자동 브레이크, 새로운 경쟁축으로

첨단운전자보조시스템(ADAS)의 주요 기능

첨단운전자보조시스템(ADAS)의 주요 기능인 자동 브레이크가 ‘자전거 대응’이라는 새로운 무대에서 성능을 겨루고 있다. 일본의 자동차평가프로그램(JNCAP)에서 자전거 대응을 대상으로 한 자동브레이크시험에서는 덴소의 최신 센서가 탑재된 도요타자동차의 차량이 좋은 성적을 거두었다.

2024년에는 교차로의 우∙좌회전을 대상으로 한 시험이 추가되어 한층 더 향상된 센서가 요구된다. 한편, 현재의 자동 브레이크는 대상물과의 충돌을 피하기 위해 차량을 세우는 것이 전제이다. 향후에는 주위의 교통 상황에 따라 최적의 위험 회피 방법을 선택하는 ‘전체 최적’의 사고방식이 중요해질 것이다.

PART 1. 자전거 대응을 놓고 경쟁
도요타의 미니 밴, 높은 평가 받아

일본자동차평가프로그램(JNCAP)의 자동 브레이크 성능 평가에 자전거 대응 시험이 추가되었다. 2022년에 시작된 이 시험에서는 도요타자동차의 중소형 미니 밴이 최고점을 획득하며 강세를 보였다. 차량 전방의 자전거를 확실하게 포착하기 위해 단안 카메라를 광각화하고 해상도를 높인 것 등이 기여했다. 

신흥 기업, 오래된 기업, 중국계 기업 간의 시장 쟁탈전

수도권과 간사이(關西)권을 중심으로 창고·운송 사업 등을 전개하는 야스다창고(安田倉庫)는 10월경, 도쿄 도 고토(江東) 구 히가시모(東雲)에 위치한 창고에 자사로서는 처음으로 무인 반송 지게차(AGF: Automated Guided Forklift)를 도입할 예정이다.

야스다창고는 물류 창고의 성인화(省人化) 및 자동화를 추진하고 있으며, 이미 자율 이동 로봇(AMR: Autonomous Mobile Robot) 등을 도입. AGF도 약 1년 전부터 검토해 왔다.

이번에 야스다창고가 도입을 결정한 가장 큰 요인은 지게차 운전자의 부족이다. “아직 인력 확보에 고전하고 있는 단계는 아니지만, 창고가 밀집된 지역에서는 신규 채용이 어려워지고 있다. 시급 단가도 오르고 있으며 고용인도 정착하지 않고 있다”라고 야스다창고 영업 기획부의 아라이(新井) DX사업추진 실장은 말한다.

구역 내에서 최대 하중 1톤 이상의 지게차를 운전하려면 ‘지게차운전기능강습 수료증’이라는 국가자격증을 취득해야 한다. 후생노동성에 따르면, 이 강습의 신규 수료자 수는 2021년에 약 21만 2,000명으로, 피크였던 2007년보다 21%나 감소했다. 그리고 트럭 운전자 등과 마찬가지로 고령화도 심각하다. 

대화 상대 및 문맥을 이해

아마존닷컴은 미국 시간 9월 20일, 음성 어시스턴트 ‘알렉사(Alexa)’에 생성 AI(인공지능)를 탑재한다고 발표했다. 이 날, 아마존닷컴의 디바이스 부문을 이끄는 림프 바이스프레지던트는 알렉사의 새로운 5가지 기능에 대해 설명했다.

첫 번째는 퍼스널라이징과 문맥에 대한 이해이다. 알렉사는 대화 상대를 인식하고 예를 들어 '상대가 좋아하는 팀의 승패'를 답할 수 있다. 림프 바이스프레지던트는 “유저가 (알렉사와) 공유해온 취향이나 사용한 서비스, 자택 등의 환경에 관한 정보에 근거해 이색적인 체험을 제공할 수 있다”라고 말했다. 문맥을 이해하고 질문하는 날이 아닌 다른 날의 일기예보를 알려주는 것도 가능하다.

두 번째는 대화 기능 강화. 단말기의 카메라와 센서 등을 사용해 사람의 존재를 검출할 수 있다. 손짓이나 발짓 등 비언어 신호를 이해하는 AI와 조합해 답변 지연을 줄이고, 보다 자연스러운 대화를 할 수 있다.

세 번째 새로운 기능은 알렉사 자체의 인격이다. 알렉사에게 좋아하는 축구팀을 물으면, 시애틀 출신이라 (시애틀이 연고지인) 시호크스를 좋아한다고 대답한다. 아카데미상을 받아야 할 영화에 대해서도 답할 수 있다고 한다.

도시바, 양자암호통신에 주력

2030년대에 실용화될 것으로 기대되고 있는 양자인터넷을 목표로 요소기술에 강점을 가진 기업들이 개발을 가속화하고 있다. 도시바는 양자인터넷에 필수인 양자중계기기술 개발에서 선두를 달리고 있다. 후루카와전기공업(古河電気工業)과 하마마쓰(浜松)포토닉스도 기존의 통신 관련 기술을 활용한 개발을 추진하고 있다. 미래의 유망 시장을 가장 먼저 장악하기 위한 경쟁이 시작되고 있다.

도시바는 양자키배송(QKD)과 양자암호통신에서 업계 최고 수준의 기술력을 가지고 있다. 최근에는 QKD의 상용 이용이 시작되고 있어 도시바는 관련 기술의 사업화를 서두르고 있다. 미래의 양자인터넷 실현에 필요한 ‘양자중계기술’ 개발도 추진하고 있다.

QKD는 양자기술을 이용해 암호키를 공유하는 기술로, 떨어진 거점 간 안전한 통신을 실현할 수 있다. 도시바는 2020년에 QKD 상용화를 발표. 2021년에는 송신기와 수신기 간에 양자암호 키를 통신할 수 있는 '칩 기반 양자암호통신 시스템' 실증에 세계 최초로 성공한 실적을 가지고 있다.

도시바는 해외 기업 및 연구기관과 연대해 고도의 양자암호통신 개발과 실증을 추진하고 있다. 예를 들면, 올 9월, 영국 케임브리지에 개설한 ‘양자기술센터’에서는 양자암호 장치 개발 및 상용화를 추진. 

‘문맥을 이해하는 알렉사’를 스마트홈의 사령탑으로

생성 AI(인공지능)가 드디어 주택에 연결되려고 하고 있다. 아마존닷컴은 음성 어시스턴트 ‘알렉사’에 생성 AI를 탑재한다고 발표했다. 문맥을 이해하는 AI를 스마트홈의 사령탑으로 자리매김 시키려는 전략이다.

9월 20일, 미국 버지니아 주 알링턴의 아마존 제2 본사에서 열린 신제품 발표회. 이곳에서 시연된 디바이스 부문을 이끄는 림프 시니어 바이스 프레지던트와 알렉사의 대화에 장내에서 박수 갈채가 쏟아졌다. 이 대화를 기반으로 새로운 알렉사의 세 가지 능력을 살펴보자.

첫 번째는 퍼스널라이즈와 문맥에 대한 이해이다. 알렉사는 대화 상대가 누구인지 인식할 수 있다. 림프 시니어 바이스 프레지던트는 “유저가 공유한 취향이나, 자택 등 환경에 관한 정보를 바탕으로 독특한 체험을 제공할 수 있다”라고 설명했다.

문맥을 이해하는 모습도 엿볼 수 있었다. 예를 들어, ‘시애틀의 날씨’를 물었을 때 질문의 대상이 되는 날짜가 ‘9월 24일 일요일’인 것을 맥락을 통해 판단했다. 기존의 알렉사에게 이런 맥락으로 날씨를 물어보면 질문 당일의 날씨에 대한 답변만 할 수 있었다.

혁신 기술 창출을 위한 기초 연구

대화형 AI를 비롯한 ICT의 급속한 발전과 사회 정세의 극적인 변화로 커뮤니케이션의 형태도 크게 변화하고 있는 가운데, NTT 커뮤니케이션과학기초연구소(CS연구소)는 사람과 사람, 사람과 컴퓨터 간의 ‘마음까지 전할 수 있는 커뮤니케이션’의 실현을 목표로, 사람과 정보의 본질을 탐구하는 기초 이론의 추구와 ICT 사회에 변혁을 가져오는 혁신 기술 창출을 위한 기초 연구에 힘쓰고 있다. 본 특집에서는 CS연구소에서 추진하고 있는 최신 기초 연구에 대해서 알기 쉽게 소개한다.

사람과 사회, 지구의 미래를 해명해 누구나 빛날 수 있는 세계를 디자인한다
–다양한 지식과 기술로 과거, 현재, 미래를 연결하는 커뮤니케이션 과학-
CS연구소는 사람과 정보의 본질을 탐구하는 기초 이론 구축과 사회 변혁을 초래하는 혁신 기술 창출을 추진하고 있다. ‘사람과 사회, 지구를 해명한다’라고 하는 관점에서 CS연구소의 최신 활동 일부를 소개한다.

관측 데이터를 통해 물리현상을 재현하는 기계학습기술
-데이터 구동형 접근에 기반한 물리 시뮬레이션
인류가 지금까지 발전시켜온 물리학의 지식을 활용해서 관측 데이터를 바탕으로 물리 현상을 정확하게 재현하기 위한 기계학습기술을 소개한다.

뉴럴 네트워크, 최대의 수수께끼

딥러닝(Deep Learning)은 Enldjsks 직감과 기력, 용기가 필요한 야심적 실험에 의해 전진하여 왔다. 대부분의 실험이 실패로 끝나고 있는 가운데, 성공한 실험결과는 그때까지의 통계와 기계 학습의 상식을 무너뜨렸다.

어째서 잘 되었는지 또는 잘 되지 않는가를 많은 연구자가 설명을 해가며, 수년에서 많은 경우는 수십 년의 시간을 들여 이 수수께끼를 풀기 위해 혼신의 힘을 다한다.

이러한 발전의 방법은 실험과학에 가깝게, 처음에는 이유를 모르게 잘 진행되는 실험결과나, 그때까지의 이론과는 모순되는 실험결과가 발견되고, 그 것들을 해명하여 가는 도중에 서서히 수수께끼가 풀려 나간다.

본서는 이 가운데서도 딥러닝의 커다란 두가지 수수께끼의 해명에 대해서 소개한다. 어떻게 학습이 되는 것이며, 어떻게 범용화 되어 가는 것인가이다.

제1장 딥러닝은 무엇인가 – 표현 학습과 테스크 학습
제2장 딥러닝의 최적화 – 어떻게 학습이 되는 것인가