자율 주행에 근본적인 문제가 있나요?

대중교통 내 광범위한 적용을 위한 자율주행 차량의 실행 가능성은 오랜 기간 동안 면밀한 조사의 대상이 되어 왔습니다(2017년 7월 18일자 웹사이트에 게재된 “인공 지능, 중대한 장애물에 직면하다” 기사에서 확인할 수 있듯이). 그 사이 몇 년 동안 상당한 재정적 투자가 이루어졌음에도 불구하고, 이 기술이 광범위한 차량 통행 범위 내에서 신뢰할 수 있는 작동에 필요한 전제 조건을 충족시키지 못하고 있음은 분명합니다.

지난달 캘리포니아주 차량국(DMV)은 안전성에 대한 우려로 인해 제너럴 모터스의 자율주행 자회사인 크루즈의 운영을 일시적으로 중단했습니다. 이러한 결정은 지난 10월 2일 사람이 운전하던 차량이 보행자와 충돌한 후 보행자가 자율주행 크루즈 차량에 치여 사망하는 안타까운 사건이 발생하면서 촉발되었습니다.

유감스럽게도 자율주행 차량이 보행자와 충돌하여 차량이 급정거하는 사고가 발생했습니다. 그 후 자율주행차가 도로 갓길로 이동을 시도하면서 보행자를 지면을 따라 약 6미터 정도 끌어당겼습니다. 안타깝게도 자동차의 컴퓨터 시스템이 당시 상황에 적절히 대응하지 못했습니다.

기술에 대한 막대한 투자에도 불구하고 자율주행차 연구 개발에 대한 자금이 충분하지 않아서 발생한 문제입니다. 고감도 센서와 정밀 소프트웨어를 장착한 첨단 자율주행차를 개발하는 데 수십억 달러가 투입되어 다양한 도로에서 종합적인 테스트와 운행을 거쳤습니다.

등록해 주셔서 감사합니다!

입력한 이메일 주소에 기존 등록이 연결되어 있습니다. 계정을 활성화할 수 있는 인증 링크는 받은 편지함에서 확인하시기 바랍니다.

한때는 이러한 자동차가 일반 차량의 복잡한 교통 상황을 헤쳐 나갈 수 있는 능력을 가지고 있다고 생각했습니다. 하지만 안타깝게도 제너럴 모터스는 이와 관련하여 좌절을 경험했을 뿐만 아니라 자율주행 트럭 제조업체인 투심플 홀딩스도 재정적 손실을 입고 시장 가치가 수십억 달러 급락했습니다.

간헐적인 장애에도 불구하고 인공 지능 지지자들은 뛰어난 주행 능력을 갖춘 자동차를 생산하여 인간 운전자로 인한 충돌 빈도를 크게 줄이고 궁극적으로 도로에서 수많은 생명을 구할 수 있는 잠재력에 대한 확고한 믿음을 유지하고 있습니다.

이전에 제너럴 모터스(GM)는 2030년까지 자율주행 택시 서비스를 통해 500억 달러의 수익을 창출할 것으로 예상했습니다. 이 예상은 2021년 자금 조달 라운드에서 자회사의 기업 가치 평가에 반영되어 300억 달러로 추정되는 가치를 달성했습니다.

이 특정 애플리케이션이 왜 그렇게 힘든 노력으로 입증되나요?

자율주행차는 기존 자동화 애플리케이션의 특징인 조립 라인 작업이나 표면 코팅 공정과 같이 통제된 환경 내에서 특정 작업을 수행하기 위해 개발된 기존 기계와는 크게 다른 특별한 종류의 로봇 공학입니다.

미리 정해진 워크플로우를 방해하는 예기치 않은 상황이 발생하면 이 로봇은 작동을 멈추거나 제조 시설에 대한 잠재적 피해를 제한하기 위해 미리 정의된 프로토콜을 시작합니다. 이러한 기본 제공 특성과 표준 산업 환경에서 입증된 효과를 고려할 때, 우리는 주저 없이 이러한 기본 설계 절차를 신뢰할 수 있습니다.

자율주행차가 지정된 경로 또는 접근이 제한된 밀폐된 구역과 같이 미리 결정되고 구조화된 환경 내에서 작동하는 상황에서는 이러한 환경의 제한된 특성으로 인해 예측 가능한 시나리오를 기반으로 기능을 프로그래밍할 수 있습니다. 규정된 선로를 따라 이동하는 공항 내 자동 운송 시스템에서 알 수 있듯이, 센서 기술을 통해 장애물의 존재를 감지하여 그에 따라 시스템 작동을 중단할 수 있습니다.

제너럴 모터스 모델과 같이 공공 도로에서 제한 없이 주행하는 자율주행 차량은 사실상 무한한 범위의 상황에서 효과적으로 작동해야 합니다. 기본적으로 인간의 인지 능력을 모방해야 합니다. 지지자들은 이러한 차량이 인간의 운전 기술을 능가한다고 주장하지만, 인간의 고유한 능력은 고유한 특성으로 인해 여전히 필수적입니다.

무료 뉴스레터 구독하기

교통사고는 예측 가능성을 무시하는 다양한 요인으로 인해 본질적으로 변덕스럽게 발생하는 사고입니다. 이러한 상황을 효과적으로 헤쳐 나가기 위해서는 예민한 인지 능력과 온보드 기술로 파악할 수 있는 것 이상의 정보에 접근할 수 있어야 합니다. 여기에는 주로 중앙 시각에 의존하는 센서 시스템에서 간과할 수 있는 상황적 세부 사항도 포함됩니다. 자율 주행 차량을 아무리 철저하게 훈련시켜도 적절하게 대응할 수 있는 능력을 초과하는 교통 시나리오는 항상 무한히 존재합니다.

수많은 주행 거리를 통해 얻은 광범위한 경험과 알고리즘을 개선하기 위한 상당한 재정적 투자에도 불구하고 자율주행 차량은 때때로 학습된 것과 다른 시나리오에 직면하여 최적의 성능을 발휘하지 못하며, 때로는 도로에서 인간 운전자가 보여준 한계를 뛰어넘는 경우도 있습니다.

추가 투자를 통해 현재 로봇의 제약을 뛰어넘을 수 있는지, 자율주행차가 인간 운전자에 비해 우수한 성능을 발휘할 수 있는지에 대한 의문은 여전히 논쟁의 여지가 있습니다. 이러한 기술은 제한된 환경 내에서 뛰어난 성능을 발휘할 가능성이 높습니다. 그러나 다양한 상황에서 인간의 차량 운전을 완전히 대체한다는 개념은 불확실해 보입니다.

헨리 크레셀은 발명가, 기술자, 작가 등 다양한 직함을 가지고 있으며, 오랜 기간 동안 기술 기업에 투자한 경험이 풍부한 사모펀드 투자자이기도 합니다.