AI 학습은 영어 => 수학 => 물리 => 머신러닝 기초 => 통계학 => 데이터 과학 => 머신러닝 중급 => 머신러닝 고급의 순서로 진행하십시오. 이 글은 머신러닝 기초 수준의 글이며, 특허청 공개 특허 출원 ‘서버기반 자율주행 차량'을 참조하였습니다.
자율차량의 진화 단계를 대략 5단계로 나누어 기술합니다. 2017년 현재 상용화 수준의 기술은 2단계까지입니다.
첫 단계는 표식을 따라가는 수동적(passive) 주행입니다. 스마트폰으로 촬영할 때, 피사체의 얼굴에 사각형 마크가 표시되는데, 얼굴 대신에 특정한 표시를 감지하도록 프로그래밍한 스마트폰을 차량에 장착한 뒤, 도로를 따라 표시를 설치해 두면, 스마트폰이 차량을 제어하여 설치된 표시를 따라 주행할 수 있습니다. 공개된 이미지 인식 알고리즘과 프레임워크도 많이 있고, 스마트폰과 차량도 흔하므로, 중고등학교의 컴퓨터랩에서도 간단히 제작할 수 있습니다.
![Screen Shot 2017-02-17 at 11.11.58 AM.jpg]()
수동 주행 방식은 길거리에 오가는 사람이나 찻길에 뛰어든 강아지를 인식하지 못하므로, 상용 가치는 없는 듯이 보이나, 사실은 막대한 효용이 있는데, 곧 설명하겠습니다.
진화의 두 번째 단계는 스스로 주변을 인식하고 의사결정할 수 있는, 흔히 알려진 자율주행 차량들입니다. 대표적으로 스탠포드 대학과 구글의 자율차량이 그러합니다. 테슬라는 첫단계와 둘째 단계의 중간인 1.5 단계쯤 됩니다.
자율차량의 기본 메커니즘을 이해하려면, 아래 강좌를 보세요(1일 8시간, 3~5일 분량).
이미지 인식에 관한 최고의 강좌는 아래입니다. 1편부터 3편까지만 봐도 되므로, 단 2~3시간이면 충분합니다.
TensorFlow Tutorial
굳이 이미지 인식 메커니즘을 속속 알고야 말겠다는 독자는 아래 강좌를 추천합니다. 대략 2주 분량입니다.
진화의 세 번째 단계는 서버 기반 자율차량인데, 자율주행과 관련된 모든 의사 결정이 웹에 위치한 서버에서 이뤄지며, 개별 차량은 서버에 의해 원격 조종됩니다. 대조적 표현으로, 우리가 흔히 접하는 자율주행차량을 단독형(Stand-alone) 자율차량이라 지칭합니다. 서버 자율차량은 중앙에 설치된 서버가 개별 자율차량의 속도와 경로를 결정하고, 운행하지 않는 차량은 컴퓨팅 자원을 소비하지 않으므로, 종래의 단독형에 비해, 차량 제작비용이 훨씬 저렴합니다. 자율차량에는 라이다(레이다와 다릅니다), 초음파 기기, 카메라, GPS 등 다양한 장치가 부착되지만, 대중화를 자정하면, 장치 비용은 컴퓨팅 자원이 가장 많이 차지합니다.
진화의 세번 째 단계의 가장 큰 효용은 바로 첫단계의 수동형 자율주행 방식과 하이브리드 시스템을 구성할 수 있는 점입니다. 가령, 한국의 차량 2,000만 대 중 10%인 200만대만 서버 기반의 자율주행으로 구현하고, 나머지 1,800만대는 수동 방식으로 하여, 수동 차량들이 서버 기반 차량의 뒷꽁무니만 따라가게 교통물류 체계를 구성할 수 있습니다. 물론, 어떤 수동 차량이 언제 어떤 능동 차량을 따라갈지는 서버가 결정합니다. 대략 2018년을 전후하여 상용화 수준의 시스템이 나타날 것으로 추정합니다.
진화의 네 번째 단계는 신호등과 도로, 차량을 하나의 시스템으로 통합한 방식입니다. 도로에 자율차량만 다닌다면, 깜박이도, 핸들도, 심지어, 신호등과 차선도 불필요합니다. 이 때가 AI가 진가를 발휘하는 단계입니다. 이 단계는 이전의 AI 알고리즘인 Convolutional Neural Network와는 상이한 Reinforcement Learning 알고리즘이 적용되는데, 간단히 기술하면 다음과 같습니다.
한국에서 5천 만명 각각이 임의의 시각에 임의의 목적지로 출발합니다. 이 때 이용되는 차량은 서버 기반의 자율차량이라 가정합니다. 시각에 따라 더러는 100만대의 차량이 주행할 수도 있고, 더러는 1,000만대의 차량이 주행할 때도 있을 것입니다. 서버는 5천 만명의 총 이동거리와 이동 시간이 최소가 될 때까지 학습하는데, 대략 1억회 전후를 진행합니다. 밤낮없이 배우고 익히는 거죠. 이 알고리즘의 간단한 예는 AI Pacman입니다.
![imgres.png]()
그 원리는 아래 버클리 CS188 강좌에서 자세히 설명합니다(4주 분량)
2019년을 전후하여 네 번째 단계의 장치가 등장할 것으로 봅니다.
진화의 마지막 단계, 다섯 째 단계는 교통물류 수단뿐 아니라, 그 이용자 또는 화물까지 고려하여, 최적의 물류 플랜을 도출하는 AI 시스템입니다. 달리 표현하면, 누가(또는 무엇이) 언제 어디서 어디로 왜 이동하는 것이 사회 총효용이 최대가 되는 지를 서버가 계산하고, 계산 결과를 집행하는 것입니다. 예를 들어, 중국집에서 모 가정집에 짜장면을 배달할 때, 그 짜장면이 언제 어떤 교통편으로 어떻게 이동하는 것이 국가 전체의 교통물류 비용을 최소화하는 지를 서버가 결정할 수 있습니다. 이 때 개체의 최대 효용은 다소 무시됩니다. 한국을 예로 들면, 모든 움직이는 것의 시각과 경로를 웹에 위치한 하나의 서버가 결정하는 건데, 대개의 AI 커리큘럼에 윤리학과 미학이 포함되는 이유이기도 하고, AI 기술이 사회주의적 성향을 띄는 근본 이유이기도 합니다.
다섯 째 단계 수준의 상용 장치가 등장하는 것은 2020년 경으로 예상하지만, 이미 이론적인 부분은 여러 곳에서 소개하고 있습니다. 예를 들어, (주)링커가 출원 공개한 ‘사회적 자율주행 장치’의 원문(80페이지)을 참조하시기 바랍니다.
http://www.kipris.or.kr
