 습관을 그대로 모방
• 먼저 데이터를 구축하고 학습을 통해 정확하게 상황을 인지한 후 인간의 주행방식을 모방하여 실제 주행

 

 

 

 

 

자율주행차가 바꿀 미래

자율주행 단계

• 0단계 : 자율주행 기능 없음
• 1단계 : 발 떼기 - 크루즈 컨트롤(정속 주행), 충돌 경고, 비상 제동 가능
• 2단계 : 손 떼기 - 조향 제어 가능(현재 단계)
• 3단계 : 눈 감기 - 부분 자율주행 가능. 운전자는 책을 읽거나 영화를 볼 수 있음. 그러나 필요할 때 일정 시간 이내에 운전자가 즉각 개입할 수 있어야 함.
• 4단계 : 뇌 끄기 - 고급 자율주행 가능. 운전자는 잠들어도 무방하지만 지정된 영역을 벗어나거나 특수한 상황에서는 운전자의 개입이 필요할 수 있음
• 5단계 : 완전 자율주행 가능. 인간의 도움이 전혀 필요 없음

5단계, 완전 자율주행의 어려움

• 단 한번의 오인식으로 끔찍한 결과를 초래할 수 있기 때문
• 자율주행 기술은 무엇보다 완벽에 가까워야 함

자율주행의 윤리 문제

• 도덕 기계(Moral Machine) : 자율주행차가 사고를 낼 수 밖에 없는 상황
• 광차 문제(Trolley Problem) : 광차의 선로에 5명이 묶여있고, 다른 선로에 1명이 서있다면 레버를 당겨야 하나
• 자율주행차가 이런 상황을 직접 판단하고 누군가의 희생을 택하는 것에 대한 윤리 문제 발생

자율주행차가 산업 전반에 끼치는 변화

• 물류, 보험, 정비, 운전사, 대중교통, 단거리 항공, 호텔, 도심 부동산, 군사 등 다양한 분야가 영향을 받음

 

 

 

 

---

 

 

💡INSIGHT

AI는 인간을 모방하는 것이 가장 빨리 더 큰 정확도에 도달한다.

소프트웨어 개발의 접근 방식에 따라 정확도가 달라지는데, 크게 발전할 때마다 인간과 동물을 모방한 결과임을 알 수 있다. 예를 들어, 동물이 시각 정보를 처리하는 방식이나 인간이 운전하는 방식을 모방함으로써 소프트웨어는 점점 더 견고해지고 정교해진다.

첫 번째 챕터가 떠오른다. "대중의 지혜"에서는 다양한 집단의 데이터를 모았을 때 소수의 전문가 의견보다 더 정확한 결과를 얻을 수 있다고 말한다. 이 개념을 현재 챕터와 결합해보면, 기술은 결국 더 많은 인간을 분석하고 모방할수록 그 정확성이 높아진다.

AI 관련 책을 읽을수록, 인간이 얼마나 정교하고 변화무쌍하며 완벽에 가까운 창조물인지 깨닫게 된다. 이를 통해 기획자로서 모든 서비스를 설계할 때, 인간을 모방하고 인간에게 친화적인 서비스를 만들어야 한다는 생각이 자연스럽게 떠오른다. 무에서 유를 창조하는 것이 아니라, 이미 존재하는 인간과 그 창조물을 바탕으로 출발해 거기에 더해 나가는 것이 가장 빠르고 정확한 길이라는 것을 잊지 말아야겠다.!!