[현대자동차그룹 ] 자율주행의 미래, 딥러닝의 역할 좋구만

>

운전은 홀러하는 게 아니에요. 많은 운전자가 동시에 도로 위를 함께 달리기 때문에 언제 어디서 어떤 일이 벌어질지 아무도 모르는 일입니다. 자율주행은 이처럼 수많은 변수를 제어해야 한다. 이를 해결하기 위해 IT업계와 자동차업계가 떠오른 것은 바로 딥러닝(Deep Learning)이다. 그렇다면 딥러닝은 정확히 무엇이며 자율주행의 미래에는 어떤 역할을 할 수 있을까요? 현대자동차그룹에서 자율주행 인공지능을 조사하는 박민우 책이 모두 조사원에게 물었습니다. 우리는 왜 딥러닝에 주목해야 할까요?

>

Q. 이미 개념부터 정확하게 짚어야 할 텐데요. 딥러닝은 정확히 어떤걸 의미하나요? 박민우(이하 박) 책임연구원: 한마디로 정의하면 심층신경망(Deep Neural Network)을 학습하는 행위를 내용으로 한다. 여기서 심층 신경망이란 입력층(Inputlayer)과 출력층(Outputlayer) 사이에 다중의 은닉층(Hiddenlayer)을 포함하는 인공 신경망(Artificial Neural Network)을 의미한다. 인공 신경망이 2개 이상의 웅닉츄은을 가진 경우, 신경망이 깊이(Deep)이라고 표현한다. 이처럼 다양한 은닉층을 가진 깊은 신경망을 학습하는 것이 딥러닝입니다.Q 개념이 굉장히 어려운 거죠. 예를 들어주실 수 있나요? 예를 들어 개와 고양이 사진이 있으면 가족이잖아요. 사람은 사진을 보고 개와 고양이를 쉽게 구별할 수 있지만 컴퓨터는 그렇지 않습니다. 이때 컴퓨터가 마치 사람처럼 다른 고양이와 개의 사진을 보고 공부해 개와 고양이를 구별할 수 있게 하는 기술을 머신러닝(기계학습)이라고 한다. 수많은 데이터를 학습하고 사물을 군집하거나 자신과 분류하는 법을 익히는 것이 핵심입니다. 그 중에서도 다량의 데이터로부터 다양한 특징을 스스로 분석하는 인간의 뇌신경망을 모방한 학습법이 딥러닝입니다.

>

Q. 이미 딥러닝은 심층신경망을 학습하는 것이라고 하셨는데 간단하게 풀어주시겠습니까? 박 : 개와 고양이 사진 구분을 또 예로 들죠. 고양이 사진 수만장을 컴퓨터에 입력해 보여요. 수만 장의 고양이 사진을 분석한 컴퓨터는 스스로 고양이의 특징을 배웁니다. 이런 과정을 거치면 컴퓨터가 새로 고양이 사진을 봐도 사람처럼 구별할 수 있게 됩니다. 이게 딥러닝이에요. 이미 얘기한 심층 신경망의 입력층은 고양이 사진 수만 장으로 출력층은 고양이의 특징을 바탕으로 고양이인지 개인인지를 판별하는 결과를 의미합니다. 그리고 그 사이 다중 은닉층은 고양이의 특징을 학습하는 과정, 즉 딥러닝 모델을 의미합니다.Q. 컴퓨터가 스스로 사물을 구별하는 법을 배웁니다. 컴퓨터에 사물을 구분할 수 있게 하는 딥러닝의 학습비결에는 어떤 것이 있을까요? 박:딥 러닝의 학습 방법은 지도 학습(supervised learning)와 비 지도 학습(unsupervised learning)의 2종류로 나누어집니다. 컴퓨터에이미고양이의사진데이터를보여주고이게고양이라는정답데이터를같이가르쳐주고학습시키는방법을지도학습이라고부릅니다. 간단히 말해서, 개발자가 가르치는 것으로 컴퓨터 학습에 관여하는 것입니다. 비지도학습은정답을가르치는과정이없습니다. 컴퓨터 자신이 수많은 고양이 사진 속에서 패턴을 발견하고, 그것이 고양이임을 구별합니다. 쉽게설명을하고글과대답을보여주면지도학습,문장만보여주면비지도학습이라고할수있어요.

>

Q. 딥러닝이 진짜 사람처럼 사물을 정확히 구분할 수 있을까요? 딥러닝의 정확도와 성능을 높이기 위해서는 어떻게 해야 할까요? 박:딥러닝의 정밀도를 위해서는 두 가지 방법이 있습니다. 1번째, 막대한 양의 대규모 데이터가 필요합니다. 데이터량이적으면딥러닝알고리즘의성능을올바르게발현할수없습니다. 사람이수학문제를풀때예제를많이풀면풀수록맞힐확률이높아지는것과마찬가지입니다. 둘째, 고성능 하드웨어가 필요합니다. 딥러닝 알고리즘은 고사양 하드웨어가 좌우됩니다. 훈련 데이터의 양이 많을 뿐 아니라 연산해야 할 변수와 단계가 많아 고속처리가 필요하기 때문이다. 최근 빅데이터와 고성능 하드웨어가 지원되면서 딥러닝 기술 수준이 급격히 향상되고 있습니다. 자율주행의 미래, 딥러닝의 역할은 어떤 것일까요?

>

Q. 디프 러닝을 자동 주행 차에 적용하면 인지, 판단, 제어의 3개 핵심 영역 중 어느 분야에 임금 인상 있습니까. 박: 자율주행 전 분야에 활용될 수 있지만 현재는 인지 분야에서 주로 활용되고 있습니다.드라이버는 운전시에 필요한 정보의 90%를 시각을 통해서 확보하는 것이다. 자율주행의 인지영역에 해당합니다. 딥러닝은 인간의 시각영역인 영상인식 분야에서 높은 성능을 발휘합니다. 딥러닝이 드라이버의 눈을 대체할 수 있을 것으로 기대되며 자율주행으로 딥러닝 적용을 확대하려는 움직임이 활발해지고 있습니다. 실제로 디플러 메기는 얼굴 인식 기술로 97.25%의 정확도를 보이고 인간의 정확도 97.53%로 약의 간 것이 비슷한 수준의 성능을 입증했어요.

>

Q. 그럼 딥러닝은 자율주행 인지 분야에 어떻게 적용될까요? 또 자율주행 성능을 얼마나 향상시킬 수 있을까요? 박: 자율주행차에 장착된 카메라에서 취득한 영상을 분석하여 자동차/보행자/이륜차/신호등 도로상의 물건을 검출하여 인식하거나 도로의 차선이나 노면표시, 자유공간 인식 등에 딥러닝 기술을 주로 사용합니다. 이러한 인식 기능은 기존의 서포트 벡터 머신(기계 학습 패턴 인식, 자료 분석을 위한 지도 학습 모델)이나 에이다입니다.부스트(기계학습 메타알고리즘)와 같은 기계학습 방식으로도 해결할 수 있는 부분이었지만 심층신경망을 적용한 딥러닝 기술을 적용해 그 성능을 비약적으로 높일 수 있게 됐다.

>

Q. 현재는 딥러닝이 자율주행 판단과 제어영역에 전혀 관여하지 않는 겁니까? 박:딥러닝은 한 분야에만 적용할 수 있는 기술이 아닙니다. 그러나 심층신경망이 어떤 결정을 내리고 어떤 동작을 할 것인지 인간이 추론하기 어렵기 때문에 판단이나 제어 분야에 딥러닝을 사용하려면 수많은 검증이 필요할 것이다. 최근에는 딥러닝 기술이 발전하면서 점차 자율주행 판단과 제어 분야에 적용하기 위한 조사도 이루어지고 있습니다. 다만 자율주행차가 지켜야 할 규칙을 준수해야 하기 때문에 인간이 만든 전문가 시스템(인간이 특정 분야에 대해 갖고 있는 전문적인 지식을 정리해 컴퓨터에 기억시키는 시스템)과 번갈아 검증해 사용하는 형태로 조사가 진행되고 있습니다.Q. 구체적으로 딥러닝이 자율주행 판단과 제어 분야에서 어떤 역할을 하는지 궁금할 것이다. 박:앞서 설명한 것처럼 인지 영역은 인간의 오감에 해당할 것이다. 주변 물체를 검출하고 도로 환경을 인식하는 역할을 합니다. 오감으로 인지한 정보는 뇌로 향할 것이다. 자율주행의 판단 영역에 해당합니다. 딥러닝은영상에서패턴을분석하여이상징후를미리감지함으로써주변자동차의움직임을예측할수있습니다. 판단의 영역에 디플러 닌을 적용하게 되면 차량의 센서로부터 얻은 정보만 아니라 기존의 V2X자신 정밀 지도 등을 활용하고 보다 안전하고 정확한 판단을 내릴 수 있게 됩니다. 뇌에서 판단이 이루어지면 팔과 다리 등의 체육 기관을 움직이게 됩니다. 이것이 자율주행의 제어영역입니다. 딥러닝은 반복 학습을 통해 다양한 시도를 할 수 있습니다. 이를 통해 비보호 좌회전이 자회전 교차로 진입 등 인간도 감당하기 어려운 상황에 대처할 수 있습니다. 자율주행을 위해 딥러닝은 어떤 과제를 해결합니까?

>

딥러닝은 에러 수정이 어렵고 높은 컴퓨팅 파워를 요구하는 등 한계도 많은 Q. 기존의 자율주행 개발 방식과 딥러닝 방식의 장단점이 있을 텐데요. 비교를 부탁드립니다. 박:먼저 인식 성능을 보면 기존 방식이 인간의 70~80퍼.센트 레벨이지만, 딥러닝은 인간 수준의 인식이 가능합니다. 다양한 환경을 반영한 대규모 훈련 데이터만 있으면 되는 이야기입니다. 역시 기존의 방식은 예기치 못한 돌발 상황에 대응할 수 없습니다. 하지만 딥러닝은 돌발상황이 발생하면 이전에 학습했던 비슷비슷한 상황으로 미루어 판단할 수 있습니다. 딥러닝의 한계도 분명히 존재합니다. 먼저 기존 방식은 개발자가 설계한 규칙에 따라 오류가 발생했을 경우 수정이 용이하지만 딥러닝은 스스로 판단하기 때문에 원인 규명이 어렵습니다. 역시 기존 방식은 낮은 컴퓨팅 파워로도 구동이 가능하지만 딥러닝은 상용화를 위해 고성능 GPU를 기반으로 한 하드웨어가 필요합니다. Q. 딥러닝을 자율주행차에 적용하려면 어떤 과제를 먼저 해결해야 할까요? 박:3개의 비법이 있습니다. 첫번째, 제어기 성능 향상이다. 방대한 양의 데이터를 활용하기 위해서는, 신속하고 정확하게 처리할 수 있는 하드웨어가 필요합니다. 둘째, 네트워크를 축소하는 것이다. 딥러닝학습연산은대부분소수점입니다. 당연히 컴퓨터가 처리하는 속도가 느리죠. 소수점 연산을 정수연산으로 바꾸는 작업이 필요합니다. 물론, 필요 없는 네트워크를 잘라내는 것도 자신의 비법이다. 셋째, 네트워크를 이원화하는 것이다. 쉽게말하고큰네트워크와작은네트워크를두고많은데이터에서학습된큰네트워크를사용해서작은네트워크를가르치게하는거죠. 이를 Knowledge Distillation(지식추출)이라고 부릅니다.

>

Q. 현대차그룹은 딥러닝을 자율주행차에 적용하기 위해 어떤 연구를 진행하고 있습니까? 박:2015년부터 영상 인식 분야에 디플러 닌을 적용하는 연구를 시작했습니다. 개발 결과는 실제 자동차에 적용되어 테스트되고 있습니다. 최근에는 본격적으로 딥러닝을 적용하기 위해 차량용입니다.베디드 컨트롤러에서 다수의 알고리즘을 동시에 작동시키는 작업을 하는 단계입니다. 올해부터 출시되는 차량에는 인식 분야에 딥러닝 기반의 알고리즘을 더 적극적으로 적용할 생각입니다. 판단이나 제어 분야는 아직 선행 연구 단계입니다. 앞서 언급한 것처럼 의미 없는 오류로 인한 문제를 미연에 방지하기 위해서는 시뮬레이터를 기반으로 한 다양한 연구가 필요한 상황입니다.

>

딥러닝은 자율주행 분야에서 중요한 이정표를 만들고 있습니다. 가장 최근까지 자동차를 고를 때는 디자인, 공간, 성능, 안전, 가격 같은 요소만 생각했지만 앞으로는 자동차가 얼마나 아름답지 않고 똑똑하느냐가 가장 중요한 기준이 될 겁니다. 현대자동차그룹은 가장 똑똑한 자율주행차를 만들기 위해 연구와 개발을 진행하고 있습니다. 사람처럼 학습하고 행동하는 딥러닝이 변해가는 자율주행시대, 현대자동차그룹이 주도합니다.

>