‘사람이 운전하면 자동차가 주행하는 방법을 스스로 깨우친다.’, 실리콘밸리의 스타트업인 콤마닷에이아이(comma.ai)의 창업자인 조지 핫츠(George Hotz)가 딥러닝 기반의 자율주행 자동차를 선보이며 한 말입니다. 딥러닝 기반 인공지능이 탑재된 자동차를 운전자가 주행하면 인공지능이 서서히 사람이 운전하는 방식을 깨우쳐 스스로 주행이 가능한 자동차로 발전해 나간다는 것인데요.

실제 콤마닷에이아이는 지난 2016년 3월 이러한 방법으로 4주 만에 자율주행 학습이 가능한 인공지능을 만들어 자동차에 탑재했으며, 10시간 동안의 학습으로 기본적인 자율주행 기능을 구현해 냈습니다. 고가의 특화 센서를 사용하지 않고 총 1,000달러 이하의 범용 센서만으로 딥러닝 기반 자율주행 기술을 개발했습니다.

이는 과거 구글 및 주요 완성차 업체들의 자율주행 기술 구현 방식과 크게 다릅니다. 기존에는 고가의 특화 센서를 사용하고 완성차 업계에 종사한 전문 인력들이 기술 개발의 중심이 되었습니다. 이들은 다양한 센서 정보와 주행 규칙을 전문가들이 모델링해 자율주행 기능을 구현해 냈는데요.

구글의 2012년 자율주행 자동차를 발표했을 당시 차체의 가격만 약 150,000달러에 달했으며 그중 70,000달러가 라이더(LIDAR) ¹센서 가격이었습니다. 완성차 업계에서 수많은 전문 인력들을 영입해 약 170여 명에 이르는 개발팀을 꾸리고, 약 4년 이상의 주행 테스트를 걸쳐 자율주행 기술을 구현해 냈지만, 신생 스타트업인 콤마닷에이아이는 단 4명의 개발자가 4주 만에 딥러닝을 활용해 구현해 낸 것입니다.

지금까지 자율주행 기술은 고가의 특화 센서와 자동차 산업의 전문성을 기반으로 한 소수의 기업만이 구현할 수 있었는데요. 기술 진입 장벽이 매우 높아 장기적인 투자와 기술개발 역량을 확보한 거대 ICT 기업 및 자동차 산업 내 소수의 기업이 자율주행 기술 개발을 주도해 왔습니다.

실제 구글이 자율주행 자동차 개발 초기 사용되었던 자동차 1대의 가격만 약 1.7억 원이었으며 그 중 핵심 센서로 활용된 라이더 센서 하나의 가격만 8천만 원에 달했습니다. 또한 완성차 제조사로부터 영입된 인력들을 중심으로 약 170여 명에 이르는 인력이 4년 이상의 R&D를 통해 구현한 결과였던 것입니다.

하지만, 이러한 높은 기술 진입 장벽이 인공지능, 특히 딥러닝으로 인해 허물어지고 있습니다. 최근 2년 동안 실리콘밸리를 중심으로 딥러닝을 활용해 자율주행 기술을 구현하는 기업들이 빠르게 출현하고 있는 것입니다.

이들 기업은 과거 자동차 전문가들이 중심이 된 규칙기반 방식(Rule-based Approach)으로 자율주행 기술을 구현했던 것과는 달리, 마치 사람이 주행을 반복할수록 운전을 익혀가는 것과 같은 과정을 딥러닝을 활용해 자율주행 기술로 구현합니다.

특히, 고가의 센서가 아닌 저가의 범용 센서들을 사용하면서도 인공지능 역량을 통해 기술을 구현하며, 소수의 개발자가 매우 단시간에 기술을 구현해내고 있습니다. 게다가 최근 빠르게 진화하고 있는 인공지능 기술이 자율주행 분야에 적용되며 향후 이러한 기술 경쟁의 혁신적 변화를 가속화 할 것으로 예상합니다.

자율주행 분야의 선행 연구소에서는 이미 강화학습(Reinforcement Learning), 관계형 추론(Relational Networks), 지능 이식(Transferring Intelligence)과 같은 인공지능 분야의 최신 연구들을 자율주행 기술 개발에 접목하기 위한 연구를 진행 중입니다.

이들 연구는 인간과 유사한 방식으로 인공지능이 학습, 추론, 예측하는 과정을 구현한다는 점에서 이들 연구가 자율주행 기술에 접목될 경우 마치 사람처럼 생각하고 판단하며 주행하는 자동차가 출현할 가능성도 있게 되는 것입니다.

학계, 스타트업 업계에서는 이미 딥러닝 기반의 자율주행 기술의 공개가 잇따르고 있는데요. 매년 혁신적인 사례들이 등장하는 가운데 주요 연구자들과 창업자들은 모두 자동차 업계의 전문가가 아닌 인공지능, 딥러닝 분야의 전문가들이 자신들의 연구를 자동차 분야에 접목하며 기술을 발표하고 있습니다.

이들 기업은 오픈소스로 자신들의 기술을 공개하며 연구자들의 참여와 경쟁을 통해 기술을 더욱 빠르게 고도화시키고 있습니다. 이러한 방식은 기술 공개를 지양하며 자체 기술 개발 및 내재화를 통해 기술을 발전시켜온 자동차 산업 내 주요 기업들의 기술 경쟁 방식과 큰 차이가 있는데요.

기존 방식을 고수해 오던 완성차 제조사들도 최근 딥러닝 관련 역량을 빠르게 확보하며 새로운 기술 패러다임에 대응 중이다. 다임러(Daimler), 폭스바겐(VW), 토요타(Toyota) 등 주요 OEM들은 2016년 이후 딥러닝 관련 스타트업을 투자, 인수하며 외부 기술을 빠르게 도입함과 동시에 내부적으로는 인공지능 전용 연구소를 설립하며 자체 기술 개발에도 막대한 투자를 진행하기 시작했습니다.

지엠(GM), 포드(Ford)는 각각 약 1조 원이 넘는 금액으로 딥러닝 기반의 자율주행 스타트업을 인수하거나 투자하며 뒤처진 기술 경쟁에 대응하고 있습니다.

자율주행 기술 경쟁의 핵심은 이미 딥러닝을 시작으로 이동하기 시작했습니다. 자동차 산업 내 전문가들과 고가의 특화 센서를 활용해서 구현해왔던 자율주행 기술을 저가의 범용센서를 활용하면서도 딥러닝 분야의 인공지능 전문가들이 중심이 되어 빠르게 구현하고 있는데요.

대부분의 기업이 이미 딥러닝을 기반으로 해 자율주행 기술 개발을 본격화 하는 가운데 자동차 산업 내 향후 경쟁은 인공지능 분야의 역량 확보와 주행 데이터 확보가 핵심이 될 전망입니다. 빠른 속도로 진화하고 있는 인공지능 분야의 기술을 자율주행 기술에 접목해 구현시켜 낼 수 있는 기술 역량의 확보와 구현된 자율주행 지능을 고도화시킬 수 있는 학습 데이터의 확보가 동반되어야 합니다.

딥러닝 등 기계학습 기반의 인공지능의 성능은 더욱 많은 그리고 더욱 다양한 상황의 데이터를 확보해 학습 과정에 활용하는가가 기술의 완성도를 결정하기 때문입니다. 실제 주행 데이터 확보의 중요성을 일찍이 인지한 콤마닷에이아이, 테슬라(Tesla)와 같은 일부 기업들은 이미 수백 만에서 수억 Km에 달하는 주행 데이터를 수집해 자율주행 지능 학습 과정에 활용하고 있습니다.

향후 자율주행 자동차 시장이 본격 개화 시 시장 초기부터 이러한 데이터를 미리 확보하고 고도화된 지능을 보유한 기업들과 그렇지 못한 기업들 간의 기술 격차는 매우 클 것으로 전망되며 이러한 격차는 후발 주자가 단기간에 따라잡기란 매우 어려울 것입니다.

글 l 이승훈 책임연구원(shlee@lgeri.com) l LG경제연구원

• LIDAR(Light Detection and Ranging): 빛을 분사해 주변 상황을 인식하는 센서로 카메라, 레이더 대비 높은 정밀도로 물체 형상 인식 차량, 보행자, 동물 등 식별이 가능), 2012년 이후 기술 혁신 및 양산화로 인해 가격이 빠르게 하락 중 [본문으로]