들어가기
S03 EP09
어느덧 시즌 3의 마지막 에피소드입니다. 시즌을 처음 기획할 때, 가장 어려운 주제를 제일 마지막에 위치시켰습니다. 다른 주제도 다 넓고 어려운 것일 수도 있지만, 인공지능(Artificial Intelligence, AI)이 포함된 내용은 결코 쉽지 않은 주제입니다. 현재 진행형인 기술이고, 아직 기술에 대한 신뢰가 분명하지 않은 부분이 있기 때문입니다. 아직도 AI 기술 활용에 대해서는 다양한 의견이 있습니다.
그럼에도 불구하고 제가 AI 기술을 이번 시즌에서 소개를 하려고 하는 것은 자율주행차에게 AI는 기술 등장에 절대적 필수 조건이기 때문입니다. 자율주행차는 나름 기술 발전의 역사를 가지고 있습니다. 하지만 본격적인 자율주행차의 기술적 성과를 기대하기 시작한 것은 AI 기술이 포함되면서 부터라고 해도 과언은 아닐 것 같습니다. 특히 카메라를 통해 입력된 정보가 사람의 시각을 대신할 수 있다는 기술은 자율주행 기술의 가능성을 크게 하였습니다.
그리고 레이더, 라이다 등의 센서들에 AI 기술이 추가되면서 자동차 주변의 상황 인지 능력이 향상되었습니다. 그리고 그렇게 입력된 많은 데이터를 기반으로 주행 판단을 위한 AI 기술도 분명한 향상을 가져왔습니다. 이렇게 점점 더 똑똑해지는 AI 를 머리로 사용하게 된 자동차는 스스로 판단하고 움직일 수 있는 로봇으로 발전을 했습니다.
로봇의 사전적 정의는 아래와 같습니다.[1]
1. 인간과 비슷한 형태를 가지고 걷기도 하고 말도 하는 기계 장치.
2. 어떤 작업이나 조작을 자동적으로 하는 기계 장치.
3. 남의 지시대로 움직이는 사람을 비유적으로 이르는 말.
자율주행차는 위의 정의에서 2번째에 해당될 것 같습니다. 이번 에피소드에서는 자율주행차에 적용된 AI 기술의 구체적인 구현 방식을 다루지는 않습니다. 자율주행차를 위한 AI 기술이 엄청난 양의 내용과 다양한 방향으로 발전하고 있기 때문입니다. 저는 이번 에피소드에서는 AI 기술과 로봇 기술이 포함된 자율주행차가 가질 수 있는 한계에 대해서 한 번 고민을 해볼까 합니다. 앞선 에피소드들에서 나름 자율주행차 발전 가능성과 현재 상황에 대해서 소개를 했습니다. 하지만 실제 AI 로봇인 자율주행차가 가질 수 있는 한계에 대해 이번 에피소드에서 한번 생각해볼까 합니다. 이번 에피소드에서 언급하는 AI 로봇은 완전 자율주행차를 이야기하는 것입니다. 즉 운전자나 사용자가 없는 자율주행 이동 수단에 대한 것입니다. 현재 자동차에 장착되어 판매되고 있는 ADAS 기술에는 해당되지 않습니다. ADAS 기술은 사람의 간섭을 전제로 사용되는 기술이기 때문에 로봇이라고 하기에는 부족함이 있습니다.
로봇
(Robot)
저는 현재 사용하고 있는 ADAS 기술이 적용된 자동차를 로봇이라고 하는 것을 못 들어봤습니다. 물론 ADAS 기술 구현을 위해 사용하고 있는 다양한 기술에는 AI 기술이 적용되어 자동차의 자동화가 이루어지고 있습니다. 하지만 자동차 운행에 최종 의사 결정권자는 사람입니다. ADAS 기술은 운전자 보조 시스템(Advanced Driver Assistance Systems)이기 때문입니다.
하지만 완전 자율주행차는 사람을 보조하는 것이 아니라 스스로 판단을 하고 제어를 하는 자동차 즉 기계입니다. 이런 이유로 완전 자율주행차를 로봇이라고 할 수 있습니다. 에피소드 4에서 인도에서 운영되는 이동 수단을 표현할 때 ‘인도 배달 로봇’ 이라고 했습니다. 즉 사람의 직접적인 간섭이 없어도 운행을 할 수 있는 이동 수단을 로봇이라고 할 수 있습니다.
아시모프의 로봇 3 원칙
보통 로봇이 언급될 경우에 반드시 등장하는 것이 그 유명한 ‘아시모프의 로봇 3 원칙(Three Laws of Robotics, Asimov’s Laws)’가 있습니다.
1. 로봇은 인간에게 해를 끼쳐서는 안 되며 위험에 처한 인간을 방관해서도 안 된다.
2. 로봇은 인간에 의해 주어진 명령에 반드시 복종해야 한다. 다만, 원칙 1을 위배하는 경우는 예외다.
3. 로봇은 자기 자신을 보호해야 한다. 그러나 앞서 언급한 두 가지 원칙을 위배하는 경우는 예외다.
그리고 이후에 추가된 0 원칙도 있습니다.
0. 로봇은 인류에게 해를 가하거나 또는 해를 입는 상황을 무시하면 안 된다.
우리가 자율주행차를 로봇이라고 부르게 된다면 위에서 표현되는 로봇이 가지고 있어야 하는 원칙을 적용해서 한 번 생각을 해볼 수 있습니다. 그리고 위의 4 원칙을 아래와 같이 바꿔서 생각해볼 수 있을 것 같습니다.
0. 자율주행차는 인류에게 해를 가하거나 또는 해를 입는 상황을 무시하면 안 된다.
1. 자율주행차는 인간에게 해를 끼쳐서는 안 되며 위험에 처한 인간을 방관해서도 안 된다.
2. 자율주행차는 인간에 의해 주어진 명령에 반드시 복종해야 한다. 다만, 원칙 1을 위배하는 경우는 예외다.
3. 자율주행차는 자기 자신을 보호해야 한다. 그러나 앞서 언급한 두 가지 원칙을 위배하는 경우는 예외다.
저는 위의 내용이 그렇게 어색하게는 보이지 않습니다. 그렇게 느끼는 이유는 아마도 자율주행차가 현재 가지고 있는 고민을 그대로 설명해주는 것이 아닐까 합니다. 제가 이전 에피소드에서 자율주행차가 아직도 도로에서 만날 수 없는 이유에 대해서 가장 많이 언급했던 것이 바로 ‘안전’ 입니다. 우리가 완전 자율주행차에게 기대하는 것은 이동에서 보다 더 많은 자유로움을 가질 수 있다는 것이 있습니다. 하지만 이런 기대의 전제에는 자율주행차는 안전하다는 것이 포함되어 있습니다. 수많은 자율주행차에 대한 설문 조사에도 기대보다 안전에 대한 우려가 높다는 것을 보여주고 있습니다.[2] 즉 안전하지 않은 자율주행차는 사람들이 이용할 수 없다는 것을 보여줍니다.
이런 이유로 자율주행차를 개발하는 기업들은 사람이 자동차에서 하는 운전 행위를 AI 로봇에게 맡기기 위해서 긴 시간동안 테스트를 해오고 있습니다. 그리고 꾸준히 계속될 것으로 보입니다. 그리고 기업들은 소프트웨어에만 의지하지 않고 물리적 안전 장치를 추가하는 것으로 잘못된 판단과 제어가 있을 수 있는 상황에 대한 준비도 계속 고민을 하고 있습니다.
현재 개발 중인 자율주행차는 기본적으로 현재 자동차가 가지고 있는 안전 시스템을 모두 가지고 있다고 할 수 있습니다. 운전자의 안전을 위한 보호 장치를 가지고 있다고 할 수 있습니다. 기존의 자동차는 자동차를 타고 있는 사람들의 안전을 중심에서 설계되고 만들어졌다고 할 수 있습니다. 이런 이유로 자동차 외부에 있는 사람에 위한 안전 장치는 그렇게 큰 관심이 받지 못했던 것이 사실입니다. 이런 이유에는 자동차 운전에 대한 책임이 온전히 운전자에게 있었기 때문이 아닐까 합니다. 하지만 완전 자율주행차에게 사람 운전자는 존재하지 않습니다. 이런 상황에서 자율주행차는 탑승자 뿐만 아니라 외부의 사람의 안전까지도 고민을 해야 할 것입니다. 그리고 현재 기업들은 이런 상황을 위해도 준비를 하고 있습니다. 이런 이유로 자율주행차에 적용되는 로봇 4원칙은 의미가 있습니다.
인공 지능
(Artificial Intelligence, AI)
앞서 자율주행 기술 발전에 가장 중요한 역할을 한 것이 바로 AI 라고 했습니다. 그럼 자율주행 기술에서 AI는 어떤 역할을 하고 있을까요? 그리고 그러한 AI 기술이 가지고 있는 도전 과제는 어떤 것이 있을까요? 아래에서 언급하는 내용 하나하나가 깊이 연구가 이루어지고, 진행 중인 내용들입니다. 한 마디로 쉽지 않은 주제입니다. ^^
자율주행 기술 속의 AI
보통 많이 알려진 자율주행의 AI 기술은 아마도 외부 인지 능력과 관련된 것들이 아닐까 합니다. Computer Vision (CV) 기술의 발전은 다양한 분야로 AI 기술의 확장을 가능하게 하였습니다. 그리고 자율주행 기술 발전에도 큰 영향을 미쳤습니다. 하지만 실제 자율주행을 위해서는 일반적으로 인지, 계획, 제어의 과정을 거치게 됩니다. 최근에는 예측 분야에 대한 연구가 중요하게 진행 중에 있습니다. 그리고 각각의 단계에서 관련 AI 기술은 발전을 하고 있습니다.
1. 인지 알고리즘 (Perception)
자율주행 기술은 주변을 볼(See) 수 있는 것에서 시작된다고 할 수 있습니다. 볼 수 없으면 그 다음 단계로 진행을 할 수 없습니다. 이런 이유로 가장 많은 관심을 받고 있는 AI 기술은 인지 분야입니다. 현재 ADAS 기술에도 사용되고 있는 기술이기도 합니다. 이러한 인지를 위한 센서는 대표적으로 카메라, 레이더, 라이다가 있습니다. 초기 기술이 개별 센서에 대한 기술의 발전으로 되었다면, 자율주행 기술이 발전을 하면서 개별 센서들을 서로 묶는 센서 퓨전(Sensor Fusion) 기술로 발전을 했습니다.
그리고 이런 센서 퓨전은 세 가지 센서를 모두 사용하기도 하고, 각각 다른 2개 센서의 조합을 가지고 개발이 되고 있습니다. 이런 센서를 통해 얻어진 정보를 기반으로 주변 개체를 인식, 구분을 하거나 개체의 속도 등을 파악하는 것에 AI 기술이 사용되고 있습니다. 또한 중요한 기술은 도로에 있는 차선을 인식해서 차량이 제대로 차선을 따라서 운행할 수 있는 정보를 제공합니다.
2. 의사 결정 및 경로 계획 알고리즘 (Decision Making, Path Planning)
의사 결정과 경로 계획은 사람의 두뇌 역할을 한다고 생각할 수 있습니다. 인지 부분에서 입력된 정보를 기반으로 차량 주변의 환경의 상황을 판단하고 차량을 제어할 방향을 제시하는 부분입니다. 예측, 계획 부분이 여기에 해당합니다.
경로 계획을 하는 부분은 크게 궤적 경로와 이동 경로로 나눌 수 있습니다. 궤적 경로는 차량 이동에서 순간순간에 발생하는 상황에 대응하는 것입니다. 간단한 예로, 차량이 진행 중인 도로에 무단 횡단을 하는 사람이 나타났을 경우, 순간 차량의 행동을 결정하는 것입니다. 이동 경로에 대한 계획은 차량의 시작과 끝에 대한 정보를 기반으로 최적의 이동 경로를 결정하는 것입니다. 예측의 경우는 도로 주변에 있는 다양한 개체들의 행동을 미리 예측해서 경로 결정에 적용을 하는 것입니다. 과거에 계획 부분에 포함되어 있던 것이 별도의 개발 분야로 분리가 되면서 그 중요성이 높아지고 있습니다.
3. 제어 알고리즘 (Control)
앞선 인지, 예측, 계획의 과정을 통해 입력된 실제 차량을 제어하는데 필요한 부분입니다. 제어 부분에서 AI 기술은 조금 다른 접근이 필요합니다. 자율주행 기술 개발에 큰 방향을 나눌 경우, 전통적인 방식과 End-to-End 방식이 언급됩니다.
전통적인 방식은 앞서 소개한 인지, 예측, 계획의 단계를 통해 얻어진 정보를 기반으로 차량을 제어 방식으로 차량을 움직입니다. 즉 개발 단계가 모두 개별적으로 동작을 합니다. 반면 End-to-End 방식은 인지, 예측, 계획, 제어의 모둔 단계가 한번에 처리가 됩니다. 즉 입력과 출력의 과정을 모두 AI가 한 번에 처리를 하는 것입니다.
자율주행 기술 속 AI의 도전 과제
자율주행차도 AI를 사용하기 때문에 일반적인 AI 기술이 가지고 있는 보편적인 고민들을 가지고 있습니다. 현재 세계 국가들은 AI 기술의 확대가 되면서 법적, 사회적 한계에 대한 기준을 마련하고 있습니다. 그러한 내용을 간단히 정리를 하면 설명이 가능한지, 다양성을 인정하고, 공정한지, 책임을 질 수 있는지에 대한 부분을 포함시키고 있습니다.[4]
이러한 AI에 대한 고민에서 자율주행차도 자유로울 수 없습니다. 특히 자율주행차의 경우는 컴퓨터 속에만 존재하는 AI가 아닙니다. 실제로 도로에서 움직이는 자동차를 움직이게 하는 AI 입니다. 잘못된 인지와 판단을 통해 제어된 자동차는 차량 내부와 외부에 있는 사람들 안전과 바로 이어질 수 있습니다. 이런 이유로 자율주행차의 AI는 지금도 많은 고민과 함께 해결을 위한 다양한 방법을 찾고 있습니다.
1. 실시간 응답과 복잡한 데이터
이제 자동차에 대해서 이야기할 경우에 하드웨어 특성을 이야기하는 것보다 컴퓨터와 같이 소프트웨어에 따라 변경이 가능하다는 것이 많은 것 같습니다. 최근 테슬라는 수차례 규제 기관으로부터 리콜 명령을 받았습니다. 그리고 테슬라는 대부분의 문제점 해결을 OTA 소프트웨어 업데이트 방법을 통해 진행했습니다. 이런 부분은 과거에 직접 정비소를 찾아야 했던 것을 생각하면 획기적인 변화입니다. 이렇게 이제 더 이상 자동차는 하드웨어 접근보다는 소프트웨어를 통한 기능 향상을 기대하게 합니다.
이런 기능적 향상의 기반에는 자동차 내부에 있는 컴퓨팅 시스템이 존재하기 때문입니다. 이런 시스템은 입력과 출력에 따라 계산을 해야 합니다. 이런 과정에서 데이터의 처리는 결국 순차적으로 처리가 되어야 합니다. 즉 시간에 따라 처리가 됩니다. 이런 시간적 제한에 의한 처리 방식은 실시간 데이터 처리라는 고민을 가지게 합니다. 특히 다양한 입력 장치들은 얼마나 빠르게 잘 처리를 할 수 있는지에 대한 시스템 설계에 대한 고민을 하게 합니다. 데이터의 내부 처리 방식을 분산해서 처리할지, 중앙에서 한꺼번에 처리할지에 대한 고민도 하게 합니다.
특히 AI 의 알고리즘은 고도의 처리 속도를 필요로 합니다. 그것을 위해 많은 에너지 소비와 높은 하드웨어 비용을 요구합니다. 이런 이유로 자율주행 기술 개발 기업들은 독자적인 반도체 설계까지도 하고 있습니다.
2. Black Box
AI 기술의 가장 많은 논쟁 중에 하나는 아마도 Black Box 라고 부르는 알고리즘 분석의 어려움이 아닐까 합니다. 전통적인 순차 처리 방식의 컴퓨터 프로그램의 경우는 프로그램 분석을 통해 처리 과정에 대한 문제점을 찾아 낼 수 있습니다. 하지만 AI 기술의 경우 다양한 입력과 숨겨진 레이어를 거쳐서 나오는 출력 결과에 대한 분석이 어렵다는 것입니다.
자율주행차의 경우는 운행 중에 발생한 사고에 대한 분석이 필요합니다. 이런 분석은 오류나 사고에 의한 법적, 기술적 문제 해결을 해야 하기 때문입니다. 이미 많은 국가들은 자동차 자동화에 대한 법적 기반을 마련하면서 데이터 저장 장치에 대한 조건을 필수적으로 요구하고 있습니다. 즉 자율주행차에 의해 일어날 수 있는 다양한 상황을 대비하기 위한 조치입니다. 이러한 고민은 자율주행차만의 것은 아니고 AI 기술이 적용되는 모든 분야에서 진행 중에 있습니다. 그리고 해결을 위한 다양한 연구들도 진행되고 있습니다.
3. 안전을 위한 정확성과 신뢰성
자율주행차가 움직일 수 있는 시작은 결국 다양한 센서에서 입력되는 데이터에 대한 정확한 분석이 필요합니다. 카메라가 감지한 개체에 대한 정확한 분석은 자동차가 의사 결정을 하는데 중요한 역할을 하기 때문입니다. 그리고 엄청난 데이터의 분류를 학습한 AI는 정확한 판단 수준이 높아지고 신뢰성을 확보해 가야 합니다.
하지만 실제 도로에서 운행하는 자동차에 장착된 카메라 렌즈의 이물질로 인해 발생할 수 있는 잘못된 판단은 의사 결정에 엄청난 결과를 만들어 낼 수 있습니다. 이런 이유로 하나의 센서에 의지한 의사 결정에 대한 의문점을 제기하는 사람들도 많이 있습니다. 참고로 2018년 3월에 있었던 우버 자율주행차의 최초 사망 사고의 조사 결과에서 사고 직전에 시스템이 길을 건너고 있던 사람에 대해 제대로 분류를 하지 못했던 것으로 알려졌습니다.[5]
4. 보안 (Security)
컴퓨터 시스템에서 보안이라고 한다면 결국 해킹에 얼마나 잘 대응할 수 있는지에 대한 것입니다. 자율주행차는 이제 컴퓨터라고 이야기를 합니다. 결국 자율주행차도 해킹을 당할 수도 있다는 것입니다. 이런 해킹은 다양한 방법으로 시도될 수 있습니다. 그 중에서 가장 많이 알려진 단순한 해킹 방법은 속도 제한 표시판을 수정하는 것이 있습니다.
이 방법은 복잡한 컴퓨터 해킹 방식이 아니라 카메라의 인지 능력에 혼란을 주는 방식으로 테슬라 Autopilot 의 기능에 오류를 만드는 테스트가 있습니다.[6] 테슬라 Autopilot은 카메라를 이용해서 도로에 있는 신호를 인지해서 ADAS 기술을 구현하고 있습니다. 단순히 검정색 테이프만으로도 Computer Vision 기술을 무력화시킨 것입니다. 뿐만 아니라 도로에서 등장하는 다양한 개체에 대한 분류에서도 차별과 잘못된 인식에 대한 오류는 꾸준히 제기되고 있습니다.
5. 윤리
자율주행차에 대한 논쟁에서 가장 많이 등장하는 것이 바로 자율주행차의 윤리적 행동에 대한 주제가 아닐까 합니다. 중학교에서부터 대학교까지 토론 주제로 종종 다루지고 있는 것 같습니다. 그 중에서 가장 많이 언급되는 것이 바로 ‘트롤리 딜레마’ 입니다. 이런 고민에 대해서는 각자가 처해 있는 입장에 따라 다른 의견을 가질 수 있습니다. 자율주행 기술에 대해 비판적인 사람들에게 AI 로봇의 윤리적 문제는 끝나지 않을 주장이 될 것입니다.
윤리 문제는 살아온 환경에 영향을 많이 받을 수 있기 때문에 일반적 접근 방식에는 무리가 있다는 주장도 있습니다. 하지만 기술 개발의 입장은 분명합니다. 지금보다 나은 기술이 보다 많은 사람들에게 보다 나은 생활을 줄 수 있다는 가능성과 꿈을 가지고 노력하고 있습니다.
트롤리 딜레마에 대해서는
이전에 소개한 글을 참고하시면 좋을 것 같습니다.
자율주행차는 누구를 선택할까?
트롤리 딜레마 자율주행에 대한 윤리적 고민
나오기
저는 개인적으로 자율주행차를 로봇으로 표현하는 것을 좋아합니다. 물론 로봇의 이미지가 사람과 닮고, 날아다니고, 악당과 싸우는 것이라고 생각하시는 분도 계실 수 있습니다. 하지만 현재 우리가 경험할 수 있는 로봇은 아직 그 단계에 있지는 않습니다. 대신 우리의 생활에 조금이라도 변화를 줄 수 있는 모습으로 등장하고 있습니다. 그런 부분에서 자율주행차는 현재 사람이 하는 아주 복잡한 의사 결정 행위를 대신하기 위해 등장한 높은 수준의 로봇입니다.
사람도 처음 운전을 시작하면 ‘초보 운전’이라는 표시를 자동차에 붙이고 도로 위에 나섭니다. 현재 자율주행차들도 그 단계에 있다고 생각합니다. 어쩌면 보다 못한 수준이라고 생각할 수 있습니다. 그런 이유로 아무리 최신 AI 기술이 적용된 로봇이라고 해도 아직 우리는 자율주행차가 함부로 도로에서 돌아다니는 것을 허락하지 않고 있습니다.
그럼에도 불구하고 현재 우리는 자율주행 기술이 단순히 기술적 성과를 보여주기 위한 것이 아니라 우리의 생활에 영향을 줄 수 있다는 가능성에 높은 가치 평가를 하고 있습니다. 그리고 현재 기업들은 그것이 가져다 줄 수 있는 생활의 변화에 대한 여러가지 사업적 기회를 소개하고 있습니다.
자율주행 기술은 단순히 자동차 운전대에서 손을 놓는 것이 아니라 현재 움직이고 있는 모든 이동 수단에 적용이 가능한 기술입니다. 그리고 그 중심에는 사람의 의사 결정을 대신할 수 있는 AI 로봇이 있을 것입니다. 가장 복잡한 환경에서 운영할 수 있는 AI 기술은 보다 단순한 환경에서 적응은 어쩌면 조금은 빠르게 구현할 수 있지 않을까 합니다.
물론 현재 기업들은 조금 더 단순한 환경을 우선 적용하기 위한 움직임도 있기는 합니다. 하지만 분명한 것은 AI 가 운영하는 로봇은 지금 보다 많은 분야에서 사용이 될 것이고, 점점 더 사람들에게 익숙해질 것으로 생각합니다.
인간에게 쉬운 것은 컴퓨터에게 어렵고,
반대로 인간에게 어려운 것은 컴퓨터에게 쉽다.
– 모라벡의 역설 (Moravec’s Paradox) [7]
시즌 나오기
이렇게 ‘자율주행차 그것이 궁금하다.’ 시즌 3를 마무리합니다. 처음 기획 단계에서 자율주행 기술의 현재와 준비에 대해서 소개하기 위한 것이어서 다양한 분야에서 간단한 내용을 전해드리는 것이 목표였습니다. 어쩌면 다소 생소하고 관심이 없는 분야에 대한 이야기가 소개되어서 낯설게 느끼셨던 분도 계셨을 것 같습니다. 저도 어느 정도의 내용을 전달해드려야 할지에 대한 고민을 하면서 전해드렸습니다. 그래도 우리가 나름 쉽게 접할 수 있는 기업의 기술 개발 소식만이 자율주행 기술에 대한 전부라고 생각하지 않고, 다양한 분야에서 다양한 전문가 분들이 각자의 분야에서 노력을 하고 있다는 것으로 전하고 싶은 생각도 있었습니다.
본격적으로 자율주행 기술은 10년이 넘는 시간동안 개발되어 왔고, 아직도 기술 구현 가능성에 대한 의문은 따라다닙니다. 하지만 이미 사회의 많은 영역에서 관심을 넘어서 보다 나은 적용 방법을 찾기 위한 노력들이 진행 중에 있다는 것입니다. 그리고 그러한 노력들은 얼마나 관심을 받고 우선 순위가 높아질 것인지에 대한 고민을 하고 있습니다. 자율주행 기술은 아직 극히 일부 국가에서만 진행 중인 기술이라고 해도 과언은 아닙니다.
그리고 자율주행 기술이 가지고 올 수 있는 높은 부가가치는 크게 의심을 받고 있지는 않습니다. 결국 높고 꾸준한 관심과 투자를 통해 기술적, 사회적 기반이 마련될 수 있을 것입니다. 어쩌면 기술적인 격차는 나름 줄이기 쉬울 수 있습니다. 하지만 사회적 기반에 대한 고민은 한 순간에 형성될 수 없는 어려운 문제이라는 점에서 꾸준한 관심이 필요하지 않을까 합니다.
2020년 현재, 이미 운전자가 없는 자율주행차 (Driverless Autonomous Vehicles)는 도로에서 달리고 있습니다. 어느 날, 옆 차선에 아무도 없이 운행 중인 자동차를 만날 수도 있습니다. 그런 상황에서 너무 놀라지 않을 마음의 준비를 이제는 해야 하지 않을까 합니다. ^^
Over the Vehicle !!!
참고 자료
[1] https://ko.dict.naver.com/#/entry/koko/4bbd3f91f72b43d58f1eaee4140600c8
[2] https://blog.naver.com/soyose1/222281593447
[3] https://www.mdpi.com/2079-9292/10/11/1266/htm
[4] https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai
[5] https://blog.naver.com/soyose1/221714321088
[6] https://electrek.co/2020/02/19/tesla-autopilot-tricked-accelerate-speed-limit-sign/
[7] https://terms.naver.com/entry.naver?cid=43667&docId=3408508&categoryId=43667
OTV
Over the Vehicle
자율주행차 그 이상의 가치
