Nikkei Automotive_2016.04. 특집 (p32~45)

운전자는 인공지능 (AI)
(다가오는 무인운전 시대)

2020년까지 “구글자동차”가 세계를 달린다 --- .
자동차 업계의 신흥세력이 그렸던 ‘꿈’이 갑자기 현실감이 높아지고 있다. 자동운전을 실용화하는데 있어 커다란 장애로 인식되던 ‘운전자의 존재’를 해결하는 돌파구가 보이기 시작했기 때문이다. 그 경계를 가른 것이 인공지능 (AI)이다.
미국에서 무인운전 자동차가 본격적으로 달리기 시작할 것 같다.
 

Part. 1 구글이 열은 돌파구 : 완전 자동운전 자동차가 세계를 달린다..

미 운수성 도로교통 안전국 (NHTSA)이 제시한 견해로, 자동차업계가 떠들썩하다. 2016년 2월, 인공지능(AI) 을 운전자로 보겠다고 시사한 것이다.
「AI = 운전자」가 인정되면, 완전 자동운전 자동차가 세계를 달릴 수 있게 된다. 2020년에 실용화를 공언하는 구글의 야망이 현실감 있게 다가오고 있다.

“인간이 아닌 것이 차량운전이 가능 하다면, 운전하고 있는 것은 ‘운전자’로 보는 것이 타당하다” ---. 완전 자동운전 자동차의 실현을 목표로 하고 있는 미국의 구글사가, 미 운수성 도로교통 안전국(NHTSA)을 움직였다. 자동운전 소프트웨어를 ‘운전자’로 본다는 견해를 끌어낸 것이다.
현행의 조약에는 운전자가 없는 차량은 도로를 달릴 수 없게 되어 있다. NHTSA는 “구글이 충분한 정보를 제공한다’는 전제하에 인공지능을 이용한 자동운전용 소프트웨어 ‘SDS (Self-Driving System)를 ‘운전자’로 볼 가능성이 있다고 답한 것이다.

-- 미국 정부의 국책 --
이 판단에, 자동차업계가 들떠있다. 놀란 것도 무리가 아니다. 약 2개월 전에 실리콘밸리를 관할하는 미 캘리포니아 운수국 (DMV)은 자동운전 자동차의 도로주행에 대한 가이드라인을 초안으로 발표했는데, 자동운전자동차 전용의 면허증을 취득한 운전자의 승차를 의무화 했다. 그럼에도 NHTSA가 그 가이드라인을 넘어서는 지침을 제시한 것은 미국의 활력을 잃게 하지 않겠다는 메시지와 함께, 구글을 시작으로 하는 도전자들에 대한 성원으로 ‘미국정부의 국책’으로 볼 수도 있다는 견해가 많다.

-- 무인운전시대의 문을 열다 --
「AI = 운전자」라는 해석은 무인운전시대의 문을 여는 돌파력을 갖게 된다. 구체적으로는 두 가지의 임팩트가 있다. 첫째가, 기술적으로 완전 자동운전 자동차가 세계를 달릴 수 있게 된 것이다.
완전 자동운전 자동차 개발의 역사를 보면, 2007년경에 한 번의 전환점이 있었다. 구글이 개발을 시작하고 고정도의 지도데이터를 사용하면 ITS (고도 도로교통 시스템)인프라가 없이도 자동운전이 가능한 것을 시사했지만, 뒤집어 말하면 고정도 지도데이터가 없는 지역에서는 달릴 수 없다는 것이었다. 그러나 주행지역의 교통 룰을 사전에 제어알고리즘에 입력하는 것을 전제로 했었다.   

AI에 숨겨져 있는 최대의 가능성은 학습기능에 있다. 이 것으로 자동차는 세계 각지의 교통 룰을 배울 수 있어, 지금까지 지역한정이었던 완전 자동운전 자동차를 세계 어디에서도 달릴 수 있는 자동차로 승격시킬 수 있는 것이다. 표식이나 백선의 표시는 나라와 지역에 따라 크게 다르고, 보행자의 움직임과 운전매너도 천차만별이다. 자동운전시스템에 정통한 인텔의 임원은 “사람의 작업으로 교차로 등의 주행알고리즘을 생성하고 교통사정이 다른 각국에 대응하는 것은 거의 불가능’하다고 분석한다.

사람에 의한 주행알고리즘의 개발에 어려움을 겪고 있는 곳이 토요타 자동차이다. 동사는 2015년 가을까지 자동운전 자동차의 제어소프트웨어에, 주행장면을 공통의 알고리즘으로 대응 가능하도록 개발을 추진해 왔지만, 공통알고리즘으로 대응 안 되는 경우가 수천 건도 넘어 부득이 예외처리를 해오고 있는 것이다. 토요타는 2016년 1월에 AI를 연구하는 자회사 TRI (Toyota Research institute)를 설립했다. 사람의 수 작업에 의한 예외처리에 한계를 느꼈기 때문일 것이다. 그 증거로 TRI사의 CEO도 “정말로 자동운전기술의 도움이 필요한 것은 운전이 어려운 경우로, 그 것이야 말로 AI로 해결하고 싶다는 것이다”라고 말하고 있다.

두 번째는, 운전자에 관한 현행법조문 변경 없이 탈 수 있는 가능성이 나왔다는 것이다. 1949년의 제네바 도로교통조약이나 1968년의 빈 도로교통조약은 ‘차량에는 운전자가 없으면 안 된다’로 규정되어 있는데, AI를 운전자로 볼 수 있다면 해석개정만으로 돌파될 수도 있을 것이다. 향후 법적 책임의 소재나 운전면허증의 형태와 보험제도 등의 논의도 본격적으로 시작될 것으로, 완전 자동운전 자동차의 실현은 피할 수 없는 조건이 되었고, 언제 논의할 것이냐는 타이밍만 남게 되었다..

-- 자동운전 개발, 대 경쟁구도로 --
완전 자동운전 자동차를 둘러싸고 지금부터 구글을 중심으로 세계 중에서 개발경쟁이 격화될 것이다. 구도로는 자동차업계의 신흥세력과 종래의 자동차 메이커들의 대비가 선명하게 드러날 것이다.
구글은 전부터 NHTSA와 “긴밀히 이야기하고 있다”고 밝히고 있고, 전 부국장을 영입하는 등으로 이번의 해석을 끌어냈다. NHTSA는 자동차업계와 이해관계자들과 협력하여 2016년 6월경까지 자동운전 자동차의 안전한 운용과 전개에 관한 가이던스를 만들고, 미국정부도 자동운전 자동차 개발에 10년간 40억 달러를 투자하기로 하였다.

미국이 해결하고 싶은 과제는 교통사고의 감소이다. 이 과제의 달성을 위해 자동운전에 관계되는 기술의 진화는 국가로서도 중요시 되고 있고, 이 생각에 구글도 동조한다. 동사의 자동운전 자동차 프로젝트 책임자는 “미국에서만 년간 3만 3000천 명이 교통사고로 사망하고, 세계적으로는 1시간에 737회의 사망사고가 일어나므로 이 문제를 꼭 해결하고 싶다”고 열변을 토한다

-- 네덜란드에서 무인버스가 도로로 --
자동차업계의 신참자 중에는 구글도 추월하려는 유럽세가 나타났다. 2016년 1월 28일, 네덜란드 중부의 Gelderland주의 도로에 핸들도 가속페달도 없는 전기자동차 (EV) 버스 ‘WEpod’가 달리기 시작했다. 도로를 달리는 번호판이 붙은 무인운전 버스로서는 ‘세계 처음’이다. 목적은 보다 안전한 공공교통기관을 모색하는 것으로, 무인운전이 되면 인건비의 삭감도 가능하다. WEpod는 6인승으로 지금은 시험단계로 약 12분간 주행하는 루트를 25Km/h이하로 운행하고 있다. 순조롭게 가면 금년 여름부터는 지금보다 교통량이 많은 도로를 운행할 계획이다. 운전제어는 물론 AI가 담당한다.

스위스에서도 2016년 봄부터 공공교통기관으로 자동운전버스 사용이 결정되었다. 운용하는 스위스 PostBus사는 ‘On-Demand 교통서비스의 제공’을 목표로, 무인운전 EV버스는 프랑스의 벤처기업 Navya사가 제공한다. 이에 대응하는 종래의 자동차메이커로, 미 Ford사는 기술개발에서 선행되어 있지 못하고, 서비스 사업으로 자동운전자동차를 활용하기 위한 커다란 방향을 돌리기 시작했다.

GM사는 자동운전자동차를 2017년에 투입하는 한편, 배차서비스 벤처인 미 Lyft사와 제휴하여 자동운전 택시서비스에 참여를 겨냥하고 있다.
일본과 구주의 자동차메이커도 자동운전 자동차 개발에 본격적으로 뛰어 들었다.

-- 자동운전, 3종의 신기 --
완전 자동운전자동차의 윤곽이 서서히 나타나기 시작하여, 기술개발은 더욱 열기를 더 해 가고 있다. 이 것을 실현하기 위한 필수로 ‘3종의 신기’라고 할 수 있는 기술이 있다. 그 것은 ‘AI’에 이어 ‘소프트웨어의 무선변경’과 ‘시큐리티’이다. 자동운전을 가능하게 하는 AI의 개발에는, 실 주행과 데이터센터에서의 대규모학습을 반복한다. 데이터센터 측에서 최적화한 제어알고리즘은 차에 탑재된 컴퓨터에 다운로드하여 실 주행시험에 사용하고, 도로에서 수집된 주행데이터는 클라우드에 입력되어 다음 학습의 재료로 사용한다.

AI의 역사 자체는 오래되었고, 수십 년간 연구가 계속되어 왔지만 각광을 받기 시작한 것은 딥런닝(심층학습)이 등장한 것이 가장 크다. 계기가 된 것은 2012년 개최된 ‘ILSVRC 2012’라는 물체인식 콘테스트에서 캐나다 토론토대학 팀이 딥런닝을 사용하여 물체의 오 인식율을 전년 보다 10포인트 가까이 감소하는 것을 보였던 것이다. 딥런닝의 발전은 거기서 멈추지 않고, 2015년 ‘ILSVRC’에서는 드디어 일반인의 오 인식율을 밑도는 인식 정도를 컴퓨터가 실현하였다.      

-- 무선갱신으로 선행하는 Tesla 사 --
완전 자동운전자동차에서 빠질 수 없는 것이 소프트웨어의 무선갱신기능이다. 클라우드와 연대해서 학습속도를 높이고, 개량소프트를 차량에 수시로 갱신하여 간다. 이 프로세스를 선행하고 있는 곳이 미국의 Tesla motors 사다. 2015년 10월에 EV세단 ‘Model S’에 간이의 자동운전기능 ‘Autopilot’를 소프트웨어 갱신으로 실용화 하였다. 스티어링 제어를 동반하여 앞차를 따라가고, 차선변경과 자동주차 등의 기능을 실현했다.

도로나 주행 등의 데이터를 받아 들여, 제어 알고리즘을 개량하고, 주 1회 정도로 소프트를 갱신하여 간다. 2017년 후반에 차기 EV ‘Model 3’ 를 투입하며 미국가격은 Model S의 절반 가격인 3만 5천 달러를 목표로 한다.
향후 소프트웨어의 무선갱신 기능이 없는 자동차는 구식으로 보일 것이다.
Tesla사는 2020년에 년간 50만대의 EV를 생산할 계획이다. 순조롭게 진행되면 그 즈음에는 학습기능을 갖춘 100만대 이상의 EV가 세계를 누비고 다닌다는 계산이다.

AI를 사용한 자동운전 자동차의 소프트웨어갱신과 동시에 시큐리티 확보도 중요해진다. 해킹대책을 완벽하게 하지 못하면, 자동차를 도난 당할 수도 있기 때문이다. 자동차가 양산화 되어서 100년 이상 지났고, 그 곳에는 운전자가 앉아 있고 핸들이 있었다.
「AI = 운전자」가 인정되면 자동차의 정의부터 바뀌어 질 것이다. 100년에 한 번의 대전환기가 도래하려고 하고 있다. 
 

Part. 2 열기를 더해가는 AI개발 경쟁 : 가상주행시험서 점점 더 현명하게

완전 자동운전차의 두뇌를 맡기고자 하는 인공지능 (AI). ‘딥런닝’이라는 강력한 학습방법으로, 개발이 한 번에 가속화하고 있다.
선행하는 구글은 이미 성과를 내기 시작했다. 자동운전을 맡기는 AI개발과제와 기능을 좌우하는 요소도 보이기 시작했다.

구글은 “완전 자동운전자동차는 SF의 세계가 아닌 현실세계에 있다”고 한다. 이를 실현시킨 것이 AI의 기계학습에 의한 트레이닝이다. 동사는 2011년경부터 몰입한 AI연구의 성과라고 한다. 기계학습이란 대량의 데이터를 입력하여 인간과 같이 인식 및 판단을 할 수 있게 하는 AI의 중핵기술이다. AI는 인간의 뇌의 신경회로를 참고로 한 구조의 컴퓨터상에서 실현하는 것이다. 이 기계학습의 한 종류인 딥런닝의 등장으로, 종래의 방법과 비교하여 크게 높아진 인식·판단의 정도를 단기간에 실현 가능하게 된 것이다.

-- 드디어 비 오는 날에 데뷰 --
구글이 AI와 딥런닝의 연구팀을 수 명 규모로 발족 시킨 것은 2011년. 그 후 영국의 딥마인드사를 필두로 AI벤처를 계속 매수하여 연구규모를 한꺼번에 확대 시켰다. 구글은 AI를 사용한 자동운전용 소프트웨어를 도로만이 아닌 가상공간에서도 맹렬하게 달리게 했다. 2016년 1월 말에 공개한 활동보고서에 의하면, 대규모 데이터센터를 사용한 시뮬레이션으로 자동운전자동차를 하루에 300만 마일(480만Km)의 거리를 가상적으로 달리게 했다고 한다. 480만 Km라는 막연한 거리를 가상적으로 달리게 한 이유는 사전검증이다. 딥런닝에 의해 개량한 자동운전 AI를 시뮬레이션하여, 안전성과 유효성을 검증하고, 도로에 나갈 수 있는 것은 이 스텝을 통과한 자동운전 AI만이다.

구글은 현재 55대의 자동운전자동차가 실리콘밸리와 텍사스 오스틴의 도로를 달리고 있다고 한다. 내역은 프로토타입의 ‘구글카’ 33대와, 도요타 ‘Lexus RX450h’ 베이스의 개조차 22대이다. 이 차량들을 사용한 도로시험에서, 주에 약 1만 ~1만 5천 마일을 달리고 있고, 새로운 자동운전 AI는 200만 마일 이상 달려서 성능을 평가한다.

-- 달릴 수 있는 거리가 4.5배로 --
또한 자동운전차의 도로시험에서 수동조작으로 바꾸지 않고 자동운전을 계속 가능한 거리가 지난 1년 새에 4.5배 이상 늘어났다.
그리고 지금까지의 지역이 온화하고 맑은 지역에서 2016년에는 비 오는 날이 많은 워싱턴주에서 도로시험을 계획 중이다. 지금까지는 빗방울이나 눈을 장해물로 판단 했기 때문인데, 이 것을 해결한 자동운전 AI가 개발 되었다는 의미다. 노면이 젖어 있으면 도로의 백선이 보기 어렵고, 지역에 따라 교통 룰이 다른 차이를 데이터센터에서의 가상주행시험으로 최적화 하고, 젖은 노면에서의 주행성능 파악도 목적의 하나인 것이다. 

-- 토요타는 호화 연구자 집단을 결성 --
토요타도 자동운전 AI의 개발에 본격적이다. 동사의 CEO는 미국방성 고등연구계획국(DARPA)의 로봇책임자로 AI와 로봇업계에 폭넓은 인맥을 갖고 있고, 전 구글의 로봇부문장, 전 벨연구소의 부문장, MIT교수 등의 일선급 연구자가 집결되어, 향후 5년간에 10억 달러를 투자할 계획이다. TRI사는 많은 자동차메이커가 개발하고 있는 자동운전자동차는 불완전하다고 생각하고 있다. 자동운전이라 하더러도 특정의 속도, 일기상황, 도로의 복잡성, 교통상황에 있어서만 기능하기 때문이다. 그래서 TRI사는 스탠포드대학과 ‘예측 안되는 상황에서의 불확실성’의 연구를 추진하여, 예상외의 상황에서 대처하는 방법을 AI를 사용하여 배우게 하는 것이다. 예로서, 앞에서 주행하는 트럭에서 화물이 떨어질 때 피하는 벙법 등의 예견치 못한 사태에 조우하더라도, 상황의 변화를 정확히 파악하고 자동차를 안전하게 제어하는 능력을 AI 에게 숙달시키는 것이다

-- 목표는 ‘설명 가능한 자동차’ --
이 외에 TRI사가 MIT와 연구하는 것은, ‘설명 가능한 자동차’이다. 자동차가 예정에 없던 행동을 취했을 때 원인을 분석하는 데에는, 자동차 자신이 무엇이 일어 난지를 왜 일어 난지를 설명할 필요가 있으나, 딥런닝에 쓰이는 다층의 신경회로는 블랙박스로 최종적으로 결론에 도달한 과정을 설명하는 것이 곤란하다. 그렇다 하더라도 제조한 차량의 안전성책임을 진 메이커로서는 무엇이 원인으로 왜 일어났는지를 명확히 설명할 필요가 있기 때문이다. “의사결정능력을 가진 자동운전기술에는 확실한 감사가 먹히는 프로세스가 필요하고, 사람은 이해되지 않는 것을 신용하지는 않는다”고 TRI의 CEO는 말한다.

-- 빅데이터 확보가 필수  --
Ai연구의 선단을 달리는 연구자를 확보하고, 뛰어나 기술을 가진 벤처기업과의 관계구축을 한 도요타가 AI개발의 가속 가능할 것인가는, 학습에 사용할 데이터를 여하히 수집할 것인지에 달려있다. 그 포석으로 동사는 2017년 이후 모델변경부터 차량통신기 탑재율을 높이기로 하였다. 차량통신기를 통하여 주행데이터를 수집하면 방대한 빅데이터의 축적이 가능하게 된다.

-- Defact를 겨냥한 NVIDIA사  --
대량의 훈련데이터를 딥런닝 기술로 학습시키기 위해서는 강력한 계산능력이 필요하다. 이 영역에서 존재감을 높이고 있는 곳이, 고속화상처리 가능한 GPU(Graphics Processing Unit)를 제공하는 미 NNIDIA사 이다. “세계 최초 자동차용 AI 슈퍼컴퓨터 이다”---2016년 1월의 CES에서 동사 CEO가 이런 발표를 한 자동운전자동차 개발플랫폼 ‘NVIDIA DRIVE PX2’ 이다. 12개의 CPU 코아와 동사의 ‘Pascal’이라는 신세대 GPU를 탑재한 8 테라 바이트의 FLOPS로 1초간에 8조회의 부동소수점연산을 실행하는 성능과, 딥런닝에 특화된 연산에서는 그 3배인 24 TFLOPS로 실행이 가능하다.

평가보드에 수냉식 냉각시스템을 결합하여 ‘런치박스’사이즈에 소비전력은 250W 이다. CES에서는 차량탑재 카메라의 영상에서 보행자, 다른 자동차, 도로표식 등을 판별하는 데모영상을 보여 주었다. 약 1억 2000만개의 물체의 화상정보를 프로그래밍 없이 컴퓨터가 학습하는 것으로 자동적으로 물체를 구별할 수 있게 되었다고 한다. 예를 들면 인간이 눈으로 확인하기 어렵게 눈이 내리는 상황에서도 정확하게 차량을 인식 가능하다고 한다. 물체인식의 정도를 높임과 동시에 GPU의 성능향상으로, 딥런닝 학습에 걸리는 시간을 종래의 1/20~1/40으로 단축하였다.

-- AI를 지도 데이터에도 --
AI를 제어알고리즘 이외의 개발용도로 활용하고자 하는 움직임도 시작되었다. 자동위치의 추정이나 교통규제의 파악 등에 사용되는 지도데이터의 작성이다. 지도데이터는 ‘살아 있는 것’으로 빈번하게 바뀌기 때문에, 자동으로 갱신하는 프로세스가 강하게 요구되어, 이것이 실현되면 지도데이터의 개발공수를 크게 줄일 수 있게 될 것이다.

이 영역에서 주력하겠다고 표명한 곳이 이스라엘의 Mobileye사로 차량탑재 카메라와 AI의 능력을 사용하여 고정도의 지도를 구축해 갈 예정이다. 카메라로 촬영환 화상을 차량컴퓨터의 AI로 해석하고 최소로 필요한 정보만을 클라우드로 보내므로 1Km 당 수K 바이트 수준의 작은 데이터용량으로 가능해질 것으로 예상되고, 클라우드 측에서도 AI를 사용하여 지도데이터를 마무리 하는 프로세스로, GM, VW 등이 참가하고 있다. 
 

Part. 3 해킹으로부터 지킨다 : 다층의 방어로 안전하게 연결한다

2015년 봄의 “JEEP 해킹사건”이 자동차 탈취의 공포를 전했다는 기억이 새롭다.
완전 자동운전자동차에서는 전기신호가 “주행””회전””멈춤”으로 조작되므로 지금까지와는 다른 차원의 시큐리티 능력이 추구되는 것에 틀림이 없을 것이다. “연결”이라는 이점으로 가능한가가 중요한 포인트가 된다.

자동차는 향후 “Connectivity”로 불리는 무선통신에 의한 상시 접속기능이 기본이 된다. AI의 개발과 지도의 갱신에 사용되는 데이터는 차량에서 클라우드로 수집되고, 개량한 소프트웨어는 무선으로 갱신되어 간다. 그런데 “연결”한다는 것은 편리함과 동시에 위험성을 내포한다. 해킹의 침입경로로 되기 때문이다. 특히 완전 자동운전자동차는 제어소프트웨어를 사용하여 전동 액츄에이터로 부품을 구동하기 때문에, 만일 탈취되면 자동차는 폭주할 가능성도 있는 것이다. 이 공포를 널리 알게 한 것이 2015년의 JEEP 해킹사건이다. JEEP브랜드의 차량이 네트워크를 통하여 해킹되어, 핸들과 브레이크가 원격으로 조정되었던 것이다. 차량탑재 정보단말 통신서비스’Uconnect’ 에 취약성이 있어 그 곳을 통해 침입되었다. 시큐리티가 취약한 자동자동차에게 목숨을 맡길 사람은 없을 것이다.

-- 강력한 게이트웨이를 준비 --
차량 시큐리티 영역에서 해커들로부터 “자동차업계의 모범이 된다”는 평가를 받고 있는 기업이, 소프트웨어의 무선갱신기능을 선진적으로 전개하는 Tesla사다. 시큐리티 기업인 미 Lookoutm 사가 JEEP해킹사건과 비슷한 시기에 Tesla사의 ‘Model S’ 의 해킹을 시험했다. 차량정보단말의 이더넷 보드 경유로의 물리적 침입엔 성공했지만, 차내 네트워크 CAN (Controller Area Network)에는 신호를 보내지 못했다. 공격으로부터 지킨 것은 외부네트워크와 CAN의 사이에 설치된 게이트웨이로, 독자적인 API를 준비하여 정규의 CAN신호만이 차량의 ECU(전자제어 유니트)에 전해지게 되어 있었다. 게이트웨이의 설치는 Telsta 외의 일부 고급 차에서도 시작되었고, 향후 일반 차에도 늘어날 전망이다.

-- 시큐리티도 무선으로 갱신 --
게이트웨이와 함께 Tesla사가 해커에게 ‘방어의 본보기’라고 불렸던 기술이, 원격감시와 소프트웨어의 무선갱신이다. Lookout사가 Model S를 해킹하고 있는 중에, 이상한 변화를 눈치챈 Tesla사는 무선으로 소프트웨어를 갱신하여 공격의 일부를 막았다는 것이다.
차량 시큐리티에 특화된 이스라엘의 벤처기업인 Argus Cyber Security 사는 “향후의 해킹수법은 항상 진화하여 지금까지의 대책기술을 무력화한다. 그러나 자동차의 수명은 10년 정도로 길기 때문에 유연성과 스피드감을 겸비한 프로세스를 자동차내에 갖출 필요가 있다”고 한다. Argus사가 전개를 예정하는 것이 차량의 원격감시 서비스다. 자동차의 건강상태를 항상 파악하여, 미지의 공격을 한시라도 빨리 발견하여 대책 가능하게 하는 것으로, 원격감시 차량의 수가 많을수록 신종의 공격의 발견이 용이해 지고, 바로 대책기술을 준비하여 소프트웨어의 무선갱신으로 시큐리티를 유지하는 것을 상정한다.  

-- 끝 --