보라빛 소를 만나기 위한 도약

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1836호(2018. 3. 7. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

구글 자율운전차의 강력한 대항마로 부상한 GM의 ‘크루즈 AV’.pdf

[ 요 약 ]

[ 본 문 ]

ž 제네럴 모터스(GM)은 2018년 1월 미국 교통부(DOT)에 ‘운전대와 페달이 없는’ 자율운전 자동차의 도로 주행 허가 신청서를 제출하였음

Ø 신청서에 따르면 조작부가 없는 GM 차량의 자율운전 수준은 미국 자동차기술협회(SAE)가 정의한 6단계 중 5단계인 ‘레벨 4'에 해당하는 것으로 보이며, 제한된 조건에서 완전 자율운전의 실현을 테스트 하려는 것으로 보임

Ø GM이 내건 조건 중 하나는 주행 지역을 좁힌다는 것인데, 고정밀 지도 데이터가 구축되어 있고 실제 차량 테스트와 분석에 의한 시뮬레이션 주행 시험을 반복해 왔던 ‘이미 잘 알고 있는 지역’에서만 주행하겠다고 밝혔음

Ø GM은 2019년에 자율운전 차량의 양산을 시작한다는 계획인데, 양산 초기 판매 모델은 웨이모(Waymo)와 비슷한 형태, 즉 차량 공유나 카풀 등 배차 서비스 기업들의 업무 차량으로 공급될 예정임

ž GM은 크루즈 AV가 배차 서비스와 결합될 경우, 보다 많은 사람들이 자율운전 차량을 경험함으로써 이해도가 높아질 것으로 기대한다는 입장을 밝히고 있음

Ø 크루즈 AV가 배차 서비스에 이용될 경우 사용자는 스마트폰으로 무인 차량을 호출하게 되고, 승차지는 목적지는 제한된 범위 내에서 선택하는 형태가 될 것으로 보임

Ø 웨이모에 이어 GM도 배차 서비스를 우선 타게팅 하는 것은 미국에서 배차 서비스 이용자가 급격한 증가하고 있기 때문으로, 서비스 업체 입장에서는 크루즈 AV를 배차 서비스와 조합하며 운전자 확보 없이도 이용자를 쉽게 늘릴 수 있는 이점이 있음

Ø 또한 GM에 따르면 배차 서비스에 크루즈 AV를 공급할 경우 불특정 다수의 사람이 탑승할 기회를 갖게 되므로, 보다 많은 사람들이 자율운전 기술에 대해 직접 경험하고 안정성과 편의성을 판단할 수 있게 되는 마케팅 효과를 기대할 수 있음

ž 배차 서비스에 크루즈 AV를 우선 공급하는 것이 자동차를 최대한 팔아야 하는 GM에 손해가 될 수도 있으나, 신차 시장이 줄어드는 상황에 적극 대응하기 위한 것으로 보임

Ø 크루즈 AV은 부품 비용이 동급 엔진의 차량 모델에 비해 수천만 원은 높기 때문에 판매가가 높을 수밖에 없으며, 따라서 개인에 판매할 경우 살 수 있는 고객의 수는 제한됨

Ø 부품 가격이 높은 이유는 크루즈 AV에 탑재하는 주요 환경 인식 센서의 수 42개에 이르고 고성능 컴퓨터도 여러 대 탑재되기 때문

Ø 또한 운동제어부의 부품 모두 어느 한 계통이 고장 나도 정상적으로 주행할 수 있는 ‘기능안전(Fail Operational)’ 방식으로 되어 있어 부품 수가 크게 늘어나기 때문

Ø 게다가 크루즈 AV는 쉐보레(Chevrolet) 브랜드의 전기자동차 ‘볼트(Bolt)’를 기반으로 개발 중인데, 볼트는 소형차이지만 고가의 대용량 배터리를 탑재하고 있어 판매 가격이 유사 차종에 비해 약 3만 7천 달러 가량 높은 편임

Ø 크루즈 AV의 가격이 개인이 구매하기엔 부담스럽지만, 배차 서비스 업체라면 운전자 인건비가 들지 않고 가동 시간을 늘릴 수 있는 장점을 기대할 수 있어 추가 매입 가격이 얼마나 단기간에 회수될 지는 두고 봐야 하지만 수요는 있다는 평가

Ø GM 입장에서는 배차 서비스 업체에 차량을 판매하는 것이 개인들에게 판매하는 것에 비해 손해이지만, 당장은 개인 수요가 불투명해 배차 서비스 업계에 마진을 낮추더라도 대량으로 공급하는 전략을 택할 것이란 게 자동차 산업 애널리스트들의 전망임

Ø 한편 이윤이 낮아짐에도 GM이 배차 서비스용 무인 차량을 우선 개발하는 것은 배차 서비스로 인해 향후 미국의 신차 시장이 줄어들 것으로 전망되기 있기 때문이란 분석도 있음

Ø KPMG에 따르면 2030년 미국의 신차 판매 대수는 1,620만 대로 2016년에 비해 130만 대가 줄어들 것으로 예측했는데, 내역을 보면 배차 서비스 등과 결합된 무인 차량이 300만대 규모로 성장하는 반면 세단 등 개인 소유 차량은 약 420만 대로 크게 줄어든 전망

Ø 만약 예측대로 시작이 변해간다면 개인 대상 판매가 중심인 GM 등 자동차 업체에 타격이 클 것이며, 게다가 웨이모를 비롯한 IT 대기업들이 새롭게 성장하는 시장을 선점할 것이기 때문에, GM으로서는 무인 택시 개발이 공격인 동시에 방어 전략인 측면이 있음

ž 구글 등에 가려져 잘 알려지지 않았지만 GM의 자율운전차 연구개발의 역사는 오래 되었으며, 자동차 업계에서는 ‘자율운전 연구의 선구자’로 인정받고 있음

Ø 약 80년 전인 1939년 뉴욕 국제 박람회에서 GM은 ‘Futurama(퓨처라마)’라는 제목의 세밀한 디오라마 연출을 통해 고속도로를 자동으로 달리는 자동차의 미래 이미지를 선보인 바 있는데, 자율주행이 IT 기업에 의해 제시된 개념은 아님을 엿볼 수 있음

Ø 비교적 최근에도 자율운전 기술의 전환점에 GM이 밀접한 관련이 있는데, 치열한 기술 경쟁의 계기가 된 2007년 DARPA(방위고등연구계획국) 개최 자율운전차 경주 대회에서 우승 한 카네기 멜론 대학에 차량을 제공하고 개발을 도운 곳이 GM이었음

Ø 그러나 당시 카네기 멜론 팀의 개발 리더였던 크리스 우름슨은 대회 종료 후 구글에 들어가는데, GM도 초빙했다고 하나 구글에 납치되다시피 했다는 후문이며, 이런 배경을 놓고 보면 GM에게 구글은 악연의 적수라 할 수 있음

ž GM은 크루즈 AV의 개발에 있어 안전성과 신뢰성을 중시하고 있음을 강조하고 있는데, 자동차 양산 경험이 없는 웨이모와 차이를 가장 잘 보여줄 수 있는 지점으로 보기 때문

Ø GM은 크루즈 AV를 1983년 설립된 미시간주 오리온 공장에서 양산할 계획인데, 수십 년에 걸쳐 발전시켜 온 설비 및 공정을 통해 생산함으로써, 자체 자동차 공장이 없는 웨이모 등 ICT 기반 신흥 자동차 업체들과 차별성을 보여준다는 전략임

Ø 실제 안전성과 신뢰성은 자율운전 자동차의 판매에서 가장 중요한 요소가 될 가능성이 높은데, 가트너의 2017년 설문 조사에서 55%의 응답자가 기술적인 결함에 대한 불안을 이유로 자율운전 자동차를 타고 싶지 않다고 답했음

Ø 이는 자동차의 안전성이 곧 생명과 직결되기 때문으로, 향후 안전성과 신뢰성에 관해 소비자의 마음을 얻을 수 있는지 여부가 자율운전 차량의 매출을 크게 좌우할 것임을 시사

Ø GM은 개발 방식에 있어서도 웨이모에 비해 안전성과 신뢰성에서 우위에 있다고 어필하고 있는데, 하드웨어와 소프트웨어를 모두 자사에서 개발한다는 것을 근거로 들고 있음

Ø GM과 달리 현재 웨이모는 분업 체계를 선택하여, 웨이모가 소프트웨어를 담당하고 파트너인 미국 피아트·크라이슬러·오토모빌스(FCA)가 차량의 개발과 생산을 담당하고 있음

Ø 이에 대해 GM은 방대한 소프트웨어와 수만 개 부품의 하드웨어로 구성되는 자율운전 차량의 특성상, 분업은 신뢰성 높은 시스템의 개발과 평가를 원활하게 진행하기가 어려운 방식이라 주장하고 있음

Ø GM은 2016년에 자율운전 소프트웨어를 개발업체인 ‘크루즈 오토메이션(Cruise Automation)’을 약 10억 달러에 인수해 GM 내부로 포섭한 바 있음

Ø 이를 통해 하드웨어와 소프트웨어 팀 간의 긴밀한 협력을 통해 모든 시스템의 잠재적인 고장 패턴을 분석하여 안전하고 신뢰할 수 있는 무인 자동차를 생산할 수 있게 되었다는 것을 자신들의 장점으로 어필하고 있음

ž 주행 성능 면에서도 GM은 웨이모에 대해 우위라고 은근히 주장하는데, 2019년에 시작할 배차 서비스를 주행 환경이 복잡한 도심에서 시작할 것임을 내비치고 있기 때문

Ø 웨이모는 2018년부터 애리조나주 피닉스의 교외 지역에서 무인 차량을 이용한 배차 서비스를 정식 시작할 계획인데, 피닉스는 도심에 비해 교통량이 적고 도로 정비가 잘돼 있기 때문에 사고가 일어날 가능성은 상대적으로 낮은 지역이라 할 수 있음

Ø GM은 상용화 시점은 웨이모에 비해 늦었지만 교외에서 서비스를 하는 웨이모에 비해 주행 성능은 자신들이 뛰어나다는 것을 보여주려 하고 있음

Ø GM은 도로 주행 시험 허가 신청서와 함께 공개한 자료(☞클릭) 를 통해 도심인 캘리포니아주 샌프란시스코와 교외 지역인 피닉스 근교의 교통 환경이 어떻게 차이 나는지를 의도적으로 강조하였음

Ø 긴급 차량의 운행대수나 좌우 회전 교차로의 수가 샌프란시스코에 훨씬 많다는 것을 강조한 것인데, 주행 환경이 ‘쉬운’ 피닉스에서 서비스를 시작하는 웨이모를 강하게 의식한 것이 분명해 보임

Ø GM은 현재 샌프란시스코 이외에 미시간주 디트로이트에서 도로 주행 테스트를 하고 있는데, 향후 대도시 뉴욕에서도 테스트를 시작할 예정이며, 도심 중심의 주행 테스트에 주력함으로써 웨이모를 추격한다는 전략임

[표 1] GM과 웨이모의 자율주행 테스트 환경의 비교(자율주행 1천 마일 당 빈도)

<자료> General Motors

Ø 반면 GM은 자율주행 테스트 총 주행거리를 밝히고 있지는 않은데, 주행거리는 지금까지지 누적 400만 마일을 테스트한 웨이모가 자신들의 안전성과 신뢰성을 어필하는 요소로 강조하는 포인트이고, GM이 단기간에 따라잡기란 불가능하기 때문

ž GM의 기술에서 핵심 개념은 ‘중복 설계(Redundancy)’인데, 안전과 신뢰성을 위해 주요 기능의 구동이 실패한 경우에도 주행을 계속할 수 있는 구조를 갖추고 있음

Ø IT 시스템 구축에서 ‘중복 설계(리던던시)’는 비용을 높이더라도 무중단 가동 환경을 만드는 것인데, 트레이드-오프 관계에 있는 비용과 안전성의 두 요소를 놓고 GM은 자율운전차 판매에서 안전이 가장 중요하다고 생각해 비용을 높여 안전성을 선택한 것으로 보임

Ø GM에 따르면 크루즈 AV의 자율운전 시스템에는 ‘인식(Perception)-주행 계획(Planning)-차량 제어(Control)’의 세 가지 주요 기능이 있는데, 모두 중복 설계 되었다고 함

Ø 예를 들어 ‘인식’ 기능은 차량 주변 객체의 위치와 속도, 방향, 종류를 계산하는 것인데, 핵심은 차량 주위 360도를 인식하는 센서 군으로, 작동 원리가 다른 3 종류의 센서를 사용하는 것에 더해 동일한 장소를 복수의 센서로 감지하도록 ‘중복 설계’하였음

ž 크루즈 AV는 라이더(LIDAR, 적외선 레이저 센서) 5개, 카메라 16개, 밀리파 레이더 21개를 탑재했는데, 한 센서가 작동하지 않아도 다른 센서로 주위 360도 인식 기능을 유지함

Ø 3종류의 센서 중 핵심은 라이더로, 라이더 하나 만으로도 안전하게 주행할 수 있는 기본 기능을 구현할 수 있는데, GM은 2017년 10월 라이더를 개발하는 스타트업 ‘스트로브 (Strobe)’를 인수하고 기술 고도화에 투자하고 있음

Ø 밀리파 레이더는 주로 이동하는 물체의 감지를 담당하며 라이더를 지원하는데, 전파의 반사에 의해 차량과 이동하는 객체의 상대 속도를 측정하는 데 강점이 있음

Ø 라이더와 밀리파 레이더는 각각 레이저(빛)와 전파를 이용해 측정 원리가 다르기 때문에 레이저의 반사율이 낮은 경우 전파의 반사로 보충하는 보완 관계가 형성됨

Ø 카메라는 물체의 색상과 모양을 고화질로 감지 할 수 있어 거리와 속도를 감지하기 보다 주로 물체의 분류와 추적에 사용하지만, 여러 대의 카메라로 거리를 감지하는 기능을 갖출 수 있어 라이더가 구동하지 않을 경우 어느 정도 기능을 대체할 수 있음

Ø ‘인식’ 기능에는 센서 군에 의한 물체 감지 외에도 ‘자기 위치 추정(Localization)’ 기능이 포함되는데, 이는 자율운전의 근간으로 만일 실패하여 추정의 정확도가 크게 떨어지면 자율운전이 불가능하므로 GM은 여러 방법으로 추정이 가능하도록 중복 설계하고 있음

Ø 가령 내비게이션 기능에서는 일반적인 GNSS(위성위치확인시스템)와 자이로 센서를 결합하는 방법과 라이더 등으로 측정한 특징물과 고정밀 지도 데이터의 위치를 ​​대조하는 방법 등을 동시에 이용해 자기 위치를 추정하고 있음

ž ‘인식’ 결과를 바탕으로 ‘주행 계획’을 수립하게 되며, 여기에서 중요한 것은 행동예측과 보이지 않는 영역에 대한 고려인데, GM은 이 기능에 ‘딥러닝’을 적용하였음

Ø 주행 계획에는 내비게이션과 마찬가지로 목적지까지의 경로를 계산하는 매크로 주행 경로 결정과 사고 확률을 줄이기 위한 ‘마이크로’ 주행 경로 결정이 포함되는데, 최근 중요성이 강조되는 것은 마이크로 주행 경로 결정임

Ø 마이크로 주행 계획은 우선 센서에서 인식한 주변 객체의 3 차원 모델을 구축해 정밀 지도 데이터에 가상으로 배치한 다음 객체의 종류와 속도 등의 계산 결과를 바탕으로 지도 데이터에서 객체 모델의 움직임을 예측하는 것임

Ø 차량과 보행자, 트럭, 자전거 등의 종류에 따라 움직이는 방법이 매우 다양하기 때문에 이를 고려하여 행동 예측에 반영시키게 됨

Ø 그런 다음 인식 기능으로 계산한 주행 한계의 결과와 조합하여 차량이 달릴 범위를 결정하게 되는데, 주행 가능 범위 내에서 사고의 위험이 낮고 빠르게 달릴 수 있는 경로를 그리고 그 경로에 따라 차량이 움직이도록 함

Ø 주행 한계의 계산은 인공지능(AI)의 일종인 딥러닝(심층 학습)을 사용하는데, 주행 한계는 일반적으로 흰색 선이나 가드 레일, 차도와 인도의 턱 등을 통해 쉽게 찾을 수 있음

Ø 그러나 외곽 도로의 경우 흰색 선이 없어 주행 한계를 이해하기 어려운 곳이 자주 나타나기 때문에, 주행 한계를 결정할 때 ‘달릴 수 없는 영역’으로 분류된 곳의 수 많은 이미지를 이용해 훈련시킨 AI의 판단이 효과를 발휘할 수 있음

Ø 주행 경로의 결정에서 GM은 특히 ‘센서에 보이지 않는 영역’의 처리를 위한 연구를 중요시하고 있는데, 비나 안개, 다른 객체에 가려 보이지 않는 영역을 파악하고 안전한 경로를 결정하는 데 연구 결과를 적용하고 있음

Ø 가령 지도 데이터의 보이지 않는 영역에 가상의 깃발(플래그)을 세우고, 그 깃발 지점에서 물체가 갑자기 튀어 나오는 위험을 계산한 후, 그 결과값을 가미하여 주행 경로를 신중하게 결정함으로써 운행의 안전도를 높이고 있음

ž 주행 계획의 계산에도 중복 설계를 하고 있는데, 경로 결정 대로 주행이 제대로 실행되지 않을 경우에 대비해 항상 여러 백업 경로를 준비해 두도록 하고 있음

Ø 크루즈 AV는 초당 10회 정도의 경로를 계산하여 이 중 가장 안전하고 빠르게 달릴 수 있는 경로 선택을 기본 원칙으로 하고 있음

Ø 그러나 예상대로 주행이 이루어지지 않을 때를 대비해, 가령 차선을 변경하는 경로를 선택했을 때 갑자기 다른 차가 변경하려는 주행 경로를 차단했을 때는 원래 차선으로 달리는 등 백업으로 준비하고 있던 경로로 즉각 전환하도록 하고 있음

Ø 주행 계획의 연산에는 ‘통신(Networking)’ 기능도 활용되는데, 다른 크루즈 AV 차량이 인식한 정보를 경로 계획에 반영하는 것으로, 다른 차량이 인식한 정보를 클라우드로 통합한 후 네트워크를 통해 모든 크루즈 AV 차량이 공유하도록 하고 개발하고 있음

Ø GM은 이를 두고 ‘한 대가 학습한 것을 모든 차량이 학습한다’고 표현하는데, 일반 자동차에 없는 장점으로 크루즈 AV의 안전 운전에 크게 기여할 것으로 기대하고 있음

ž ‘차량 제어’ 기능은 주행 계획에 따라 가속과 감속, 조향을 제어하는 것인데, 차량 제어에 관련된 전기 계열 하드웨어 부품을 모두 이중화하였음

Ø 예를 들어 자율운전 기능의 주요 ECU(전자제어장치)를 두 개 탑재하는 것인데, 한 컴퓨터가 구동에 실패할 경우 동시에 계산하고 있던 다른 한쪽이 연산을 이어받게 됨

Ø 이 때 2개의 ECU가 상호 감시하는 구조에서는 어느 쪽이 실패했는지 결정할 수 없기 때문에 GM은 ECU를 전체 시스템의 고장 유무를 항상 감시하는 자자가 진단 ECU를 또 하나 탑재하였음

Ø 이 진단 ECU가 있으면 다수결로 어떤 ECU가 실패했는지 결정할 수 있기 때문에, 실패한 ECU의 신호를 사용하지 않고 남아 있는 정상적인 ECU의 신호로 차량을 제어하게 됨

Ø 주요 기능의 전원 공급 장치 역시 2개의 계통을 준비하는데, 주 전원이 실패하면 백업 전원에서 주요 ECU와 인식 센서, 스티어링, 브레이크 등에 전력을 공급함

Ø 특히 브레이크에 대해서는 전용 카메라를 별도로 설치하여 일반적인 자율운전 기능 용도 이외에 자동 브레이크 기능을 추가로 탑재하고 있음

Ø 주요 ECU를 연결하는 신호선도 이중으로 하여 한쪽 통신이 끊어진 경우 다른 쪽으로 신호를 교환하도록 하고 있음

Ø 또한 확률은 낮지만 주요 부품과 백업 부품이 고장 나는 경우에 대비한 방안도 강구하고 있는데, 이 경우 ‘페일 세이프(fail safe)’ 기능을 통해 안전하게 정지한다고 함

ž 크루즈 AV는 주행 계획 등에 ‘통신’ 기능을 이용하고 있기 때문에, 무선 통신을 통해 해킹이 발생할 경우 중대 사고로 이어지게 되므로 GM은 보안 대책에도 주력하고 있음

Ø GM이 인수한 크루즈 오토메이션에는 자동차 업계의 화이트 해커로 가장 유명한 두 사람이 있는데, 찰리 밀러 (Chary Miller)와 크리스 발라섹(Chris Valasek)임

Ø 이 둘은 2013년 도요타 프리우스를 해킹하여 주목을 받았으며, 이후 우버 등을 거쳐 크루즈 오토메이션에 일하던 중 GM의 인수로 현재는 크루즈 AV 보안 개발에 참여하고 있음

Ø 보안을 위해 GM은 소프트웨어의 취약점을 포괄적으로 분석하는 도구 및 잠재적인 위협을 업스트림(상위 공정)에서 발견하여 제거하는 위협 모델링 등을 활용 중이라고 하며, 통신에 메시지 인증 기능과 함께 침입 탐지 기능을 도입했다고 함

ž 웨이모가 크게 앞서는 듯 보이던 자율운전차 시장에 전통의 자동차 업체 GM이 강력한 대항마로 나섬에 따라 2018년 자율운전차 시장의 상용화 모멘텀은 더욱 커질 전망

Ø 웨이모는 주행거리를, GM은 주행환경의 난이도를 강조하는 것으로 나타나고 있으며, 서비스 업체와 소비자의 마음을 얻기 위한 양사의 경쟁 과정에서 기술의 발전과 소비자 인식 전환, 상용 서비스 완성도 제고가 극적으로 전개될 것으로 기대되고 있음

안녕하세요. 

블로그 운영자 보라개구리입니다. 

원래 이 블로그는 제가 <주간기술동향>이라는 주간지의 '최신ICT이슈'라는 꼭지에 기고한 글을 개인적으로 아카이빙 하는 공간으로 개설한 곳입니다. 주간지를 발간하는 정보통신기술진흥센터의 웹사이트에 가도 PDF 버전이 잘 아카이빙 되어 있기는 하지만, <주간기술동향>은 책자로 인쇄해 배포되는 잡지이다 보니 원고 작성 시에 동영상 등 멀티미디어 활용에 제한이 있습니다. 그래서 원고에는 담지 못한, 혹은 캡처 화면으로만 소개된 동영상을 넣은 온라인 버전의 아카이빙이 있으면 좋겠다 싶어, 티스토리에 공간을 빌리게 되었습니다. 

개인적인 아카이빙이 목적이다 보니.. 일주일에 한번 썼던 글 카피해서 올리는게 다여서 블로그는 사실 운영이랄 것도 없고 별다른 신경을 못쓰고 있습니다만.. 티스토리 관리자 화면이 개편되면서 방문자 수를 강제적으로 보게 되는데, 월에 3천분 정도, 그러니까 하루에 100분 정도가 들러주시는 것 같습니다. 어떤 경로로든 방문해 주신 분들께는 감사의 말씀드리며, 위에서 말씀드린 것과 같이 개인 목적 운영이기 때문에 보시기에 불친절한 면이 있었더라도 양해해 주시길 바랍니다. 

이 곳에 아카이빙 하는 글들이 '최신ICT이슈'라는 타이틀을 달고 있긴 하지만, 블로그 들러서 글을 보신 분들 중에는 최신 이슈가 맞는지, 그리고 이게 중요한 이슈인지 등에 대해 의구심을 갖는 분들도 계실 것 같습니다. <주간기술동향>은 인쇄 발행물이다 보니 원고가 최소 1주일 이전에 마감되어야 하고, 몇년 전에는 2주 전에 마감하기도 했습니다. 그러다보니 원고 작성 시점에는 뉴스가 되더라도 2주 후에는 전혀 새롭거나 가치 있는 소식이 되질 못하는 일이 다반사였습니다. 그래서 제 나름대로 찾은 방법이 국내 미디어에는 잘 소개되지 않는 뉴스, 소개되더라도 자세히 소개되지 않는 뉴스들을 다루는 것이었는데요.. 최근 정보 매체들의 수가 더 급증하면서 이 방법도 점점 더 유효하지 않게 되어 가고 있습니다. 해가 갈수록 원고 아이템 찾는 일이 어려워지고.. 나이도 먹어가기 때문에, 얼마나 더 할 수 있을 지는 모르겠습니다. ^^

아무튼.. <주간기술동향>은 1월 3주차부터 1년에 50회 발간이 되고, '최신ICT이슈' 꼭지에 제가 보통 3개의 뉴스를 기고하니 올해도 150개 소식을 전달한 셈인데요.. 

올해 썼던 글 목록을 보면서.. 재미 삼아 제 스스로 기억에 남았던 글들 10개를 뽑아 봤습니다. 제 기준에 따라 제 맘대로 뽑은 것이고.. 또 순위가 중요도를 의미하는 것 같지도 않습니다. 관심을 가지고 본다면 어느 것 하나 중요하지 않은 것이 없겠죠. 

어느 곳에서 어떤 생각을 갖고 살아가시는 분들이건, 제 블로그를 방문해 주셨던 모든 분들께 깊은 감사의 말씀 드리며, 운칠복삼의 2018년이 되길 열렬히 기원합니다. 새해 복 많이 받으십시다들. 

----------------------------------------------------------------

2017 My Top 10 Articles

1. 빈 의과대학, 거미줄로 인간의 끊어진 신경을 재건하는 수술 연구 (☞ 바로가기 클릭)

간혹 쓴 글에 대해 피드백을 받는데.. 올해 피드백을 가장 많이 받았던 기사라.. 표본 수는 작지만 가장 호응도가 높았던 기사로 간주해 1위로 선정. ㅎㅎ 

큰 사고를 당하신 분인데, 이 기사를 보고 희망이 생겼다는 분의 전화가 기억에 남는다. 임상 실험이 어서 진행되어 많은 분들이 건강과 희망을 되찾으시길.

학교 수행과제 발표 때문에 궁금한 게 있어 전화를 했다는 적극성 만땅의 고등학교 2학년 여학생도 기억에 남는데, 우리 딸과 같은 학년이라 특별히 있는 자료 없는 자료 챙겨서 답해주었다. 

2. 구글 클라우드 넥스트, 다음 단계 목표는 ‘인공지능의 민주화’ (☞ 바로가기 클릭)

스마트폰 쓰듯이 누구나 인공지능을 쓸 수 있는 시대가 올 수도 있겠구나 하는 생각이 들었던 기사. 구글이 "Don't be evil" 이라는 창업 이념을 잊고 있는 것 같지는 않은 것 같다는 느낌도 받았던 듯. 

3.  ‘ICO’, 블록체인 혁명을 위한 새로운 자금조달기법 혹은 묻지마 (☞ 바로가기 클릭)

8월 말에 작성한 이 기사 내용 중에 비트코인 가격 4천 달러 돌파 소식도 들어 있었는데.. ㅎㅎ 돈이 없어 그런가 나는 왜 살 생각을 못했던가. ㅠㅠ

비트코인이 금을 대체할 수 있는지 등등은 어차피 보이지 않는 국제금융의 큰 손들이 결정할 일이니 이렇다 저렇다 말할 수 없는 일이고..  ICO를 하려면 우선 비즈니스모델이 있어야 한다는 기사의 지적은 합당한 듯. 정부가 ICO 막는다고 뭐라 하기 전에 ICO로 코인 모아서 뭘 하려는지부터 명확히 설명할 수 있어야 할 것임.

4. 폴크스바겐, 골드만삭스, 에어버스의 양자 컴퓨터 활용 계획 (☞ 바로가기 클릭)

올해 양자컴퓨터 관련 소식을 나름 시리즈로 다루었다. IBM, 구글, MS의 양자 컴퓨팅 연구개발 상황을 3주 연속으로 다루었는데.. 개발업체들 관점에서 나온 소스들을 정리하다 보니 긍정적 톤이 나오게 되었다 

연말에 Q2B Conference라는 행사가 있었고, 여기에 제조 금융 서비스 기업들이 나와 양자 컴퓨팅 도입 방안과 미래에 대해 전망하였는데, 개발업체들에게는 미안한 말이지만 양자 컴퓨터의 현재 수준을 알 수 있어 좋았다. 

지금은 아직 멀었다는 평이지만.. 어차피 기술은 급속히 발전하는 것이니 내년에는 또 뭐가 어떻게 바뀔 지 기대. 

5. 완전 자율주행 무인 택시 ‘웨이모’의 안전성 확보를 위한 여러 노력들 (☞ 바로가기 클릭)

자율주행차 소식도 여러 건 다루었는데, 실제 상용화를 이루기 위한 구글의 구체적 노력을 알 수 있어 좋았던 기사. 국내 금융기관도 이미 대출 승인할 때 AI를 이용하고 있다는데, 결과적으로 보면 AI의 판단이 옳은데 문제는 대출 거부된 사람에게 그 이유를 명확히 설명해 주지 못한다는 것. 자율운전차도 경로 결정을 AI에 맡기면 결과적으로는 사람보다 더 잘할 수는 있겠으나, 사고 발생시 무조건 상대방 차량의 사람에게 과실을 물어야 하냐는 현실적 문제가 발생하는데, 그런 문제를 해결해 나가려는 구글의 모습에서 자율주행차는 상용화가 진짜 몇 년 안 남았다는 느낌.

6. DNA 분석 결과, 백인우월주의자 대부분은 ‘순수 백인’이 아닌 걸로 (☞ 바로가기 클릭)

DNA 분석 서비스 비용이 낮아져 보편화되면 이를 통해 사람들의 고정관념과 아집이 허물어질 수도 있겠다는 생각을 해준 기사. 점차 다문화 사회가 되어 가고 있고, 서구인에 대한 무조건적인 친절, 아시아, 아프리카인에 대한 근거 없는 우월감을 보이는 우리나라에도 꼭 필요한 서비스라는 생각. 

7. 위성사진 분석으로 경제 정보 제공, 투자자들이 주목하는 AI 스타트업 (☞ 바로가기 클릭)

AI가 못하는 창의적인 일을 하라는 것도 이제는 헛소리. AI가 사람보다 예술도 더 잘하고, 심지어 AI 개발도 AI가 하고 있으니까. 결국 남는 건 운동선수가 되는 일인데, 이것도 얼마나 유효할 지는 모르겠다. 백 덤블링하는 로봇도 나왔으니. 

데이터 사이언티스트의 가장 중요한 덕목은 분석 툴을 잘 다루는 것이 아니라 '인사이트'라고 하는데, 과연 그렇겠구나 하는 걸 실감하게 해준 뉴스. 결국 남이 못보는 것을 잘 보는 것이 살아남는 방법. 

8. 실패를 존중하는 기업문화 정착 위해 직원 평가제도 폐지한 GE (☞ 바로가기 클릭) 

한때 한국 기업 구조조정의 바이블이었던 GE의 인사 제도가 디지털 혁명 시대를 맞이하여 GE 스스로에 의해 폐기되고 있다. 그래도 아직 한국의 어느 기업들 중에는 잭 웰치의 말을 여전히 신봉하며 어떻게 직원을 정리해야 할 지에 대해서만 골몰하는 곳도 있겠지. 

9. 기후 변화로 손실 위험 높아지는 보험회사, IoT로 위험 극복 노력 (☞ 바로가기 클릭)

디지털이 야기하는 파괴적 혁신에 기업들이 어떻게 대처해야 하는지가 전통적 비즈니스들의 생존 과제임을 다시 한번 느끼게 해준 기사. 한국 기업들도 나름 잘 준비하고 있으리라. 

위의 기사와 쌍을 이루는 뉴스로는.. "치매 발병률 검사 후 간병보험 가입, 보험회사 위협하는 DNA 분석(☞ 클릭)"이 있었다.

10. ‘엣지 컴퓨팅’으로 AI 기능 구현한 소형 장난감 로봇 ‘코즈모(Cozmo)’ (☞ 바로가기 클릭)

앞으로는 스마트폰이 클라이언트가 아니라 미들웨어와 서버로 더 많이 활용될 것임을 느끼게 해 준 뉴스. 스마트폰 사양이 더욱 좋아져야 할 이유가 생긴 듯.  이 뉴스와 같은 맥락의 기억에 남는 기사는..  "아이폰과 연결해 사용하는 휴대형 초음파 진단 장비, 암 진단 성공(☞클릭)"

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1827호(2017. 12. 20. 발행)에 기고한 원고입니다.

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

※ 아래 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1780호(2017. 1. 25 발행)에 기고한 원고입니다. 

▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다.

하이브리드 AI로 변신 꾀하는 우버.pdf

[ 요 약 ]

◈ 우버(Uber)는 작년 12월 샌프란시스코에 인공지능 연구소 'Uber AI Labs(우버 AI랩)'를 설립하며, 아울러 AI 벤처기업 'Geometric Intelligence(지오메트릭 인텔리전스)'를 인수한다고 발표

• 우버 AI 랩은 ‘Deep Learning(딥러닝, 심층학습)’과 ‘Machine Learning(머신러닝, 기계학습)’을 중심 테마로 연구 개발을 진행할 계획이라고 함

• 인수한 지오메트릭 인텔리전스의 연구원 15명이 우버 AI랩의 구성 멤버가 되며, 초대 연구소장은 인수 기업의 CEO인 개리 마커스(Gary Marcus)가 맡았음

◈ 우버가 인수한 지오메트릭 인텔리전스는 ‘적은 양의 데이터’를 가지고 알고리즘을 교육할 수 있는 새로운 딥러닝 개발에 집중하고 있는 기업으로 추정됨

• 지오메트릭 인텔리전스에 관한 내용은 언론을 통해 거의 알려져 있지 않은데, 마커스 등이 설립한 이 기업은 논문 등 외부 발표를 하지 않고 스텔스 모드로 연구를 하고 있기 때문

• 단지 마커스가 업계의 유명 인사이사 보니 강연 등을 통해 지오메트릭 인텔리전스에 대한 내용을 간혹 언급할 뿐인데, 이를 토대로 추측해 보면 이 기업은 '적은 양의 데이터'로 딥러닝과 같은 성과를 낼 수 있는 새로운 AI 기법을 개발 중인 것으로 보임

• 일반적으로 딥러닝을 통해 객체를 판정할 수 있게 하려면 대량의 사진 데이터를 가져 와 알고리즘을 교육할 필요가 있음

• 이미 병원 현장에 투입되어 인간 의사를 곧 넘어설 것으로 평가 받고 있는 의료용 AI 등은 방대한 양의 데이터를 토대로 스스로 학습한 결과 만들어 진 것임

• 이에 비해 지오메트릭 인텔리전스는 인간이 사물을 인식하는 것과 같은 방식으로, 적은 양의 데이터만 가지고도 이미지를 판정할 수 있는 알고리즘의 개발을 연구의 주요 테마로 하고 있음

• 소량의 데이터 영문 표현은 'Sparse Data’인데, 이는 데이터 표본 자체가 작은 '희귀 데이터'라는 의미가 아니라, 가능한 많은 데이터를 모아 놓은 빽빽한 데이터 집합이 아니라 '듬성듬성한(성긴) 데이터'라는 뜻임

◈ 우버 AI 랩의 마커스는 기존 딥러닝 방식을 통해 자율운전 차량 알고리즘을 개발할 때의 문제점을 들며, 자신들은 알고리즘 개발 기간을 대폭 단축하는 것이 목표라고 설명.

• 일반적인 딥러닝 방식으로 자율운전 자동차를 개발하려면 주행 중에 발생하는 모든 이벤트에 대해 학습할 필요가 있으며, 이 때문에 비나 눈이 오는 궂은 날의 주행 환경에 대한 데이터의 수집이 필요하게 됨.

• 따라서 일년 내내 날씨가 좋은 캘리포니아 지역을 떠나 다른 지역에서의 주행 시험도 필요하게 되는 것이며, 자동차, 드론, 로봇 등을 포함한 모든 자율 시스템을 개발할 때는 알고리즘 교육에 사용되는 다량 데이터의 확보가 가장 큰 걸림돌이 되는 것

• 지오메트릭 인텔리전스는 바로 이 문제를 해결해 소량의 데이터로 알고리즘을 교육함으로써 개발 기간을 대폭 단축할 것을 목표로 설립되었다는 것이 마커스의 설명

◈ 지오메트릭 인텔리전스의 또 다른 큰 특징은 '하이브리드 AI' 기술을 개발하는 것인데, 딥러닝 뿐 아니라 기존 방식의 AI 개발에도 자원을 집중하고 있음.

• 마커스에 따르면 연구소는 'Bayesian Model(베이즈 모델, 계층 구조의 통계 기법)'과 'Probabilistic Model(확률 모델, 확률분포의 통계 기법)' 등의 연구를 진행하고 있음

• 이들 모델은 딥러닝의 근간을 이루는 기술 중 일부이지만, 딥러닝의 등장으로 그 존재감이 희미해져 가고 있고 연구자들 사이에 인기가 사그라져 가고 있는 것이 사실

• 지오메트릭 인텔리전스는 이런 기존 모델을 개선하고 딥러닝과 함께 사용하는 기법을 개발하며 이를 ‘하이브리드 AI’라 이름 붙이고 있는데, 규칙 기반의 학습 모델(기계학습)과 통계 기법의 학습 모델(딥러닝)을 결합한 접근방식이라 할 수 있음

• 많은 자율운전 차량 개발 업체들이 딥러닝 만으로 알고리즘을 구현하고 있는 반면, 우버 AI랩은 다양한 기법을 혼용하는 것에서 차별성을 모색하려는 것으로 보임

◈ 이런 하이브리드 접근방식의 배경에는, 딥러닝 만으로는 막다른 골목에 다다르게 될 것이라 는 마커스의 뚜렷한 주관이 자리잡고 있음

• 마커스는 딥러닝이 한계에 다다르게 될 수밖에 없는 이유로, 시스템 교육에 많은 양의 데이터가 필요한 반면 적용할 수 있는 분야는 제한된다는 점을 들고 있음

• 실제 세계에서는 많은 데이터가 갖추어져 있는 것이 아니며, 특히 언어 분석과 자율운전 기술에서 이 문제는 더욱 뚜렷이 나타난다고 마커스는 지적함

• 대안적 방법으로 마커스는 심리학, 언어학, 생물학적 관점에서 인간의 인텔리전스에 다가가려 하고 있는데, 마커스 뉴욕대학 교수의 전문 분야가 바로 심리학임

• 우버가 자율운전 알고리즘을 마커스 소장의 하이브리드 AI 기반으로 구성하게 되면, 이미지 인식 쪽은 딥러닝을 사용하여 적은 데이터로 알고리즘을 교육하게 되고, 운전 기술 습득 쪽은 규칙 기반의 학습 모델을 사용하게 됨

• 운전 기술 습득을 위해서는 일반적인 운전 규칙뿐만 아니라 각 지역에 고유한 운전 규칙을 학습할 필요가 있는데, 지역별로 다른 운전 매너의 차이점은 규칙 기반의 학습 모델을 통해 흡수, 수용하게 됨

◈ 우버가 새로운 기술 방식의 AI랩을 설립하게 된 것은, 현재 우버의 자율운전 기술 수준에 대해 우려와 불안의 눈초리가 존재한다는 사실과 무관하지 않아 보임

• 우버는 지난 2015년 2월 자율운전 차량 개발 거점으로 ‘Uber Advanced Technologies Center(우버 선진기술 센터)’를 피츠버그에 설립한 바 있으며, 여기에서 카네기멜론 대학과 공동으로 자율운전 기술 및 지도 제작 기술을 개발하고 있음

• 우버는 작년 9월부터 피츠버그에서 'Self-Driving Uber(셀프 드라이빙 우버)'라는 자율운전 브랜드의 차량을 시험 영업, 즉 실제 손님을 태우는 시험 주행을 전개하고 있음

• 셀프 드라이빙 우버는 볼보(Volvo) XC90 모델 차량에 자율운전 기술을 탑재한 것으로, 누구나 우버 앱을 통해 이용할 수 있는데, 만약 배차된 차량이 자율운전 차량이라면 시험 영업의 취지를 앱으로 통보하여 이용자가 선택할 수 있도록 하고 있음

• 차량 내에 구비된 태블릿이 자동차와 커뮤니케이션 하는 인터페이스가 되는데, 승객이 안전 벨트를 장착하고 태블릿에서 시작 버튼을 누르면 주행이 시작되며, 주행 중에는 차량에 탑재된 각종 센서로 파악한 차량 주변의 이미지를 포함해 운행 상황에 대한 정보가 태블릿에 표시됨

• 무인 주행시 승객을 안심하게 만드는 기능들을 탑재하고 있는데, 태블릿으로 셀카를 찍은 다음 이를 가족, 친구와 공유할 수 있도록 하고 있음

• 셀프 드라이빙 우버는 자동으로 주행하지만 운전자가 탑승해 시스템이 대응할 수 없을 때 운전을 대신하는데, 피츠버그의 시험 영업에서는 자동차가 운전자의 도움 없이 주행할 수 있는 거리가 한정되어 있어 자주 운전자가 개입했다는 평가가 나왔음

• 또한 자율주행 모드에서는 다른 차량에 너무 가까이 붙어 주행하는 등 불안정한 작동들이 있었다고 보고되고 있음

◈ 작년 12월에는 피츠버그에 이어 샌프란시스코에서 셀프 드라이빙 우버의 시험 영업을 시작했는데, 법률 공방에 가려졌지만 여기서도 자율운전 차량의 안전성이 도마에 올랐음

• 셀프 드라이빙 우버가 적색 신호에서 횡단보도를 무단으로 지나간 것이 옆 차선 운전자의 블랙박스에 의해 촬영되었고, 이것이 뉴스에 크게 보도된 것

• 우버는 신호 위반 당시 운전자가 운전을 하고 있었고, 따라서 시스템 오류가 아니라 사람의 잘못이라고 해명했으나 사실을 뒷받침할 만한 근거자료는 제출되지 않았음

[동영상] 적색 신호를 위반하고 횡단보도를 가로 지르는 우버 자율주행 택시

• 한편 자전거 차선이 있는 도로에서 셀프 드라이빙 우버가 불법으로 우회전 하는 문제도 지적되고 있음

• 규정에 의하면 차량 주행 차선에 있다가 점선 구간에서 자전거 레인에 들어선 후 오른쪽 차선에서 우회전해야 하며, 주행 차선에서 곧장 우회전 할 수는 없는 것인데, 우버 차량이 이 의무를 무시하고 있다는 것

• 우버는 이 문제를 인정하고 이미 소프트웨어 버그를 수정했다고 하는데, 구글의 자율주행 차량 ‘웨이모(Waymo)’는 이미 규칙으로 구현하고 있는 기능임

• 이런 문제와 함께 우버와 캘리포니아 정부의 규정 준수 논란이 겹치며, 소비자들은 안전성에 의구심을 갖게 되었고, 전문가들 역시 셀프 드라이빙 우버의 기술 완성도가 낮다고 지적하며 시험 운영은 시기상조라는 우려의 목소리를 표명하고 있음

◈ 우버와 캘리포니아 정부 사이의 법적 논란에 대해서도 우버 측 주장에 모순이 있다는 지적이 많은데, 한마디로 기술적 완성도에 비해 마케팅을 너무 앞세운다는 비판임

• 캘리포니아에서 자율운전 차량을 시험 주행하려면 자동차 운행을 관할하는 ‘Department of Motor Vehicles(DMV, 차량관리국)’으로부터 허가를 받을 의무가 있는데, 우버는 이러한 인가 절차를 밟지 않고 시험 영업을 시작하였음

• 캘리포니아 주정부는 이를 인정하지 않고 시험 차량이 운행정지 명령을 내리는 동시에 등록하지 않으면 시험 주행 차량의 등록을 말소하겠다는 강경 대응을 하였음

• 우버는 자율운전 차량의 시험 승인을 받을 필요가 없다는 견해를 표명했는데, 그 이유는 셀프 드라이빙 우버가 자율운전 차량의 정의에 해당하지 않는다고 보고 있기 때문

• DMV는 자율운전 차량을 '운전자의 제어 없이 운행하는 차량'으로 정의하고 있는데, 셀프 드라이빙 우버는 운전자가 제어하면서 운행하는 차량이기 때문에 이러한 정의에 맞지 않는다는 것이 우버의 주장임

• 즉, 셀프 드라이빙 우버는 고급 운전 지원 기술로 테슬라의 ‘오토파일럿(Autopilot)’과 같은 방식으로 운행을 제어하고 있기 때문에, 테슬라의 오토파일럿 모드 주행에 별도 승인이 필요하지 않은 것처럼 자신들도 허가 받을 필요가 없는 것으로 해석해야 한다는 것

• 우버는 법의 구멍 빠져 나가려 하는 것이 아니라 자율운전 차량 관련 법규를 명확히 하려는 것이라며, 우선 자율주행 차량의 법적 정의부터 명확히 할 것을 요구하고 있음

• 우버의 주장에 대해 캘리포니아 정부는 고급 운전 지원 기술이라면 자율주행 차량임을 강조하지 말 것을 요구했는데, 우버가 거론한 테슬라의 경우 오토파일럿 기능은 어디까지나 시험적인 기능이며 자율주행 차량이 아니라는 점을 표시하고 있음

• 우버가 법규 준수와 관련해서는 스스로 기술적 완성도가 높지 않음을 내세우면서 소비자들에게는 자율주행을 강조하는 것은 모순된다는 것이며, 특히 생명의 안전과 관련된 자동차라는 점에서 엄격한 법 적용을 할 수밖에 없다는 것이 캘리포니아 정부의 입장

• 우버와 DMV는 자율운전 차량의 시험 인증에 대해 후속 협의를 했으나 인증의 필요성에 대한 입장 차이는 좁혀지지 않았고, 이에 따라 DMV는 우버의 시험 차량 16대의 등록을 말소했고 우버는 이튿날 우버의 시험에 호의적인 애리조나로 차량을 이동시켰음

<자료> record

[그림 5] 캘리포니아에서 애리조나로 이동하는 우버 무인 택시

◈ 이런 상황을 감안하면 신설된 우버 AI 랩의 임무는 자율운전 기술을 비약적으로 발전시켜 안전성 논란을 없애고, 궁극적으로 완전한 무인 주행에 도달하는 것이라 할 수 있음

• 캘리포니아 정부와 마찰이 있었지만, 우버가 샌프란시스코에 설립한 AI 랩의 위치도 옮길 것으로 보이지는 않음

• 샌프란시스코는 우버가 맨 처음 사업을 시작한 곳이라는 상징성이 있으며, 도로 환경 면에서도 자전거가 많고 도로는 좁으며 교통량이 많은 곳이므로, 자율주행 차량의 기술 개선을 위해서는 어찌 보면 반드시 테스트를 수행해야 할 조건을 갖추고 있기 때문

• 규정을 굳이 따르지 않은 것도 장차 당국과의 협상을 유리하게 진행하려는 의도가 있다는 분석인데, 우버는 기존 법규나 기존 사업과 충돌을 낳는 사업을 하고 있기 때문에 법령을 자신들에 유리하게 개정하기 위해 규제 당국과 정면 대결을 협상 전략으로 택했다는 것

• 비록 캘리포니아 정부가 주민의 안전을 최우선으로 고려해 엄격히 규정 적용을 했지만, 하이테크 기업이 이에 반발해 떨어져 나갈 수 있다는 것을 보여줌으로써, 장차 안전을 우선으로 할 지 아니면 혁신 기업 육성을 선택할 것인지 압박을 가하게 되었다는 분석

◈ 우버는 AI 랩의 연구 성과를 자율주행 차량에 한정하지 않고 항공, 로보틱스로 확장한다는 계획이며, 이에 따라 우버의 정체성은 2017년을 계기로 향후 크게 탈바꿈할 것으로 예상

• 우버 AI 랩이 샌프란시스코를 떠나지 못할 또 다른 이유는 우버가 AI 랩의 연구 성과를 자율운전 기술뿐 아니라 비행기와 로봇 등에도 적용할 계획이라는 데서 찾을 수 있음

• 우버는 작년 10월 주문형 항공 운송 서비스 'Uber Elevate(우버 엘리베이트)'를 발표하였는데, 파일럿이 존재하지 않는 항공기로서 항공 분야의 셀프 드라이빙 우버로 부를 수 있음

• 우버 엘리베이트는 샌프란시스코와 산호세 사이 70 킬로미터 구간을 15분에 연결한다는 계획인데, 운임은 129 달러로 우버의 고급 세단 차량 서비스인 ‘우버 X’와 유사한 수준이 될 것이라 밝히고 있음

• 우버는 아직 로봇에 대해서는 구체적 제품 계획을 발표하고 있지 않지만, 다른 기업들과 마찬가지로 연구 진척에 따라 조만간 선보이게 될 것이라는데 이견이 없음

• 우버는 2017년을 계기로 운송 비즈니스 기업에서 AI·로보틱스 비즈니스 기업으로 변신을 꾀할 것으로 보이며, 하이브리드 AI를 내세운 우버 AI 랩의 연구성과에 따라 변화의 속도가 정해질 것으로 보임

※ 다음 글은 정보통신기술진흥센터(IITP)가 발간하는 주간기술동향 1757호(2016. 8. 3 발행)에 기고한 원고입니다.  ▶ IITP에서 PDF 포맷으로 퍼블리싱한 파일을 첨부합니다. 가독성이 좋으니 참고하시기 바랍니다. 자율주행차의 킬러 앱은 무인택시, 자동차 산업의 격변 시작.pdf [ 요 약 ] 차량 공유와 택시 호출 서비스 등을 제공하는 ‘배차 서비스’ 업체들이 일제히 자율운전 자동차 개발에 나섰으며, 향후 무인 택시를 핵심 비즈니스로 자리매김 한다는 목표 하에 인수합병 및 업무 제휴도 적극 추진하고 있음. 이렇게 되면 소비자들은 자동차를 구입 대신 무인 택시를 호출해 이동하게 될 것이며, 자동차 산업은 차를 판매하는 시대에서 ‘이동(ride)’을 판매하는 시대로 전환해야 하기 때문에 인터넷과 소프트웨어에 의한 대격변의 시대를 맞이하게 될 임 [ 본 문 ]

◈ 배차 서비스는 공유 경제라는 화두를 사회에 던졌지만, 그 실상을 보면 독점을 위한 경쟁이 매우 격렬한 시장이며, 대규모 자금력의 싸움이 벌어지는 곳임을 알 수 있음

• 많은 수의 배차 서비스들은 이용 요금을 낮춰가며 고객을 유치하고 있으며, 따라서 사업은 적자를 보게 되고 이를 벤처 캐피털의 투자로 보충하는 구조로 되어 있음

• 시장점유율을 확보를 위해 기업들은 적자를 각오하고 사업을 전개하는 것이며, ‘우버(Uber)’만 보더라도 북미와 유럽 등 선진국에서 사업은 흑자이지만, 신흥국 시장에서는 막대한 적자를 안고 있음

• 현재 우버의 시장 개척 목표는 중국과 인도 등 신흥국으로 이동하고 있으며, 특히 중국에서는 시장점유율 획득을 위해 대규모 자금을 투입하여 압도적 점유율로 업계 1위를 구가하고 있는 ‘디디추싱(Didi Chuxing)’에 싸움을 걸고 있음

• 우버가 비록 수 년 안에 흑자로 전환할 수 있다는 자체 전망을 내놓고 있기는 하지만, 현재는 중국 시장에서 연간 10억 달러의 적자를 내고 있으며, 이 때문에 우버 투자자들은 디디추싱과 휴전할 것을 요청하고 있음 

(원고 기고 이후 8월 1일, 우버 차이나가 디디추싱에 합병된다는 발표가 있었음. 우버 본사는 합병 기업의 지분 5.9%를 보유하게 될 예정이며, 이 때문에 우버가 중국에서 철수한 것이 아니라, 중국 정부의 콜택시 산업 규제가 강화될 조짐을 보이자 사업 지속 전략의 일환으로 합병을 택했다는 분석도 나오고 있음)

• 차량 공유 서비스의 선두주자였던 ‘리프트(Lyft)’도 사업을 전개하며 대규모 적자를 내고 있는데, 벤처 캐피털들은 적자 보전을 위한 추가 출자를 꺼려하고 있다고 함

• 이 때문에 리프트가 투자 은행을 통해 자신들을 인수할 기업을 찾고 있다고 하며, 이미 자동차 제조업체 등에 리프트에 대한 인수 타진이 이루어졌다는 루머도 돌고 있음

• 최근 GM(General Motors 은 리프트와 공동사업을 발표하며 리프트의 지분도 확보한다고 밝혔는데, 이를 두고 실제로는 GM이 리프트를 인수하는 게 아니냐는 관측도 나오고 있음

• 리프트가 인수자를 찾고 있는지, 투자자를 찾고 있는지는 아직 명확하지 않지만, 확실한 것은 배차 서비스를 지속하려면 상당 기간 동안 대규모 자금이 필요하다는 것

◈ 서비스 업체간 적자를 감수한 경쟁이 벌어지는 이유는, 배차 서비스의 가장 큰 차별화 요소인 최단시간 배차를 위해 최대한 많은 차량과 드라이버를 회원으로 확보해야 하기 때문

• 최소 대기 시간에 차를 배차하는 것이 곧 서비스 품질의 기본이 되는데, 가령 우버의 경우 현재 배차 시간은 수 분 정도이며, 향후에는 30초 이내에 하겠다는 계획을 밝히고 있음

• 우버가 이런 계획을 실현하기 위해서는 이용자 규모에 대응 가능한 자동차의 배치가 필요하며, 특정 지역에 충분한 대수를 확보하는 것이 관건이 됨

• 이상적으로는 특정 도시에서 독점적으로 또는 독점에 가까운 형태로 서비스를 제공할 필요가 있게 되는데, 이런 점 때문에 배차 서비스 시장은 본질적으로 많은 기업이 공존할 수 없다는 특성을 갖게 됨

• 이런 특성은 시장점유율 확보가 무엇보다 중요한 이동통신 서비스 사업과 유사하며, 따라서 배차 서비스들은 적자를 각오하고 점유율 획득에 전력을 다하고 있는 것임

◈ 이런 맥락에서 배차 서비스 기업들은 앞으로 무인 택시가 사업의 중심이 될 수밖에 없다고 보고 있는데, 드라이버의 수를 줄임으로써 운영 비용을 크게 경감할 수 있기 때문

• 배차 서비스는 국가에 따라 기존 택시 업계와 심각한 이해관계 갈등을 겪고 있기 때문에 드라이버의 확보가 어려운 경우도 있음

• 또한 배차 서비스 업계간 경쟁이 벌어지는 만큼 드라이버 확보를 위한 경쟁도 치열해지기 때문에, 드라이버의 확보와 이탈 방지가 핵심 관리 요소가 됨

• 드라이버의 확보와 관리가 어렵고 사업에 있어 큰 비용 발생요인이 된다면, 인간 드라이버가 없는 차량을 배치하는 것이 근본적인 해결책 중 하나가 될 수 있음

• 구글의 경우 교통사고 발생 원인의 80%가 사람에 있기 때문에 사고를 없애기 위해 사람이 아닌 인공지능이 운전하는 자율주행 차량을 개발했다고 밝히고 있지만, 배차 서비스 업계는 비즈니스의 비용 절감과 관리 효율성 측면에서 무인 차량의 등장을 반기고 있음

• 실제 우버, 리프트 등 배차 서비스 업체들은 최근 자체적으로 혹은 타 업체와 제휴를 통해 무인 택시 사업의 기반이 되는 자율주행 차량의 개발에 적극적으로 나서고 있음

◈ 세계 최대 배차 서비스 기업인 우버(Uber)는 지난 5월부터 펜실베이니아주 피츠버그시에서 자율운전 차량의 시험 주행을 시작하였음

• 시험에 이용한 차량은 포드 퓨전(Ford Fusion)의 하이브리드 모델로, 차량에 다수의 센서를 탑재하고 있음

• 지붕 위에 얹은 랙의 최상단에는 여러 대의 리다(Lidar, 레이저 광센서)를 탑재하고 있으며, 그 좌우 및 후방에 카메라와 레이더 등을 탑재하고 있고, 또한 앞 범퍼에도 리다를 탑재하는 것으로 알려져 있음

• 자동운전 모드로 주행할 때는 전담 드라이버가 운전석에 앉아 주행 상태를 모니터링하고 긴급사태 발생 시 운전을 대신함

• 우버의 자율운전 기술은 초기 단계로, 기술 개발 경쟁에서 선두그룹을 쫓기 위해 박차를 가하고 있으며, 도로 테스트의 목적은 안전성을 확인하려는 것으로 보행자, 자전거, 자동차 등이 뒤섞인 조건에서 안전하게 주행할 수 있음의 입증에 주력하고 있음

◈ 우버는 시험 주행에 앞서 작년 2월에 카네기 멜론 대학과 자율운전 기술 및 지도제작 기술을 공동으로 개발한다고 발표한 바 있음

• 우버는 연구개발센터인 ‘우버 ATC(Uber Advanced Technologies Center)’를 설립하고 여기에서 카네기 멜론 대학의 연구팀과 공동 연구를 진행하고 있는데, 연구 대상 분야는 소프트웨어, 기계, 로봇, 기계 학습 등임

• 5월부터 주행을 시작한 우버의 시험 차량은 자율운전 기능 외에 상세한 지도를 작성하는 기능도 실행하고 있음

• 카네기 멜론 대학은 스탠퍼드 대학과 더불어 미국 자율운전 기술의 초석을 쌓고 있는 곳으로, 우버는 이 대학과 파트너십을 맺음으로써 관련 기술 개발이 단숨에 진행될 수 있을 것으로 기대되고 있음

• 한편 우버는 카네기 멜론 대학과 제휴 체결 직후, 대학에서 한꺼번에 40명의 연구원들을 우버로 끌어 왔고, 이런 기술개발 방식 때문에 대한 곱지 않은 시선을 받고 있기도 함

◈ 우버의 뒤를 쫓고 있는 리프트는 자율운전 기술을 독자 개발하는 것이 아니라, GM과 공동 개발하는 길을 선택하였음

• GM은 올해 1월 리프트의 지분 10%를 5억 달러에 인수한다고 발표하며, 리프트와 공동으로 자율운전 차량을 이용한 배차 서비스를 개발할 것이라 밝혔음

• GM은 자율운전 기술을 자체 개발하고 있을 뿐만 아니라 자율운전 기술 벤처인 ‘크루즈 오토메이션(Cruise Automation)’을 인수해 기술력을 흡수했는데, 인수 금액은 공식 발표되지 않았지만 10억 달러인 것으로 알려지고 있음

• 크루즈 오토메이션은 차량의 외부에 부착할 수 있는 자율운전 키트를 판매하고 있었지만, 최근에는 자율운전 기술 전체 단계를 개발하고 있었음

• GM이 크루즈 오토메이션을 인수한 이유는 자율운전 차량의 개발 속도를 앞당기기 위해서이며, 인수에 따라 크루즈 오토메이션의 엔지니어 40명을 GM의 자율운전 개발팀에 합류시켜 기술 개발을 본격적으로 시작하였음

• GM의 행보는 자동차 제조업체가 본격적으로 배차 서비스에 나섰다는 점과, 자율운전 기술로 향후 ‘무인 택시’ 사업을 전개한다는 장기 계획으로 인해 주목을 받고 있음

• GM과 리프트는 쉐보레 볼트 전기차(Bolt EV) 모델 기반의 자율운전 자동차를 개발하고 있는데, 이렇게 개발된 차량을 리프트의 무인 택시로 출고할 예정

• 리프트는 2년 이내에 캘리포니아주에서 5대의 무인 택시를 통해 도로 시험 주행을 시작할 예정인데, 초기에는 전담 드라이버가 탑승해 무인 택시의 운행을 지원하게 되며 무인 택시가 자동으로 주행하다 문제가 발생하면 드라이버가 운전을 교대하게 됨

• 시범 주행 시 무인 택시에 타는 것을 주저하는 소비자도 많을 것으로 예상되므로, 이용자가 앱을 통해 배차되는 차가 무인 택시인지 여부를 알 수 있게 할 계획이며, 만약 무인 택시에 타고 싶지 않으면 배차를 거부할 수 있는 옵션을 둘 것이라고 함

◈ 핫 이슈인 중국 시장도 상황은 비슷한데, 중국 최대 서비스 업체인 디디추싱은 애플과 공동으로 무인 택시 사업을 전개할 가능성이 점쳐지고 있음

• 2012년 설립된 디디추싱은 현재 중국 내 400여 도시를 커버하고 있으며, 등록된 드라이버는 1,400만 명이고 하루 이용 횟수는 1,100만 건으로, 중국 시장을 사실상 독점하고 있음

• 올해 5월에는 애플이 디디추싱에 10억 달러 출자를 발표해 배차 서비스 업계에 일대 파란을 일으켰는데, 투자 배경에 대해서는 다양한 억측이 난무하고 있지만 애플이 결국 자동차 산업에 진출하기로 결정한 것 아니냐는 분석이 주를 이루고 있음

• 애플은 중국에서 아이폰 매출이 크게 감소하면서 새로운 사업을 모색하고 있는데, 그 일환으로 자율운전 전기차의 개발을 시작한 것으로 알려지고 있음

• 애널리스트들은 애플이 자율주행 전기차를 개발하게 되면, 이를 통해 향후 디디추싱과 공동으로 무인 택시 사업을 전개할 가능성이 클 것으로 점치고 있음

◈ 무인 택시 사업에서는 자동차와 승객의 커뮤니케이션이 관건이 될 것으로 보이기 때문에, 업계는 자율운전 기술뿐만 아니라 승객 파악 기술과 대화 기​​술도 개발해 나갈 전망

• 무인 택시는 이용자가 차량에 탑승한 것을 인식할 수 있는 구조가 갖추어야 하고, 또한 차를 타러 온 사람이 앱을 통해 배차를 요구한 본인인지를 확인하는 기능도 필요함

• 또한 승객이 목적지를 어떻게 지정하는지, 차량이 지정된 목적지에 제대로 도착했는지 여부를 어떻게 파악하는지 등 해결 과제가 적지 않음

• 이런 기능을 실현하려면 앱만으로는 불충분하며, 차량 쪽에 센서 등의 장비나 대화 기​​술의 탑재가 필요한데, 배차 서비스 업체가 아니고 제조업인 GM이 무인 차량과 자율운전 기술 개발에 적극 나서고 있는 이유이기도 함

◈ 관련 기술의 완성도가 높아지고 관련 법규정의 정비가 이루어지면, 배차 서비스 기업들은 점차 무인 택시 서비스를 중심으로 비즈니스 모델을 재편해 나갈 전망

• 자율운전 차량은 어디서나 달릴 수 있는 것은 아니고 운행 할 수 있는 범위가 한정될 것으로 보이는데, 가령 2019년에 첫번째 모델을 선보일 구글의 경우, 우선 자동차 친화적인 환경에 차량을 투입하고 순차적으로 주행이 어려운 환경으로 확대해 나간다는 계획

• 도로 유형을 놓고 보면, 자율운전 차량에게 고속도로 및 간선 도로에서 주행은 비교적 용이한 반면 시가지 중심부의 주행이 가장 어려운데, 따라서 초기에는 자율운전 차량이 주행할 수 없는 곳은 드라이버가 보완하는 형태로 사업을 전개할 전망

• 또한 무인 자율주행 차량의 안전성이 검증되더라도, 정서적으로 무인 차량에 거부감이나 부담감을 갖고 있는 고객을 위해서 적정 수의 인간 드라이버 풀은 상시 확보하여 운영할 것으로 예상

• 이런 경우 드라이버가 운전하는 차량이 무인 택시에 비해 요금이 다소 높을 것이며, 배차 서비스 기업들은 자율운전 차량과 기존 차량을 혼합하여 최적의 비용효율성 밸런스로 사업을 전개하게 될 것임

◈ 우버와 디디추싱 등은 배차 서비스의 대규모 전개를 통해 자동차 이용 문화를 바꾸어 내고 있는데, 무인 택시까지 등장하면 자동차 이용 목적과 형태는 근본적으로 바뀔 전망

• 배차 서비스 활성화는 자동차를 구매하는 모델에서 차를 호출하는 모델로 변화를 수반하는데, 실리콘밸리에서 이런 흐름이 시작되면서 청년층 사이에서는 우버를 부르는 것이 멋진 라이프 스타일로 자리 잡았음

• 장년층 사이에서도 우버를 이용해 출퇴근을 하며 자가용을 소유하지 않는 라이프 스타일이 시작되고 있는데, 우버는 이런 수요에 발맞춰 통근용 합승 택시인 ‘우버풀(uberPOOL)’ 서비스를 내놓았으며, 저렴한 요금으로 출퇴근 할 수 있기 때문에 자가용 없는 생활이 점차 현실화 되고 있음

• 여기서 더 나아가 자율주행차 기반 무인 택시가 활성화되어 자가용이 없는 생활이 사회의 주류 트렌드가 되면 자동차 산업이 격변하게 되는데, 소비자가 차를 이용할 때 우버, 리프트, 디디추싱 등 배차 서비스 기업이 인터페이스가 됨

• 즉, 배차 서비스 기업의 브랜드 이미지가 선택의 제일 기준이 되고, 자동차 메이커나 차종은 이차적인 요인이 되는 것임

• 이는 항공기 산업과 비슷한데, 비행기를 탈 때 항공사의 서비스와 가격을 기준으로 이용하는 업체를 선택하지, 비행기 기종을 기준으로 항공편을 선택하는 경우는 많지 않음

◈ 자동차 산업은 배차 서비스를 지나 자율주행차를 계기로 인터넷 혁명 전야를 맞이하고 있으며, 새로운 시대에 살아남기 위한 기업간 제휴와 경쟁이 치열하게 전개될 전망

• 배차 서비스는 IT 산업과 비교하자면 클라우드 서비스와 비슷한데, 이용자가 서버를 구입 대신 인터넷을 이용하는 것처럼 차를 사는 대신 인터넷을 통해 자동차를 호출함

• IT 시장이 클라우드를 향해 가고 있듯이, 자동차 산업은 배차 서비스, 특히 무인 차량 기반 배차 서비스를 킬러 앱으로 보고 밸류 체인의 변화를 모색하고 있음

• 구매에서 호출 모델로 전환이 이루어지면, 자동차 제조업체는 배차 서비스 기업에 차량을 안정적으로 납품할 수 있어야 영업이익을 낼 수 있기 때문에 소비자에게 차량을 직접 판매하는 경우는 줄어들고 B2B가 산업의 중심이 됨

• 바로 이런 변화 때문에 제조업체들이 자동차의 생산에만 머무는 것이 아니라, 배차 서비스 사업으로 치고 나오는 것이며, 리프트와 공동으로 배차 서비스를 시작한 GM 이런 흐름을 상징한다고 볼 수 있음

• 도요타가 우버와, 그리고 폴크스바겐이 이스라엘의 배차 서비스 기업 ‘게트(Gett)’와 공동으로 사업을 시작하는 등 올해 들어 제조업체와 배차 서비스 기업의 제휴가 잇따르고 있는데, 나머지 다른 완성차 업체들도 유사 행보를 보일 것으로 예상됨

• 또한 디디추싱에 투자한 애플의 예에서 보듯, IT 거대기업과 배차 서비스 기업 간의 합종연횡과 플랫폼 진영간 경쟁도 더욱 치열해질 전망

• 중동 지역의 배차 서비스인 ‘카림(Careem)’이 ‘넥스트 퓨처 트랜스포테이션(NEXT Future Transportation)’과 제휴를 맺고 2020년까지 버스 형태로 결합이 가능한 모듈형 무인 택시 운행 계획을 발표하는 등, 무인 택시는 지역적으로도 보편화될 조짐을 띠고 있음