홈&모바일

뉴럴 네트워크로 더 똑똑해지는 인공지능 자동차, 사람을 닮아간다?

발행일시 : 2017-05-06 00:00

인공지능과 함께 결합된 자율 주행차에 대해 관심이 높다. 그러나 주행 중에 생기는 다양한 변수들에 대해 문제점들이 제기되고 있어 이를 해결하기 위한 방법 논의에 대한 필요하다는 논란도 많다.

실제 주행 환경에서 주행 관련 변수의 범위는 무한대에 가까워 인공지능 차량 개발 시 자동차가 스스로 주행하도록 모든 변수들에 관해 일일이 프로그래밍하는 것은 거의 불가능하다. 그러나 인공지능을 활용해 자동차에 주행 방법을 학습시키는 것이 가능해졌고 이 과정에서 자동차가 어떤 요소들에 주목하고 있는지도 확인할 수 있게 됐다.

엔비디아(CEO 젠슨 황)는 엔비디아의 뉴럴 네트워크, 파일럿넷(PilotNet)이 인공지능 차량 내에서 어떻게 주행 의사 결정을 내리는 지에 관한 자료를 발표했다.

엔비디아는 운전자들의 행동을 관찰해 차량 주행을 학습하는 뉴럴 네트워크 기반 시스템 ‘파일럿넷’과 파일럿넷이 운전 중 의사 결정 시에 우선순위를 부여하고 요소를 확인할 수 있는 도구도 개발했다. 이를 활용해 일일이 프로그래밍 할 수 없는 영역을 차량 스스로 학습하도록 하는 시스템을 구축했을 뿐만 아니라, 해당 시스템이 어떻게 의사 결정을 내리는지도 확인할 수 있게 됐다.

사람의 주행 방식을 학습하는 인공지능
엔비디아는 엔비디아 드라이브웍스(DriveWorks) 소프트웨어 개발 및 테스트에 자체 인공지능차량인 BB8을 활용하고 있다. 엔비디아는 현재까지 BB8에 포드 링컨과 아우디의 차량들을 활용한 바 있으며 추후 타사 차량을 사용할 예정으로, 차량 제조사 및 모델 정보는 본 인공지능차량 개발에 주요 요소가 아니다. 바로 딥 뉴럴 네트워크가 딥 러닝을 통해 전방 카메라의 이미지를 해석해 BB8에 주행 명령을 내린다.

엔비디아는 딥 뉴럴 네트워크가 운전자의 운전행동을 학습해 차량이 스스로 주행할 수 있도록 훈련시켰다. 네트워크는 차량에 탑재된 카메라를 활용해 운전자가 주시하는 것을 기록한 후, 해당 이미지를 운전자가 주행 중에 내린 의사 결정 데이터와 연관 짓는 작업을 실시했다. 엔비디아는 다양한 환경에서의 상당한 분량의 주행 과정을 기록했다. 차선 표시가 있는 도로와 없는 도로, 비포장 도로와 고속도로 등 도로 환경을 다양하게 하는 것은 물론, 하루 중에도 시간대를 달리해 각기 다른 조도 상태에서 기록했으며, 날씨 상태도 다양하게 안배했다.

훈련 받은 네트워크는 그 어떤 코드 기반의 명령 없이, 관찰을 통해 BB8의 주행을 위한 학습을 스스로 진행했다. 트레이닝을 거친 네트워크는 새로운 환경에서도 실시간 주행 명령을 내릴 수 있게 됐다.

인공지능의 사고 과정
엔비디아는 파일럿넷이 정확한 의사결정을 내릴 수 있도록 하나의 이미지를 주시할 때 어떤 요소에 중요도를 부여하는지 확인할 수 있는 시각화 맵을 개발했다.

이 시각화 맵을 통해 엔비디아는 파일럿넷이 차량용 카메라에서 새로운 정보를 입력 받을 때 가장 우선순위로 두는 것이 무엇인지를 아래와 같이 파악할 수 있었다. 아래의 예시는 차량의 카메라에 기록된 이미지 위로 시각화 작업이 덧입혀진 것으로, 파일럿넷이 우선순위를 높게 두는 지점은 초록색으로 표시됐다.

엔비디아의 최신 백서에 수록된 인공지능 차량의 판단 과정 내부 시각도 (제공: 엔비디아) <엔비디아의 최신 백서에 수록된 인공지능 차량의 판단 과정 내부 시각도 (제공: 엔비디아)>

이 시각화로 파일럿넷은 차선 표시, 도로 모서리 및 다른 차량 등, 운전자가 집중하는 요소와 동일한 요소들에 집중한다. 이 요소들은 미리 명령된 것이 아니라 파일럿넷이 스스로 결정한 것이다. 파일럿넷이 실제 사람들이 운정을 배우는 것과 같이, 관찰을 통해 주행 중인 환경에서 의사 결정시 어떤 요소들이 중요한지를 학습했기에 가능한 것이다.

뮬러 개발 책임자는 “딥 뉴럴 네트워크의 사용이 주는 장점은 차량이 스스로 상황을 파악한다는 점이지만, 개발자들이 이러한 네트워크가 의사결정을 내리는 방식에 대해 이해하지 못한다면 실질적인 발전을 이뤄내기 어렵다”며, “네트워크의 의사 결정 과정을 확인하기 위해 개발한 본 수단을 통해, 엔비디아는 시스템을 개선하는데 필요한 정보를 파악할 수 있다. 개발자들은 차량이 무엇을 해야 하는지 일일이 설명할 순 없지만 차량이 스스로 학습할 수 있도록 운전자의 운전 행동을 보여줄 수 있으며, 차량은 스스로 무엇을 학습했는지 개발자들에게 보여 줄 수 있게 됐다”고 말했다.

자율주행차량은 다양한 인공지능 뉴럴 네트워크와 다양한 기술들이 차량 운행에 활용될 전망이다. 주행을 제어하는 파일럿넷 외에도, 보행자 감지, 차선 감지, 표지판 인식, 충돌 방지 등 구체적인 과제에 초점을 맞춰 트레이닝을 거친 다양한 네트워크가 차량에 탑재될 것이다. 특정 전문 분야를 담당하는 다양한 인공지능 네트워크를 활용하면, 자율주행차량의 안전성 및 안정성을 높일 수 있다.

이향선기자 hslee@nextdaily.co.kr

© 2017 nextdaily.co.kr 무단전재 및 재배포금지

(주)넥스트데일리 | 등록번호 : 서울 아 01185 | 등록일 : 2010년 03월 26일 | 제호 : 넥스트데일리 | 발행·편집인 : 이선기
서울시 금천구 가산디지털2로 123, 701호ㅣ발행일자 : 2005년 08월 17일 | 대표전화 : 02-6925-6318 | 청소년보호책임자 : 나성률

Copyright © Nextdaily. All Rights Reserved