테슬라 VS 구글 웨이모 누가 자율주행의 왕좌를 가져갈 것인가

테슬라 VS 구글 웨이모 누가 자율주행의 왕좌를 가져갈 것인가

우리의 아이들은 앞으로 
운전면허를 따지 않아도 될것입니다. 
아주 오랜후가 아니라 적어도 5년후에는 그렇게 될것입니다. 
지금 테슬라의 로봇택시와 구글의 웨이모가 
무인자동차 즉 자율주행 자동차를 개발하고 있고 

이미 구글의 웨이모는 샌프란시스코 길에서 
너무 흔하게 볼수있는 택시이기도 합니다. 
구글의 웨이모와 테슬라의 로봇택시는 
기술의 방향성에서 극명한 차이가 발생합니다. 

웨이모는 라이더, 레이더, 카메라 등 
다양한 센서를 조합하는 방향으로 접근한 반면
테슬라는 카메라기반의 
비교적 간단한 접근방식을 채택했습니다. 

즉 구글은 하드웨어를 쏟아붓고 
AI소프트웨어의 기술을 점진적으로 확장하는 반면
테슬라는 최소한의 하드웨어인 카메라의 한계를 
AI소프트웨어 기술로 해결하려고 합니다. 

한마디로 구글은 라이다와 같은 하드웨어를 사용하고 
테슬라는 머신러닝에 의존하는 것입니다. 
웨이모는 LA와 샌프란시스코 등에서 
이미 상용화하여 성공적으로 운행을 진행하고 있으나 
웨이모 차량의 비싼가격과 비감독주행에 따른 
모니터링 인건비 등을 생각하면 

현재는 수익화보다는 자율주행자동차의 
선두를 잡기위한 전략으로 보입니다. 
이 방식은 마치 정교하게 
모든 단계를 따라 만드는 
요리법을 따르는 셰프와 비슷합니다. 

반면 테슬라는 카메라를 중심으로 더 창의적이고 
즉흥적으로 대응하는 요리법을 따르는 셰프와 같습니다. 
테슬라는 아직 개발단계에 있지만 
소프트웨어인 FSD버전이 지속적으로 개선되고 있습니다. 

제가 이렇게 기술적인 차이를 비교하는 이유는 
단순한 기술적 우위의 문제가 아니라 
자율주행이 실생활에 어떤 영향을 미칠지를 고려했을때 
하드웨어와 소프트웨어의 효율성 문제가 
매우 중요하다고 생각하기 때문입니다. 

향후 시장에서 구글과 테슬라 중 
어떤 방식이 채택될지는 누구도 정확히 알수 없지만
만약 하나를 선택하라고 한다면
저는 테슬라일 것입니다. 

제가 그렇게 생각하는 이유는 
우선 저는 컴퓨터과학자 연구원 소프트웨어 개발자로서 
테슬라의 방식을 선호하기 때문입니다. 
라이다나 레이더와 같은 센서를 사용하지 않고 
오직 카메라 중심으로 
자율주행자동차를 운영하는 테슬라 비전이 
자율주행의 미래라고 믿습니다. 

제가 컴퓨터학을 배우고 연구하면서 
대부분의 코드는 결정론적 모델을 사용했습니다. 
즉 어떤 조건에 어떤 반응을 해야 한다는것이 
세부적으로 명시되어 있는 소프트웨어였습니다. 
하지만 AI시대에는 시뮬레이션을 기반으로 
확률적으로 접근한 학습기반 소프트웨어가 주를 이루고 있습니다. 

비약하면 웨이모의 라이다. 방식은 결정론적 모델이고 
테슬라는 카메라기반 신경망학습을 사용한 방식입니다. 
이러한 방식의 차이는 단순히 기술적인것이 아니라 
효율성과 비용측면에서도 큰 차이를 만듭니다. 
구글도 결국엔 비싼 하드웨어 비용과 
소프트웨어 확장성의 제한으로 인해 
테슬라 모델을 참고할 가능성이 높다고 생각합니다. 

하드웨어와 센서에 의존하는 방식의 한계를 극복하려면 
구글 또한 테슬라와 비슷한 방식으로 
방향을 전환할수밖에 없을 것입니다. 
제가 머신러닝으로 다양한 코드를 작성하면서 
가장 중요하게 느낀점은 확률적으로 높고 
정확한 결과를 위한 학습 데이터라는 것입니다. 
제가 작성한 인공지능코드도 정확하게 학습을 하기 위해서는 
수십시간의 학습이 필요합니다. 

이러한 관점에서 테슬라는 지금도 전세계에 판매된 
테슬라차량을 통해 학습모델을 제공받고 있습니다. 
아무리 좋은 인공지능 소프트웨어를 
다른 회사에서 만든다고해도 테슬라의 
이러한 학습데이터 축적모델은 하루아침에 만들수 없습니다. 
이것이 바로 자율주행자동차의 모멘텀을 
테슬라가 가지고 갈수밖에 없는 이유이기도 합니다. 

결론적으로 자율주행의 미래는 
아직 정해지지 않았지만 테슬라가 가진 데이터와 
AI접근방식은 그들에게 상당한 우위를 줄것으로 보입니다. 
우리의 아이들이 운전면허를 따지 않고도 
이동의 자유를 누릴수 있는 미래 
그것이 바로 테슬라가 앞당기고 있는 변화라고 생각합니다. 
감사합니다.