테슬라가 말하는 '미래'란?

테슬라 자율주행 소프트웨어 총책임자인 안드레 카파시가 생각하는 테슬라의 자율주행과 AI에 대해 테슬라가 어떤 지향점을 갖고 기술발전을 해나가고 있는지, 테슬라의 AI에 대한 생각과 기술들에 대해 알아보자.

 

 

 

---

 

 

 

거시적으로 테슬라는 신재생 에너지로의 전환을 목표로 하고 있다.

자율주행과 재생에너지로의 전환은 직접적으로 관계가없어 보이는데 이 둘이 어떻게 상호작용할까?

일론은 많은 회사를 경영하고 있고, 미래를 더 좋게 만들기 위해 그 가능성을 높히기 위해 여러 도전을 하고 있다고 안드레 카파시는 말한다. 일론은 지속 가능한 에너지로의 전환을 가속화하도록 테슬라의 목표에 집중했다. 근본적으로 이 전환의 상당한 부분은 사람들이 전기차를 타도록 유도하는 것이었다. 테슬라는 전기차가 '미래'처럼 보이길 원한다라고 말한다. 그리고 그는 사회가 미래로 나아간다는 것에 사람들이 영감을 받고 긍정적인 방향으로 발전하게 된다고 말한다.

 

 

 

 

사회는 대부분 자동화가 되어있지만 교통이라는 상황에서는 많은 사고들이 일어나고 있고 사람들은 차를 운전하는 것을 원치 않는다고 말한다. 인간의 두뇌는 운전하는 일대신 너무나도 많은 다양한 '아름다운'일들을 할 수 있는데 뇌로 차선을 따라가는 문제를 해결하고 있어야하는지 묻고 있다. 그리고 카파시는 사람들이 뇌를 낭비하고 있다고 말하고 있다.

우리 뇌로 차를 운전하는 것이 안전하지 않을뿐더러 스스로 운전하는 대신 다른 일을 하고 싶어한다고 말한다.

 

 

 

 

 

자율주행차는 대중에게 가장 눈에 띄는 인공지능으로서의 개념일 것이다.많은 사람들이 차를 갖고 있고 AI때문에 차가 변할 것이다. 자율주행차는 인공지능 연구와 논문 분야에서 가장 많이 쓰여진 주제라고 한다.

하지만 모든 사람들이 운전자 없는 자동차와 AI가 어떻게 연결되는지 전부 이해하지 못했다.

그래서 테슬라는 어떻게 자율주행을 연구했으며 어떻게 AI를 도입하고 있을까?

 

카파시는 자율주행 기술중 일부는 상상하기 쉽지만 실제로 구현하기 매우 어렵다고 말한다. 예를 들어 비트코인과 같은 암호화폐는 생각해내기 어렵다.그래서 공상과학에는 비트코인이 잘 없다. 하지만 자율주행차는 사람들이 오랫동안 꿈꿔왔고, 오랜기간 작업해왔다. 직관적이기때문이다. 자율주행 구현을 근본적으로 어렵게 만드는 것은 세상이 어떻게 보이는지에 대한 엄청난 양의 가변성을 다루어야 한다는 것이었다. 

 

AI 기술 구현의 실제 난이도는 현장에 접목시킬때의 가변성 정도에 비례한다고 한다. 데이터의 종류, 형태가 다양할 수록 어렵다는 뜻이다. 따라서 처리해야할 시나리오가 많을수록 기술이 어려우며, 자율주행에서 이를 어렵게 하는 것은 외부환경이 다양하다는 것이다. 곧 데이터의 가변성이 매우 높은 것이 자율주행을 어렵게 하는데 있다고 말한다. 고속도로는 차선을 따라가는 것뿐이지만, 고속도로를 나오면 차량이 만날수있는 것들이 매우 많아지게된다.

 

 

 

 

가변성이 왜 AI구현을 어렵게 만드냐면, 딥러닝 시스템을 구축할때 다양한 환경에서 AI가 어떻게 작동해야하는지 답을 입력해야한다. 이것이 개고 이것이 고양이라는 것처럼말이다. 

 

인공신경망은 0에서부터 구축된다. 사람의 두뇌처럼 많은 물체를 이해하고 모든 내장형 하드웨어를 갖춘채로 3차원 물리적 현실에서 태어나는 것이 아니다. 사람은 강력한 학습 알고리즘을 통해 객체와 객체의 영속성이나 세계가 어떻게 작동하는지 이해할 수 있다. 인공신경망은 뇌속 뉴련과 비슷한 것으로 구성되어있다고 하는데 이것보다는 6천만개의 파라미터가 있는 수학적 함수로 비유하는 것이 낫다고 카파시는 말한다. 이를 올바르게 작동시키기 위해서는 반드시 적절하게 설정시켜야하며 이 함수들의 설정이 처음에는 완전히 무작위적이라고한다. 그래서 미설정된 신경망은 완전히 임의의 함수를 구현하고 있다. 완전히 무작위적인 일을 하는 것이다. 그래서 기본적으로 0에서 시작한다는 것이다.

더 상황이 많을 수록 AI가 올바르게 작동하기 위해 작업해야하는 라벨링이 더 많아진다는 것이다.

 

현재는 테슬라가 거의 무차별 대입 방식으로 가변성을 내재화하고 있다고 한다.

AI가 수백만 가지 상황에서 제대로 작동하게 하려면 수백만개의 데이터를 집어넣거나 순서대로 예제 데이터들을 접목시키고 있다고한다. 그래서 AI는 학습시킨 데이터 상황에서는 적절한 능력을 보여주지만 학습 데이터 외적인 상황에서는 대응을 잘 못한다. 하지만 학습 데이터 외적으로 몇몇 일어날 법한 상황에 어떻게 대응해야하는지 AI에 학습시키면 AI는 주어진 예제 데이터 사이의 적절한 행동을 취할 수 있으나, 이 역시 한계가 있다고 한다. 따라서 AI가 잘 작동할 수 있도록 어마어마한 양의 가변성 데이터를 확보한다면 가변성을 내재화하는 것이 가능하다고 말한다. 대규모의 데이터를 통해 내재화가 가능하다는 것이다.

 

인공신경망은 도로에서 엄청난 양의 예측을 하게 되는데 이제 이러한 네트워크는 사람들의 차에 배치되어 예측을 하게 되는데 부정확성을 수집할 수 있는 많은 방법을 찾아야한다고 말한다. 간단한 예로 오토파일럿이 제대로 작동하지 않을때 운전자가 개입하는 경우가 있다. 일반적으로 네트워크가 잘못된 예측을 할때 운전자들이 직접 개입해 직접 운전을 한다. 그래서 개입은 트리거가 되어 그 상황 이미지의 일부를 수집하고 수집된 이미지를 보고 예측이 옳았는지, 어떻게 틀렸는지를 살펴본다. 이 작업은 해당 데이터가 라벨링 프로젝트에서 어떤 데이터셋에서 어떤 라벨링 작업을 해야하는지 분류하는데 도움을 준다고 한다. 

테슬라에겐 이러한 잘못 예측된 사례를 AI훈련용 데이터셋에 얼마나 빨리 입력하는지가 관건이며 이 작업은 연구에 큼 부분을 차지한다.

 

 

 

 

 

마지막으로 카파시가 말하는 AI는 우선 AI의 발달이 믿을 수 없이 빠른것에 있다고 말한다. 하루하루를 확대하고 일주일 단위로 나오는 논문을 보면 AI의 진보가 느리게 느껴질 수 있으나 크게 보면 AlexNet*과 같은 이미지 인식 벤치마크를 오늘날의 신경망 아키텍처들이 계승하고 있다고 한다.

AlexNet* :2012년 개최된 ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회의 우승을 차지한 컨볼루션 신경망(CNN)구조

딥러닝혁신과 변혁을 시작한 AlexNet이 발표된 것이 2012년 이었는데 지금은 "2021"년이다. 겨우 10년도 안되었지만 카파시는 2012년 부터 지금까지 AI는 완전히 변모했고 10년동안 정말로 많은 혁신들이 일어났다고 말한다. 앞으로 4년간 이정도 규모의 혁신을 보게된다면 상상도 안된다고 말한다.

 

현재는 근본적으로 데이터와 연산이라는 한계 아래에서 ai를 발전시키고 있는데 테슬라는 더 많은 컴퓨팅 자원들을 얻을 것이고 모든 하드웨어를 신경망에 특화시킬것이라고 말했다.

지금의 모든 프로세서들은 신경망에 특화되어있지 않기 때문에 장기적인 '열매'들이 그곳에 있다고 말한다.

AI를 도입할 분야의 크기도 커졌기때문에 모든 것을 개선하는데 더 많은 두뇌 능력이 필요하다. 또 하드웨어와 소프트웨어의 투자는 기하급수적인 보상이 있을 것이라고 말한다. 

특히 선형적인 개선을 생각하고 있으면 안되고 기하급수적인 개선을 기대하라고 한다. 

AI로 인해 앞으로 많은 흥미로운 일들이 일어날것이다. 기술은 상한이 없기때문이다고 말하며 인터뷰를 마무리했다.