자동차 산업의 본질이 하드웨어라서 그런지, 생각보다 소프트웨어 기술이 후집니다.

얼마전 벤츠 후방추돌 사건에서 보듯이, 벤츠의 크루즈 기술이 현대만도 못합니다.

벤츠가 소프트웨어에 돈을 안 써서 그럴까요? 아닙니다. 돈을 들이붓는데도 잘 안 됩니다.

소프트웨어 기술이 쉬워보이지만 생각보다 굉장히 힘듭니다. 

소프트웨어 기술에는 인식의 유리천장이 있습니다. 

기술의 논의 이전에 사람의 인식이 변하는데 시간이 걸리는 겁니다.

라이다는 하드웨어 기술이지만 정확히 말하면 정보의 추가입니다.

2d에 1d를 추가한 겁니다. 추가하면 당연히 좋죠. 

근데 자율 주행이 안 되는 건 정보가 부족해서가 아니라는 겁니다.

주어진 정보를 가공하고 해석하는 기술, 즉 소프트웨어 기술에 한계가 있기 때문에 자율 주행이 안 됩니다.

장님도 열심히 노력하면 길을 걸을 수 있습니다. 

그런데 길을 걷는다는 메커니즘을 이해하지 못하면 눈을 뜨고도 못 걷는 수가 생깁니다.

지금 인공지능 분야에 정보가 부족한 걸까요? 혹은 센서가 부족한 걸까요?

전혀 아닙니다. 정보는 이미 차고 넘칩니다.

저는 라이다 기술이 어떻다고 말하려고 하는게 아니라,

인공지능 기술 자체의 문제점을 말하려는 겁니다.

스타일러스 펜을 배제하고 생각을 해야

손가락을 쓸 생각을 하는 것처럼

라이다가 더 좋은 줄 알면서도 일부러 그것을 배제해야 한다고 말하는 겁니다.

스타일러스 대신에 손가락을 쓰게 만드려면

소프트웨어 기술이 압도적으로 추가되어야 하는데

잡스가 이걸 우긴 겁니다. 

삼성폰과 애플폰을 비교해보면 여전히 손가락 인식 부분에서 기술격차가 크다는 것을 알 수 있습니다.

트랙패드를 쓰는 노트북도 마찬가지.

물론 여기에 사업이라는 관점을 더하면

라이다를 쓰는게 맞죠.

일단은 굴러가니깐.

테슬라의 많은 진보는 하드웨어가 아닙니다.

이건 관련 분야 종사자들의 증언을 들으면 알 수 있어요.

"바퀴 휠의 규격을 모터의 토크와 맞추려면 새로 만들어야 하는데요?"

"그냥 적당히 당장 싸게 생산할 수 있는 기성품(다른 메이커에 납품하던)으로 주쇼."

"그러면 모터 힘과 밸런스가 맞지 않아서 문제가 생길 텐데요?"

"소프트웨어로 조정할 거임. 그게 쉬워서 모터 아닌감?"

라이다를 싸게 만들기는 쉽습니다.

그게 뭐 대단한 거라고요. 그냥 레이더와 다른 파장의 빛으로 시간 계산만 잘하면 되는 건데요.

그냥 양을 잘 늘리는 기술입니다. 여태 그걸 만들던 놈들이 그냥 형편없었던 것이고.

물론 양을 잘 늘리는데도 기술 발전이 필요하겠죠.

그런데, 지금 자율주행이 안 되는 이유는 이런 문제가 아니라니깐요.

테슬라는 OpenAI를 끼고 있고, 현대나 벤츠, BMW는 이게 없습니다.

OpenAI는 얼마전에 GPT-3를 발표했었는데, 현재 구글과 함께 인류 최고의 기술을 가지고 있는 연구 집단입니다.

하드웨어라는 표현이 혼선을 유발했는데

제가 말하는 하드웨어는 자동차를 말하는게 아니고 카메라와 컴퓨터를 말합니다.

카메라가 여러개 설치되는데 여러 카메라의 정보를 모아서 연산을 하려면 

0.1초의 시간차가 발생하고 0.1초면 교통사고가 열번 납니다.

경쟁사는 70개의 작은 컴퓨터를 쓰고 테슬라는 독자개발한 하나를 씁니다.

자 여기서 이론으로 보면

경쟁사의 70개 컴퓨터 연산을 합쳐서 제어하는 절차

테슬라의 8개의 카메라, 12개의 초음파 센서, 1개의 레이더를 통합 제어하는 절차

여기서 0.1초의 차이가 나버리면 승부는 끝난 거지요.

즉 분산식이냐 중앙집중식이냐 하는 문제에 당면하는 겁니다.

인터넷과 pc통신과 같은 차이가 발생합니다.

뭐나하면 경쟁사는 70개의 컴퓨터가 자기 차례를 기다려야 하므로 

테슬라가 1초에 해결하는 것을 70초가 걸리는 거에요.

결국 기술의 본질은 시간싸움이라는 거지요.

반대로 테슬라의 8개의 카메라, 12개의 초음파 센서, 1개의 레이더를 통합하는 절차

라이다1개로 대체. 21 대 1로 라이다 승리.

물론 라이다도 추가로 센서를 쓰겠지만 투박하게 말하면 그렇다는 거에요.

2D냐 3D냐는 결국 속도 차이입니다. 

물론 그 말씀이 맞는데, 저는 그 지점을 논하려는게 아니라

인공지능 분야는 다른 문제가 더 크다는 걸 말하려는 겁니다.

더 본질적인 문제가 있습니다.

자동차 운전이 생각보다 복잡합니다. 

이때의 복잡은 그때 그때 달라져야 할 사건의 규정 때문에 발생합니다.

가령 어떤 사람이 길거리를 뛰고 있는 걸 제가 봤다고 해보죠.

제가 그냥 행인이라면 그 사람의 경로만 파악하려고 할 겁니다. 

나랑 부딪치면 안 되니깐.

즉 나는 그 사람의 팔다리가 어떻게 움직이는지는 관심이 없습니다.

근데 제가 100m 선수라면 그 사람의 팔다리를 유심히 관찰할 겁니다.

반대로 그 사람이 어디로 가건 관심이 없죠.

그런데 지금 인공지능 기술은 무조건 팔다리 움직임의 파악부터 알고리즘이 시작됩니다.

내가 누구인지는 별로 관심이 없습니다.

그러면 객관적이지 않은 거라고 생각하니깐.

귀납이라고요.

내가 자동차이고 행인의 움직임을 파악해야 하는데,

팔다리 움직임까지 다 관찰한다면

매번 연산량은 무지막지해집니다.

문제는 연산량이 늘어나도 그것이 무엇인지를 규정할 중심이 없으므로

엔지니어들은 이 문제를 해결하려고

원소를 근거하여 다양한 상황을 일일히 설계하려고 합니다.

근데 이게 한계가 있는 겁니다.

정확하게 귀납의 한계와 일치합니다.

그거 잘 안 되거든요.

이런 문제를 해결하려면 소위 강화학습이라는 걸 도입해야 하는데,

여기서부터 연구자의 인식이 딸리기 시작합니다.

인간이 사건을 인식할 때는

대상과 대칭된 그 거시기를 가리키고 말해야 하는데,

즉 쌍으로 가리켜야 하는데,

그걸 가리키기가 어렵죠.

강화학습이라는게 "보상"이 중심이 되는 이론이 아니라

"학습의 학습"이라는 개념으로 만들어진 겁니다.

보상은 두 번째 계층의 학습의 목표고요.

그런데 현재 이미지 인식 기술은 학습 1개로 되어있습니다.

제가 현장에서 학생들을 가리켜보면

저걸 가장 어려워합니다. 학습의 학습이라니. 어려울밖에.

그렇게 할 수 있는 ceo는 잘 없습니다.

그런데 테슬라의 기술은 ai가 아니라 하드웨어라는게 정설입니다.

AI를 쓰려면 AI에 맞는 CPU 설계가 필요한데 경쟁사는 

인텔만 쳐다보고 있어서 실패.

인텔 없이 자동차용 인공지능 CPU 만들 수 있는 회사는 현재 테슬라 뿐

그러나 2년 안에 테슬라도 초격차를 따라잡힌다는 거. 

다른 분야까지 합쳐서 초격차 5년인데 라이다가 성공하면 2년 안에 죄다 따라잡힘.

결론 테슬라의 막대한 인공지능 데이타를 라이다용으로 전환하는 데는 

하드웨어 재설계 문제로 상당한 시간이 걸릴 것.