메뉴바로가기본문바로가기

동아사이언스

[인간·공감·AI]③ 자율주행·스마트시티, AI에서 길 찾는다

통합검색

[인간·공감·AI]③ 자율주행·스마트시티, AI에서 길 찾는다

2020.05.19 15:00
김종원 지스트 AI대학원 학과장 연구팀은 데이터와 네트워크, 인공지능(AI)를 연구한다. 미래 도시의 각종 센서와 자율주행차에서 끊임없이 생성될 살아있는 데이터가 흘러들어 정제된 형태로 저장되는 데이터 레이크(호수)를 구축하고, 이를 통해 여러 서비스를 가능하게 하는 인프라 플랫폼이 있어야 자율주행차 등 미래 도시의 서비스도 가능해질 것이라고 예측한다. 동아사이언스.
김종원 지스트 AI대학원 학과장 연구팀은 데이터와 네트워크, 인공지능(AI)를 연구한다. 미래 도시의 각종 센서와 자율주행차에서 끊임없이 생성될 '살아있는' 데이터가 흘러들어 정제된 형태로 저장되는 '데이터 레이크(호수)'를 구축하고, 이를 통해 여러 서비스를 가능하게 하는 '인프라 플랫폼'이 있어야 자율주행차 등 미래 도시의 서비스도 가능해질 것이라고 예측한다. 동아사이언스.

#1
2030년 5월 18일 아침 A 씨는 미세먼지 측정 결과와 함께 감염병 확산지수를 확인했다. 2020년 신종 코로나바이러스 감염증(COVID-19·코로나19)이 전세계를 강타한 뒤 도입된 도시 감염병 모니터링 시스템이다. 다행히 위험성이 낮아 오랜만에 회사로 출근해 일하기로 했다. 인공지능(AI)과 결합한 스마트시티 관제소가 A씨가 길을 나서서 회사에 도착하기 직전까지 전개될 교통혼잡까지 계산해 최적의 길과 소요시간을 안내했다. 10년 전에도 내비게이션이 실시간 빠른 길을 안내했지만 미래의 교통상황까지 예측하지 못해 운전을 하다 보면 점점 운행시간이 길어지는 경우가 많았다. 이제는 다르다. 도로 곳곳과 자동차에 설치된 다양한 센서가 교통 상황을 실시간으로 관측하고 이들 빅데이터가 자동차와 자동차, 자동차와 관제소 사이의 통신을 통해 전송되고, 이것이 AI로 분석되면서 정확한 시간 예측이 가능해졌다.


#2
자동차에 탔다. 완전자율주행 기능을 갖춘 덕에 운전대를 잡을 필요가 없었다. 자동차는 주변의 다른 자동차와 수시로 정보를 주고받으며 안전한 간격과 속도를 유지한 채 매끄럽게 회사 건물로 나아갔다. 긴급한 환자를 병원에 수송할 구급차가 등장하자 인근 교차로 신호를 포함해 교통체계까지 일사불란하게 바뀌며 환자를 위해 길을 열어줬다. 그런데도 전체 차량의 속도는 크게 줄어들지 않았다. A씨는 정확히 집에서 예측된 시간에 회사 주차장에 내릴 수 있었다.


●자율주행의 출발점은 ‘AI 비전’ 


꿈 같은 일 같지만, 불과 10년 뒤 실현될 가능성이 높은 기술이다. 이달 7일 국토교통부는 국토교통과학기술진흥원과 공동으로 2050년까지 추진할 50대 미래전략 프로젝트를 선정했다. 특히 이 가운데 20대 기술을 ‘2030년까지 집중해 달성할 20대 유망기술’로 확정해 발표했다. 


이에 따르면 도로나 철도, 지하매설물 등 사회간접자본을 실제 시설과 똑같이 디지털 정보로 복제한 ‘디지털트윈’과, 정보통신기술(ICT)과 결합해 개인화된 서비스를 제공하는 지능형주택, 빅데이터를 실시간 수집, 처리하는 스마트시티 기술이 확산될 것으로 보인다. 모든 구간과 상황에서 운전을 AI가 대신하는 완전자율주행차가 보편화되고 스마트 모빌리티 서비스를 통해 교통수단 사이의 환승이 편리해질 예정이다. 건설로봇과 스마트 물류 기술도 코로나19 이후 도시를 바꾼 기술로 등장할 것으로 기대된다.

 

전문구 지스트 전기전자컴퓨터공학부 교수와  연구원들이 자율주행차 실험실 앞에서 포즈를 취했다. 시간 AI를 연구하는 전 교수팀은 자율주행 연구 외에도 보안, 미세먼지 예측 등 시간AI와 데이터를 이용한 다양한 분야 연구를 하고 있다. 동아사이언스.
전문구 지스트 전기전자컴퓨터공학부 교수와 연구원들이 자율주행차 실험실 앞에서 포즈를 취했다. 시간 AI를 연구하는 전 교수팀은 자율주행 연구 외에도 보안, 미세먼지 예측 등 시간AI와 데이터를 이용한 다양한 분야 연구를 하고 있다. 동아사이언스.

가장 ‘핵심’은 AI의 도입이다. 특히 자동차와 도시 곳곳에 설치된 센서로 도로 교통 상황을 파악해 유연하게 대응해야 하는 자율주행이 AI 덕분에 실현될 것으로 예상된다.

 

자율주행을 위해 가장 중요한 AI 분야는 시각(비전)이다. 현재 자율주행차는 ‘라이다’를 이용해 주변을 관측하는 방법을 널리 쓴다. 라이다는 일정한 시간 간격으로 짧게 끊어 발사하는 레이저(펄스 레이저)를 발사한 뒤 주변에 부딪혀 되돌아온 레이저를 분석해 주변 사물의 위치와 속도를 알아내는 장비다. 자율주행에 필요한 가장 뛰어난 공간 정보를 얻을 수 있지만 장비가 비싸다는 단점이 있다. 인텔 등 일부 기업처럼 카메라만으로 자율주행차를 개발하는 곳도 있지만, 대부분은 라이다와 카메라를 동시에 사용하는 기술을 쓴다.


자동차가 스스로 차선과 장애물, 보행자 등을 인식해 운행하려면 주변 영상을 빠르게 관측해 해석할 수 있어야 한다. 하지만 아직 현실은 완전자율주행과 거리가 있다. 자율주행을 위한 컴퓨터 비전 기술을 연구 중인 전문구 지스트(GIST, 광주과학기술원) 전기전자컴퓨터공학부 교수는 “예를 들어 보행자 인식의 경우, 날씨가 좋은 환경에서는 현재도 AI는 거의 완벽에 가까운 성능을 보여준다”며 “하지만 눈, 비가 오는 날씨나 조명이 바뀐 환경에서는 인식률이 크게 떨어지는 문제가 있다”고 말했다. 자동차가 날씨에 따라 보행자를 인식하는 능력이 떨어진다면 사고 위험성이 높아질 우려가 있다. 이를 보완하기 위해서는 카메라의 성능이 좋아지고, 이를 효과적으로 작동시킬 알고리즘 발전이 동반돼야 한다.


계산 성능도 중요하다. 전 교수는 “비전 인식이 잘 작동하려면 영상 데이터를 수만 장 이용해 학습해야 한다”며 “이를 실제 환경에서 구현하려면 강한 컴퓨팅 파워가 필요하다”고 말했다. 전 교수는 “향후 이 문제를 해결하려면 하드웨어와 소프트웨어를 융합한 뉴로모픽(신경망모방)칩의 개발이 필요할 것”이라고 말했다.


현재 자율주행차는 제한된 환경에서 짧은 시간 동안 사람의 간섭 없이 운행이 가능한 정도(3단계 자율운행)다. 전 교수는 “위급한 상황을 빼고 자율주행이 가능한 단계인 4단계를 거쳐 완전자율로 가려면 많은 고민이 필요하다”며 “기술적인 문제 외에 사고 시 법률적 책임 소재가 불분명한 문제, 사이버해킹, 다른 산업에 미치는 파급효과 등 다양한 고민이 필요하다”고 말했다.

 

전문구 지스트 전기전자컴퓨터공학부 교수팀이 자율주행차의 운행 결과를 살펴보고 있다. 동아사이언스.
전문구 지스트 전기전자컴퓨터공학부 교수팀이 자율주행차의 운행 결과를 살펴보고 있다. 동아사이언스.

●도시 전체가 ‘데이터 호수’ 될 미래…강력한 실시간 데이터 처리 위한 네트워크 필수


김종원 지스트 AI대학원 학과장(슈퍼컴퓨팅센터장)은 다른 관점에서 자율주행을 바라본다. 도로 현장의 자동차와 신호등, 센서는 자율주행이라는 서비스 또는 기능의 가장 마지막 부분을 담당한다. 그렇다면 이들을 조화롭게 조절할 보이지 않는 ‘오케스트라 지휘자’ 역할을 할 인프라도 어딘가 존재해야 한다. 이 역할을 하는 게 네트워크에 기반한 지능형 시스템이다.


김 교수는 “자율주행에서 자동차와 스마트 가로등, 스마트 신호기 등이 서로 신호를 주고받으며 협력하는데 이들 사이에는 전체를 통제하는 ‘대장’이 없다”며 “이들이 안전하게 운행되도록 통제 하는 ‘인프라 플랫폼’이 필요하다”고 말했다. 


김 교수는 “자율주행차가 센서를 이용해 혼자 아무리 많은 정보를 얻더라도 보지 못하는 게 있다”며 “인프라 플랫폼은 이런 자동차와 각종 센서들의 안전성을 높이면서 서비스를 연결해 준다. 하나하나의 서비스를 뒤에서 받쳐줘 서비스를 가능케 하는, 말 그대로 ‘인프라’ 역할을 한다”고 말했다.


관건은 데이터다. 자율주행과 모빌리티 분야에서는 데이터가 끊임없이 생성되고 서로 전송되며 ‘흐른다’는 것이다. 김 교수는 “이런 ‘살아있는’ 데이터가 흘러 모이면 일종의 데이터 저장소인 데이터 레이크(호수)가 형성된다”며 “이들이 다시 서로 연결된 커다란 데이터 호수가 필요하다”고 강조했다.

김종원 지스트 AI대학원 학과장의 주 관심사 중 하나는 네트워크다. AI나 데이터 등 최근 유행하는 단어가 실제로 서비스로 실현되려면, 이들을 물 흐르듯 자연스럽게 흘러가게 하고 저장하게 할 안정적이고 효율적인 네트워크 인프라가 필수다. 최근에는 AI, 데이터, 네트워크가 한 데 결합해야 한다는 인식도 널리 퍼져 있다. 김 교수는 AI 클라우드 데이터센터 구축을 통해 이들을 통합하고 AI 서비스 테스트베드로 활용하려는 노력도 기울이고 있다. 동아사이언스.
김종원 지스트 AI대학원 학과장의 주 관심사 중 하나는 네트워크다. AI나 데이터 등 최근 유행하는 단어가 실제로 서비스로 실현되려면, 이들을 물 흐르듯 자연스럽게 흘러가게 하고 저장하게 할 안정적이고 효율적인 네트워크 인프라가 필수다. 최근에는 AI, 데이터, 네트워크가 한 데 결합해야 한다는 인식도 널리 퍼져 있다. 김 교수는 AI 클라우드 데이터센터 구축을 통해 이들을 통합하고 AI 서비스 테스트베드로 활용하려는 노력도 기울이고 있다. 동아사이언스.

이 때 모인 데이터는 단지 쌓이기만 하는 게 아니라, 안전성과 기밀성, 접근가능성 등을 고려해 정제된 뒤 AI로 처리된다. 여러 곳에서 흘러온 다양한 데이터가 모이기 때문에, AI가 한 쪽 분야에 치중되지 않고 다양한 분야의 데이터를 확보할 수 있게 된다. 예를 들어 AI가 다양한 자율주행환경을 학습해 대응하려면 특수한 운전상황 등 다양한 사례 데이터가 필요하지만 실제로 확보하기는 어려운데, 다양한 실증 데이터를 확보함으로써 이 문제를 해결한다는 것이다. 김 교수는 “이 과정을 거치면 진짜 ‘데이터 중심 서비스’도 태어날 수 있다”고 강조했다. 


데이터 호수 개념은 스마트시티를 위해서도 중요하다. 스마트시티를 위한 서비스를 아무리 설계해도 데이터가 계속 생성돼 흐르지 않거나 누적되지 않으면 소용이 없기 때문이다. 이를 위해 대량의 데이터를 모으고 분석 도구까지 함께 갖춘 AI 데이터센터의 필요성이 제기된다.

 

김 교수는 이를 위해 광주시와 지스트가 함께 기획한 AI 중심 산업융합 집적단지 조성사업의 주요 과제 중 하나인 ‘AI 클라우드 데이터센터’ 구축을 주도하고 있다. DVD 100만 장 수준의 저장 용량인 100PB(페타바이트, 1PB는 1000조 바이트)의 저장용량을 갖추고 수천 개의 그래픽처리장치(GPU)를 구비해 AI 연산을 지원하는 시설이다. 김 교수는 “이를 통해 자율주행을 비롯한 자동차 분야와, 헬스케어, 에너지 등 3대 분야의 AI 서비스를 위한 테스트베드로 활용할 것”이라고 말했다.

 

김종원 지스트 AI대학원 학과장 연구실 가족이 한 자리에 모였다. 동아사이언스.
김종원 지스트 AI대학원 학과장 연구실 가족이 한 자리에 모였다. 동아사이언스.

※이 기사는 광주과학기술원과 동아사이언스 공동기획으로 제작됐습니다.

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

14 + 9 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기

    관련 태그 뉴스