"자율주행차 경쟁력 ‘딥러닝 기술’이 가른다"

"딥러닝 기술은 여러 분야로 퍼지고 있는데 특히 자율주행에서 가장 중요한 이정표를 만들고 있습니다. 자율주행차는 완성도를 끌어올리지 않으면 실제로 제품화되기는 어렵기 때문에 자율주행 플랫폼 개발인력 비중을 늘리는 등 포션을 확대하고 있습니다."

엔비디아 오민석 이사는 2017 서울모터쇼에서 진행된 자율주행 자동차 미래 기술 세미나의 ‘Deep Learning을 활용한 NVIDIA 자율주행 플랫폼’을 주제로 한 강연에서 이같이 말했다. 그는 컴퓨터비전 기술로는 구현하기 어려웠던 자율주행 솔루션을 딥러닝에서 찾을 수 있을 것이라고 보고 있다.

엔비디아 오민석 이사가 '자율주행 자동차 미래 기술 세미나'에서 강연자로 나섰다.(사진=지디넷코리아)

딥 러닝(Deep Learning)은 인간의 뇌 신경망을 본따 데이터에 포함된 다양한 변수를 파악하지 못 하는 머신러닝의 한계를 보완한 방법이다. 머신러닝(기계학습)은 빅데이터를 확률적, 통계적으로 분석해 가장 가치 있는 데이터를 찾아내 분류하는 능력을 학습한 기술이다.

이 기술은 2012년 1천개가 넘는 카테고리로 분류된 100만개 이미지에 대해 가장 높은 인식률을 보이는 알고리즘이 선발되는 이미지넷(ImageNet) 대회에서 주목받기 시작했다. 이 대회에서 딥 러닝 기술을 기반으로 이미지 인식률을 10% 이상 높인 알렉스넷(Alexnet)이 등장하면서다.

오만석 이사는 자율주행 기술의 발전 역시 딥 러닝 기술을 통해 획기적으로 개선될 것이라고 보고 있다.

그는 "최근에는 딥 러닝을 이용해 이미지를 오인식하는 확률이 3.99%에 불과하다"며 "하나의 물체를 인식하는 기술과 컴퓨터가 스스로 판단해 액션을 취할 수 있게 하는 게 자율주행 기술의 핵심으로 작용하는 만큼 딥 러닝은 중요하다"고 말했다.

최근 자율주행 플랫폼 솔루션을 선보이며 주목을 받고 있는 엔비디아는 1993년 설립된 글로벌 1위 그래픽카드(GPU) 제조사로 1만명이 넘는 전체 인력 중 40% 이상이 소프트웨어 개발자다. GPU는 딥 러닝 기술에 있어 빠질 수 없는 요소다.

요구되는 연산량이 많아지는 만큼 CPU 성능만으로 구현하기 어려운 컴퓨터 파워를 병렬컴퓨팅에 유리한 GPU가 뒷받침하기 때문이다.

엔비디아의 자율주행 관련 최신 솔루션은 지난해 선보인 GPU 기반 차량용 딥러닝 시스템인 드라이브 PX2(Drive PX)를다. 이 시스템은 슈퍼컴퓨터 수준의 성능과 신경망 네트워크 기반의 딥러닝 기술을 갖춰 자율주행 차량이 주위 환경을 관찰하고 분석하는 데 활용될 수 있다. 이 칩에는 12개 코어를 탑재해 8테라플롭스(Teraflops)의 연산처리 성능과 1초에 24조개 딥러닝 명령 수행이 가능하다.