2020년을 기점으로 자율주행차들이 잇달아 등장한다고 한다. 그 근원이 어디인지는 정확히 알 수 없지만, 기자의 기억 속에 강하게 남아있는 것은 포드가 2021년을 기점으로 4단계 자율주행차를 상용화하겠다고 선언한 것이다. 혼다 역시 2025년을 기점으로 4단계 자율주행차를 출시할 예정이며, 다른 제조사들과 자율주행차를 연구하고 있는 IT 업체 또는 부품업체들도 상용 레벨은 조금씩 다르지만 대부분 이 시점에 맞추어 출시하겠다고 선언하고 있다.

지금도 현재까지 대부분의 자동차에 구현되어 있는 자율주행 2단계를 넘는 기술을 적용한 자동차들이 판매되고 있다. 캐딜락은 CT6에 적용된 ‘수퍼 크루즈’ 기술을 통해 자율주행 2.5단계를 구현했다고 주장하고 있으며, 아우디 역시 신형 A8에 비록 제한된 환경과 속도를 요구하지만 자율주행 3단계 기술을 적용하고 있다. 그러한 기술의 발전을 보면 정말로 2021년에는 운전석에 가만히 앉아있어도 되는 4단계 자율주행차를 구매할 수 있을 것 같다.

그러나 아직 자율주행차는 넘어야 하는 벽이 많이 있다. 올해 초, 미국 라스베가스에서 개최된 CES 에서도 다양한 자율주행 기술이 등장했고 높은 완성도를 자랑했지만, 일반 도로도 아닌 제한된 서킷을 주행하던 엔비디아의 자율주행차가 갑자기 코스를 이탈하는 사태가 발생하기도 했다. 판교자율주행모터쇼에 등장했던 KT의 자율주행차 역시 제한된 코스에서도 원활하게 움직이지 못했으며, 통신 문제로 인해 코스 내에 2대를 초과하는 자율주행차가 다니지 못하는 현상이 발생하기도 했다.

자율주행차를 상용화하기 위해서는 센서, 가격 등 다양한 문제가 아직 기다리고 있지만 이번에는 운전자 대신 자율주행차를 전반적으로 제어하게 되는 AI에 대해서 이야기해보고자 한다. AI의 개발 과정에 있어 문제가 되는 점들을 주로 언급하게 되므로 자율주행차에 대해 다소 부정적으로 이야기할 수도 있겠지만, 자율주행차에서 AI가 빠질 수 없는 만큼 이 문제들을 해결해야만 상용화도 가능할 것이다.

움직임을 예측하는 AI의 개발은 가능한가

자율주행차의 AI는 제조사마다 그 로직이 조금씩 달라질 수밖에 없다. 그것은 어느 제조사가 옳고 그름의 문제가 아니고, AI 역시 사람이 만드는 것이기 때문에 제작자의 영향을 받기 때문이다. 혼다가 개발하는 자율주행차 AI는 카메라와 레이더 등의 센서를 이용해 사물과 사람을 인식하고 전체적인 도로의 풍경을 이해한 후 앞으로의 행동을 예측하고 감속 또는 정지, 회피 여부를 판단해 자동차를 움직이게 하는 것을 목표로 하고 있다.

그러나 사실 AI에게 광경을 인식시키는 것은 쉬울 수도 있지만, 이해와 예측은 상당히 어려울 것이다. 이는 인공지능과 인간의 차이라고도 할 수 있는데, 만약 인도를 걷고 있던 사람이 한 발을 차도로 내딛는다면 대부분의 운전자들은 그 사람이 도로를 횡단할 것을 예측하고 속도를 줄여 정지할 것이다. 그러나 AI는 똑 같은 광경을 보고도 그저 ‘차도로 한 발을 내딛는 사람이 있다’라고 인식할 것이며 자동차가 충분히 통과할 수 있는 공간만 확보된다면 그대로 질주할 것이다.

이는 자동차 대 사람뿐만 아니라 자동차 대 자동차에도 적용되는 사항이다. 옆 차선을 주행하고 있던 자동차가 방향지시등을 켜지 않아도 왜인지 모르게 자신이 주행하고 있는 차선으로 이동할 것 같은 느낌을 받고 속력을 줄인 경험을 갖고 있는 운전자들이 꽤 있을 것이다. 그러나 AI는 방향지시등 없이는 이를 예측할 수 없다. 2020년을 기점으로 자율주행차가 보급된다고 해도 사람이 운전하는 자동차도 도로를 같이 주행할 것이므로 이 문제는 상당히 중요하다.

다른 하나는 AI 알고리즘의 신뢰성이다. AI의 머신 러닝과 딥 러닝을 통해 도로에서 발생한 다양한 변수에 대한 데이터를 학습시키고 이에 대한 결론을 도출하도록 하는 것이 현재의 자율주행 AI 개발 과정인데, 도로 상에서는 수백 개 또는 수천 개의 변수가 도출되며, 이를 모두 조합한다면 AI가 혼란을 일으키지 않는다고 보장할 수 없다. 실제로 이세돌과 알파고가 바둑을 뒀을 때, 이세돌의 돌발 행동에 알파고가 혼란을 일으킨 적이 있으며, 도로 상이라면 교통사고가 발생할 수 있는 상황이 되는 것이다.

AI가 사용하는 전력 문제
 

자율주행차에 적용되는 AI가 갖고 있는 뜻밖의 문제는 AI의 소비전력이 예상 외로 크다는 것이다. 자율주행차는 하루 동안 4,000 GB 이상의 데이터를 생성하는 것으로 알려져 있는데, 이와 같은 막대한 데이터를 처리하려면 고성능의 컴퓨터가 필요하며 이는 곧 막대한 전력 소모로 이어진다. 현재 컴퓨터에서는 프로그램의 연산집약적인 부분을 GPU(그래픽 처리 장치)가 담당하고 나머지 코드만을 CPU에서 처리하는 ‘GPU 가속 컴퓨팅’을 주로 사용하는데, 빠른 처리 속도는 보장되지만 동시에 전력 소모가 높아진다.

전력 소모가 높은 GPU를 대신하기 위해 재 프로그래밍이 가능하면서 전력 소모가 적은 실리콘 칩인 FPGA(Field-programmable gate array)가 대두되고 있지만, 아직까지 자율주행차의 AI를 구동시키기에는 부족한 것이 현실이다. 반도체와 칩 관련 기술은 빠르게 진화하고 있기 때문에 자율주행차가 상용화될 2020년 즈음에는 크게 발전되어 있을 것으로 예상되지만, 아직까지는 기술 발전에 대한 확신이 없기 때문에 GPU를 주로 사용하고 있다.

자율주행차의 전력 소모가 문제가 되는 이유는 이로 인해 자율주행차의 연비 그리고 CO₂ 배출 문제가 발생하기 때문이다. 전 세계적으로 연비 규제가 엄격해지고 있는데다가 유럽연합은 자동차 CO₂ 배출량을 2015년 기준 130g/km에서 2021년까지 95g/km로 강제 감축시키는 법안을 통과시켰다. 만약 배터리 전기차 기반의 자율주행차가 제작된다고 하면, AI가 배터리를 급속도로 소모시킬 수 있기 때문에 주행가능 거리도 크게 줄어들 것이다.

포드는 최근 자율주행차를 배터리 전기차 기반이 아닌 PHEV 기반으로 제작한다고 선언했는데, 이와 같은 AI의 전력 소모와도 큰 관계가 있다고 추정된다. 그러나 전력 보충을 위해 엔진을 구동시킨다고 해도 CO₂ 배출량을 지키지 못한다면 의미가 없다. 혼다에서 자율주행차 AI를 개발하고 있는 야스이 나카유지(安井裕司)는 한 매체와의 인터뷰에서 자율주행차 AI의 전력 소모 문제로 인해 배터리 담당 엔지니어에게 혼난 적이 있다고 말했다.

아직 인간처럼 생각하고 판단하는 AI는 등장하지 않았다. 기자가 지금까지 만난 자율주행차 관련 전문가들은 물론, 2007년 ‘DARPA 어반 챌린지’에 도전하면서 자율주행차와 AI를 본격적으로 연구하기도 했던 데니스홍 교수도 직접 사고가 가능한 AI는 아직 먼 이야기라고 보고 있다. 그런 점에서 살펴본다면 2020년 이후 등장하게 될 4단계 자율주행차도 정해진 도심 등 특정 상황에서만 정확히 반응할 수 있는 4단계 기술을 갖추게 될 가능성이 크다.

그러한 의견과 현실을 조합하면, 자율주행차의 AI는 로직과 데이터를 축적하고 인간처럼 도로 상황과 분위기까지 읽는 기술을 갖추기 위해 앞으로 수십 년간을 발전해야 한다는 것이다. 또한 자동차 제조사마다 AI 로직이 모두 다를 것이기 때문에, 한 제조사의 자율주행차는 직선 주행 성능이 뛰어나다면 다른 제조사의 자율주행차는 코너링 처리 능력이 뛰어나다든지 하는 차이가 생길 것이다. 자율주행차에 있어서도 주행 감성과 탑승객의 취향이 극명하게 갈리게 되는 시점이 등장하게 되는 것이다. AI의 발전은 시간을 두고 오래 지켜봐야 할 것이다.