생성형 AI가 혁신하는 자율주행 자동차

생성형 AI는 완전자율주행(FSD) 자동차를 실현할 수 있을까?

24년 10월 테슬라의 CEO 일론 머스크는 완전 자율주행 기반의 페달없는 로보택시의 컨셉을 발표하며 그 대략적인 양산 시기와 가격을 공개했습니다. 머스크는 2026년까지 대량으로 (로보택시를) 만들 것”이라며 “가격은 3만달러(약 4000만원) 미만이 될 것으로 예상한다”고 구체적인 계획을 밝히기도 했습니다.

그의 주장대로 사람의 개입 없이 온전히 스스로의 힘으로만 운전할 수 있는 자율주행 자동차의 개발이 불과 1~2년이라는 짧은 시간안에 실현 가능할까요? 완전자율주행 자동차를 향한 사람들의 희망찬 기대에도 불구하고 기술적 한계와 안전을 둘러싼 여러 이슈로 번번히 실현이 좌절되어 왔기 때문에 그의 말을 반신반의 하는 사람들이 많습니다.

머스크는 그동안 인간이 생물학적 신경망으로 운전 방법을 학습하는 것처럼 완전 자율주행( FSD, Full Self-Driving)의 기반이 되는 인공지능 역시 같은 방식으로 훈련할 수 있다면서 AI의 학습이 인간과 같은 수준으로 나아가고 있다고 주장해 왔습니다. 

인간보다 뛰어난 지능을 바탕으로 스스로 문제를 해결할 수 있는 능력을 갖춘 생성형 AI의 등장은 그의 주장이 더이상 허황된 이야기만은 아니라는 데에 힘을 실어주고 있습니다. 이번 시간에는 자율주행 자동차의 현 주소와, 생성형 AI가 어떻게 완전 자율주행의 꿈을 실현해 줄 수 있을지 기술적인 관점에서 소개하도록 하겠습니다.

자율주행 자동차 개발의 다섯 단계

사람이 직접 운전하지 않아도 자동차 스스로 주행이 가능한 자율주행 자동차 기술은 크게 0단계부터 5단계까지 총 여섯 개의 레벨로 구분됩니다. 자율주행 자동차는 딥러닝 기술과 센서의 발전으로 현재 2단계에서 3단계 사이에 해당하는 수준의 자동화를 이미 구현해 낸 상태입니다. 특히 테슬라(Tesla)의 모델들은 첨단 운전자 보조 시스템(Advanced Driver Assistance System, ADAS)에서 완전 자동화(Full Self-Driving, FSD)를 향한 계획을 밝혔습니다.

그런데 짧은 시간 안에 5단계 완전 자율주행이 가능해질 것이라는 자동차 전문가들의 희망섞인 예측에도 불구하고, 그 실현 시기는 자꾸만 늦춰지고 있습니다. 자율주행 자동차 시장에 일찍부터 뛰어들었던 애플이 10년 동안 진행해 온 전기차 개발 프로젝트를 포기한 것만 보아도 자율주행 자동차의 완전 자동화는 쉽지 않아 보입니다. 

그렇다면 눈부신 인공지능의 발전에도 불구하고 왜 완전 자율주행 자동차는 실현하기 어려운 것일까요? 자율주행 기술 개발이 어려운 이유는 다양하지만, 무엇보다 기존 AI 기술로는 자율주행 시 예측이 어려운 코너 케이스(Corner Case) 상황이 가장 큰 원인으로 꼽히고 있습니다.

코너 케이스 상황이란 여러 변수와 환경의 복합적인 상호작용으로 발생하는 상황을 뜻합니다. 예를들어 갑작스럽게 전방 차량에서 물체가 떨어지거나 주변 차량이 전복되는 경우 혹은 폭우나 폭설 등 악천후로 인해 교통표지를 잘 인식하지 못하는 상황 등 돌발상황을 가리킵니다. 이러한 경우 정해진 규칙에 기반하여 판단을 내리거나 한정된 종류의 센서 데이터에만 의존하는 기존의 인공지능 알고리즘은 적절한 판단을 내리기 어려웠습니다.

생성형 AI가 혁신하는 자율주행 자동차

그러나 생성형 AI는 다릅니다. 방대한 양의 데이터에 기반한 패턴 분석과 그에 따른 예측(prediction)을 통해 압도적인 성능을 보여주는 생성형 AI가 자율주행 자동차에 적용되면 사람처럼 인식에서 행동까지 전체 데이터를 이용해 학습하고, 어떻게 주행해야 하는지를 판단하는 과정을 통해 적절한 경로를 결정할 수 있기 때문입니다. 또한 이미지뿐만 아니라 음성과 텍스트 등 다양한 형태의 데이터를 입출력 가능한 멀티모달(Multimodal) 생성형 AI는 자율주행을 위한 종합적 판단이 가능합니다.

생성형 AI를 탑재한 기존의 인공지능 알고리즘에 기반한 자율주행차와 달리, 사람처럼 복잡한 상황에서의 직관적인 결정을 내릴 수 있습니다. 예를 들어, 예상치 못한 장애물이 도로에 나타나거나, 특정 도로에서 예기치 않은 차량 이동이 발생할 때, 생성형 AI는 그동안 수집된 방대한 데이터를 바탕으로 상황을 분석하고, 즉각적으로 최적의 경로와 반응을 결정할 수 있습니다. 또한, 이를 통해 AI는 자신이 마주친 새로운 상황에서 어떻게 행동해야 할지 스스로 학습할 수 있는 능력을 갖추게 됩니다.

이와 같은 특성 덕분에 생성형 AI는 자율주행 차량이 직면하는 코너 케이스와 같은 복잡한 상황을 보다 잘 처리할 수 있을 것으로 기대를 모으고 있습니다. 예를 들어, 갑작스럽게 길을 막고 있는 차량을 회피하거나, 예상치 못한 장애물에 대해 유연하게 반응하는 등의 상황에서 기존 AI 시스템보다 더욱 정확하고 안전한 판단을 내릴 수 있습니다. 이는 자율주행의 안전성을 크게 향상시킬 수 있는 중요한 요소라고 할 수 있습니다.

또한 생성형 AI는 자율주행 자동차의 주행 패턴을 개선하고, 도로 상황에 맞는 최적의 운전 스타일을 학습하는 데 유리한 점이 있습니다. 예를 들어, 날씨나 교통 상황에 따라 차량의 속도나 주행 방식을 조정할 수 있으며, 이는 결국 일론머스크가 주장하는 것 처럼 인간이 생물학적 신경망을 바탕으로 고유의 운전 스타일을 만들어 가는 것 처럼 자동차의 운전 능력을 더욱 인간적이고 자연스럽게 만들어 줄 것입니다.

생성형 AI 기반 자율주행 자동차와 법적, 윤리적 이슈

결국, 생성형 AI는 자율주행 자동차가 사람의 개입 없이도 안전하고 효율적으로 도로를 주행할 수 있게 도와주는 중요한 기술적 열쇠가 될 것입니다. 하지만 이러한 기술이 실제로 상용화되기까지는 여전히 여러 가지 기술적, 윤리적, 법적 도전과제를 해결해야 합니다.

또한, 자율주행 기술에 대한 법적 규제와 책임 문제도 해결해야 할 중요한 부분입니다. 예를 들어, 자율주행 차량이 사고를 일으킬 경우 그 책임은 누구에게 있는지, 그리고 어떤 법적 기준에 따라 사고를 판단하고 보상할 것인지에 대한 명확한 규정이 필요합니다. 현재 대부분의 법률 시스템은 운전자가 차량을 직접 조종한다고 가정하고 설계되어 있기 때문에, 자율주행 자동차가 일반화되면 기존 법률 체계의 대대적인 수정이 필요할 것입니다.

생성형 AI의 결정 과정에 대한 투명성도 중요한 문제로 떠오를 수 있습니다. 생성형 AI는 복잡한 데이터 분석과 예측을 통해 결정을 내리지만, 그 과정이 '블랙박스'처럼 외부에서 이해하기 어려운 경우가 많습니다. 자율주행 차량의 경우, 사고나 예기치 못한 상황 발생 시 AI가 어떤 기준과 절차로 결정을 내렸는지에 대한 설명이 필요합니다. 이에 대한 투명성을 확보하는 것은 기술의 신뢰성을 높이는 데 중요한 요소입니다.

이처럼, 생성형 AI를 기반으로 한 자율주행 자동차가 상용화되기 위해서는 기술적 진보뿐만 아니라 윤리적, 법적 논의와 해결이 동반되어야 합니다. 하지만 이러한 과제가 해결된다면, 자율주행 자동차는 더 안전하고 효율적인 미래 교통 시스템을 구현하는 중요한 전환점이 될 것입니다.

그럼에도 불구하고, 머스크가 제시한 2026년이라는 목표는 더 이상 단지 꿈에 그치지 않을 수도 있다는 기대감을 불러일으킵니다. 생성형 AI와 자율주행 기술이 결합된다면, 우리가 상상하는 것보다 훨씬 더 빠르게 완전 자율주행 시대가 현실화될 수 있을 것입니다.

* 슈퍼브 블로그의 외부 기고 콘텐츠는 외부 전문가가 작성한 글로 운영 가이드라인에 따라 작성됩니다. 슈퍼브 블로그에서는 독자분들이 AI에 대한 소식을 더 쉽고 간편하게 이해하실 수 있도록 유용한 팁과 정보를 제공하고 있습니다.