우리는 살면서 엘론 머스크와 비슷한 경험을 많이 합니다. 더 좋은 도구를 가지면 공부를 더 잘 할 수 있을까? 책상이 1000만원 짜리면 낫지 않을까? 좋은 컴퓨터를 사면 코딩을 잘 할 수 있지 않을까? 네. 조금은 낫습니다. 근데 아직 문제의 본질은 해결되지 않았습니다. 도구가 문제가 아니라는 말입니다. 스타일러스는 문제를 해결해주지 않습니다.
자율주행의 본질은 "사물 인식"입니다. 우리는 2d 보다는 3d가 정보량이 더 많으므로 사물의 움직임을 더 잘 인식할 수 있을 것이라고 생각합니다. 이 말은 틀리지 않았습니다. 분명 움직임을 계산하는데는 3d가 압도적으로 유리합니다. 원근의 경우 직접추론을 하는 3d와 달리 2d는 간접추론을 해야 합니다. 간접추론을 하려면 대상과 주변과의 상호작용을 봐야 하고요.
근데 3d는 주변과의 상호작용을 볼 필요가 전혀 없을까? 전혀 그렇지 않습니다. 3d 영상이라고 해서 해당 사물이 정확하게 "무엇"인지 까지는 말해주지 않습니다. 그냥 3d를 뿌릴 뿐입니다. "그 대상이 뭔지"는 그 대상에는 반쪽만 들어있습니다. 다른 반 쪽은 주변에 있습니다. 우리는 사물을 본다고 생각하지만, 사물이 무엇인지를 말해주는 것은 나를 포함한 주변 환경입니다.
다시 말합니다. 자율주행의 본질은 "환경 인식"입니다. 분위기를 잘 파악해야 운전을 잘할 수 있습니다. 2d건 3d건 사물을 사물로만 파악하려고 한들, 운전의 본질은 절대로 해결되지 않습니다 .우리가 봐야할 것은 사물이 아니라 사건입니다. 아무래도 2d 보다는 3d가 사건 해석에 더 많은 정보를 제공할 수 있는 것은 사실입니다.
그런데 진짜 문제의 본질은 여전히 해결되지 않았습니다. 좋은 책상을, 컴퓨터를 사기 이전에, 공부할 수 있는 분위기, 환경 등이 먼저 해결되어야 합니다. 언론에는 일론 머스크가 가격 때문에 라이다를 선호하지 않는 것으로 묘사되지만, 일론 머스크가 가격을 따지겠습니까?
생각해보세요. 전기차가 반대되었던 가장 큰 이유가 높은 가격이었습니다. 일론 머스크는 이 가격을 대량생산으로 해결할 수 있다고 했었고, 그것을 실현하지 않았습니까?. 근데 라이다라고 한들 대량 생산을 못할 리 없습니다. 근데 엘론이 그걸 안 하겠다고요? 너라면 그러겠어요?
자율주행이 잘 안 되는 이유는 분위기 파악이 쉽지 않기 때문이며, 대상과 주변과의 관계를 보지 않고 대상, 즉 사물만을 인식하려고 하기 때문입니다. 인공지능 기술의 출발은 사물인식이지 분위기파악이 아니었습니다. 사과그림을 보여주고 사과라는 텍스트를 맞추는 것입니다. 그럼 사건인식은? 그런 사물을 모으면 사건이 알게될 거라는 희망.
그러면 분위기 파악은 사물인식과 뭐가 크게 다를까요? 아니에요. 우리는 사과를 사물이라고 하지만, 사과도 경우에 따라서는 그 자체로 사건이 될 수 있습니다. 또 다른 경우엔 사건의 일부인 사물이 될 수도 있고요. 정말 중요한 것은 사건이 아니라 사건의 반대편에 있는 다른 쌍입니다.
때로 그 반대쌍은 관측자 자신이 될 수도 있습니다. 그냥 뭐라도 갖다 붙여야 존재가 파악됩니다. 그게 없으면 가리킬 수 없다니깐요!
인간이 대상의 운동을 인식하는 것을 생각해봅시다. 우리는 사물이 운동한다고 생각하지만, 우리의 두뇌는 그렇게 생각하지 않습니다. 사물이 바깥으로 움직인다고 인식하는게 아니라!! 사건이 내부에서 변한다고 인식하는 겁니다. 자동차가 서울에서 부산까지 갔다면, 자동차가 서울에서 부산까지 간다고 생각하는게 아니라!!
장거리 운행이 있었고, 기름이 소모된 만큼 자동차는 이동했다라고 생각하는 겁니다. 그래야 엔트로피가 맞아 떨어지고, 메커니즘을 파악할 수 있고, 소위 "자연스러운 것"입니다.
그럼 일론 머스크는 뭘 보고 있을까요? 일론 머스크라고 해서 뭔가 이런 특별한 생각을 하는 것은 아닙니다. 그도 단순합니다. 사람도 라이다를 써서 운전을 하는가? 아니. 서울대 간 친구가 좋은 책상을 썼는가? 아니. 그럼 답 나왔네. 문제가 정확히 뭔지는 알 수 없지만, 방향이 뭔지는 알 수 있구만. 그는 직관적으로 느끼는게 있는 겁니다.
현재 이미지 인식 인공지능 기술은 정체되었습니다. 사물 인식에는 당연히! 한계가 있기 때문입니다. 그나마 자연어처리는 맥락 파악이라고 해서 쬐금씩 진도가 나가고 있지만, 아직 멀었습니다. 가깝고 먼게 문제가 아니라, 진짜 문제가 뭔지도 모릅니다. 알 리가 없잖아요.
라이다를 당장 쓰면 확실히 지금 보다는 운전 결과가 향상되는 것은 맞습니다. 현재의 이미지 인식 기술이 워낙에 정체되었기 때문에 라이다만 쓰더라도 체감적 상승 효과가 있는 거죠. 그런데 제1 문제는 여전히 해결되지 않았습니다. 제가 일론이라면 그걸 보았을 겁니다.
잡스가 스마트폰에서 스타일러스를 뺀 이유를 생각해보면 됩니다. 스타일러스가 당연히 손가락 보다 더 정확하죠. 그런데 사건은 언제나 하나가 더해지면 그만큼 추가 비용이 발생합니다. 더 복잡해지는 거에요. 자동차에 3d를 인식하는 라이다가 추가되면 한계는 명확합니다.
그만큼 연산량이 많아지는 거에요. 연산량이 많아진만큼 컴퓨터가 더 빨라지면 될 것 같죠? 전혀 그렇지 않아요. 질적 도약이 없는 양적 증가만으로는 떼울 수 없는 게 있답니다. 컴퓨터가 아무리 빨라져도, 즉 양으로 늘어나도 질적 판단을 할 수는 없습니다. 그 질적 도약은 사건의 인식이며,
라이다를 선호하면 할 수록 당연히 사건의 인식에서 사물의 인식이 파생되는 것을 인간은 파악한다는 본질은 점점 하늘나라로.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/118/006/6118.jpg)
![포인트:697069point, 레벨:30/30 [레벨:30]](https://gujoron.com/xe/modules/point/icons/default/30.gif)
![id : 김동렬 id: 김동렬](https://gujoron.com/xe/files/member_extra_info/image_mark/118/006/6118.gif)
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/919/972/972919.jpg)
![포인트:41942point (58%), 레벨:21/30 [레벨:21]](https://gujoron.com/xe/modules/point/icons/default/21.gif)
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.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/118/006/6118.jpg)
![포인트:697069point, 레벨:30/30 [레벨:30]](https://gujoron.com/xe/modules/point/icons/default/30.gif)
![id : 김동렬 id: 김동렬](https://gujoron.com/xe/files/member_extra_info/image_mark/118/006/6118.gif)
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.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/919/972/972919.jpg)
![포인트:41942point (58%), 레벨:21/30 [레벨:21]](https://gujoron.com/xe/modules/point/icons/default/21.gif)
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.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/127/918/918127.jpg)
![포인트:5139point (54%), 레벨:7/30 [레벨:7]](https://gujoron.com/xe/modules/point/icons/default/7.gif)
어차피 동일한 라이다를 달아도 우리 ai가 그 라이다를 더 잘 써먹을 수 있을 것.
어쨌든 소프트웨어에 역량을 집중하는 기존의 기조는 유지.
엘론 머스크는 까짓거 라이다 안 쓰겠다고 했던 말만 뒤짚으면 되겠네요.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/118/006/6118.jpg)
![포인트:697069point, 레벨:30/30 [레벨:30]](https://gujoron.com/xe/modules/point/icons/default/30.gif)
![id : 김동렬 id: 김동렬](https://gujoron.com/xe/files/member_extra_info/image_mark/118/006/6118.gif)
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.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/919/972/972919.jpg)
![포인트:41942point (58%), 레벨:21/30 [레벨:21]](https://gujoron.com/xe/modules/point/icons/default/21.gif)
테슬라만 생각하면, 자율주행 기술이 왜 발전을 못하나를 잘 이해하지 못할 수 있는데,
구글의 웨이모랑 비교해보면 CEO가 왜 중요한지를 이해할 수 있습니다.
구글이라고 기술력이 떨어지겠냐고요.
근데 최근에 구글이 웨이모의 예산을 감축했다는 썰이 있습니다.
구글은 차를 생산할 생각이 별로 없는 겁니다.
구글은 테슬라에 비하면 상당히 "학자적"입니다.
얘네들은 위험을 감수하지 않습니다.
인공지능이건 뭐건 연구하는 사람이 현장에 투입되어서
잘못하면 뭐 되는 상황이 되어야
그것을 연구하는 인간의 본질이 바뀝니다.
구글은 언제나 현실에서 엉덩이를 뒤로 빼고 있죠.
창립자가 대학원생이었잖아요.
딱 그 티가 나는 겁니다.
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/919/972/972919.jpg)
![포인트:41942point (58%), 레벨:21/30 [레벨:21]](https://gujoron.com/xe/modules/point/icons/default/21.gif)
http://it.chosun.com/site/data/html_dir/2020/07/31/2020073102532.html
"GPT-3는 현재 오픈 베타 상태다. 회사는 텍스트를 넘어서 이미지를 인식하는 GPT 프로젝트도 진행 중으로 간단한 그림에 관한 인식 정확도는 이미 90%를 넘었다."(기사중)
![프로필 이미지](https://gujoron.com/xe/files/member_extra_info/profile_image/415/014/14415.jpg)
![포인트:17241point (83%), 레벨:13/30 [레벨:13]](https://gujoron.com/xe/modules/point/icons/default/13.gif)
이전에 어떤 분이 올리신 내용처럼 A장소에서 B장소로의 이동이 차의 본질이라면,
차들이 눈에 보이지 않은 체인(교통정보망)에 연결된 기차(열차)처럼 운영되는 것이 더 효율적인 것 같습니다.
특히 초기에는...
현재의 개별 차에서 구현되고 있는 자율주행기술은 주도로망에서 벗어난 지엽적인 곳(도로)에서나, 또는 주도로망에서 예외(긴급)상황이 발생했을 때 이용되면 될 것 같구요...
전혀 설득력 없음.
일론 머스크가 라이다를 쓰지 않은 이유는?
당시 라이다 기술이 형편없었기 때문.
가격이 비싸다는 것은 기술이 형편없다는 말과 동일함.
가격이 낮아졌다는 것은 라이다 기술이 진보했다는 의미.
일론 머스크 기술은 불완전한 중간 기술. 시티폰의 운명을 맞을 수 있음.
오토 파일럿이 잘 나가는 이유는 타사에 비해서 직접 설계한 하드웨어 기술이 월등하기 때문.
소프트웨어 기술은 타 자동차 회사가 2년 안에 넉넉히 따라잡을 수 있음.
즉 일론 머스크는 타사에 비해 5년 정도의 압도적인 기술격차를 유발함.
그런데 루미나의 주장에 의하면 라이다의 기술이 확 따라왔음.
그럼 과연 그런가? 그건 검증되어야 할 부분.
루미나 외에도 라이다 파가 다수 있다고.
다 필요없고 핵심은 기술이라는 것.
1) 라이다 기술이 이론적으로 일론 머스크 카메라 기술보다 월등하다.
2) 라이다는 이론적으로 앞섰을 뿐 실제 기술이 형편없었다. 크고 못생겼고 비싸다.
3) 테슬라는 직접 설계한 컴퓨터 하드와 훈련시킨 인공지능 소프트 양쪽에서 경쟁사에 5년 정도 앞서 있다.
4) 그러나 여전히 핸들 놨다가 하얀색 차를 들이받고 있다. 수십건 이상.
5) 라이다가 개선되면 일론 머스크 기술은 순식간에 0이 될 수 있다.
6) 라이다가 제대로 작동한다면 인공지능기술을 더해서 2년 안에 테슬라를 따라잡는다.
7) 인공지능 기술만으로는 테슬라가 초격차를 만들어내지 못한다. 기껏해야 2년.
이론의 힘을 무시하면 안 됩니다.
이론에서 앞서면 시간이 걸릴 뿐 언젠가 추월합니다.
단 이론이 이론일 뿐 현실에서 실현되는가는 별개입니다. 검증이 필요한 것.
즉 뻥이냐 진실이냐가 문제일 뿐 뻥이 아니라면 테슬라는 2년 안에 따라잡힙니다.
루미나가 우회상장 했다는데 우회상장을 위한 허풍이냐 아니냐가 핵심.
전기차기술+하드기술(카메라 센서 컴퓨터)+소프트기술=테슬라의 초격차 5년
배터리 등 전기차 기술만 논한다면 현다이도 1년 안에 따라잡을 수 있습니다.
500킬로 가는 전기차 현다이도 만들 수는 있는데 오토파일럿이 안 되니까 경쟁에서 지는 거지요.
현다이는 저가차냐 고가차냐 사이에서 고민해야 하는데
오토파일럿도 안 되는데 고가차로 가면 욕만 먹을 것이고 저가차로 가면 300킬로도 충분.
300킬로 가는 저가차 만들어봤자 중국 전기차에 밀리므로 무의미하다는게 현실.
가격경쟁이냐 품질경쟁이냐에서 현다이는 어정쩡해진 거지요.