🤖 옌지니어의 IT 기록 🤖

“챗GPT가 스스로 운전한다?” 자율주행과 LLM의 결합 현주소 (링크)

기사 내용 요약

AI가 부상하면서 AI 모델의 크기도 커졌다. 이제는 100억 개의 매개변수를 사용하는 하나의 범용 모델이 다수의 작업을 해결하는 데 있어 탁월한 성능을 보여주면서 5,000만 개 매개변수를 사용하는 특정 작업용 모델을 압도하고 있다. 또한 AI 모델의 멀티 모달(multi-modal)화도 진행 중이다.
자율 주행은 아직 소규모 모델에서 실행된다. . 많은 수의 단일 작업 모델, 특수 센서, 정밀한 지도의 결합을 통해 인상적인 프로토타입이 나왔지만 제로샷 일반화, 운전자의 의도 해석, 정확한 지도 제작, 차량 확장의 문제에 발목이 잡혀 있다.
가장 흥미롭고 영향이 큰 LLM 응용 분야는 운전 작업 자체, 즉 복잡한 시나리오에 대해 추론하고 가장 안전한 경로를 계획하는 것이다. 자율 주행은 레거시 알고리즘과 모델을 훨씬 뛰어넘는, 인간과 유사한 수준의 복잡한 추론이 필요한 엣지 케이스가 있어 까다롭다.
기존 모델은 교차로에서 도로공사 작업자가 있거나 사고 현장 주변을 지날 때 혼란을 겪을 수 있지만 LLM은 상당한 수준으로 능숙하게 적절한 경로와 속도를 추론할 수 있는 능력을 보여줬다. LLM은 이전에 겪은 적이 없는 상황, 즉 '긴 꼬리' 문제를 해결할 수 있는 새로운 방법을 제시한다. 긴 꼬리는 지난 20년 동안 자율 주행이 풀지 못했던 과제다.
지금의 대규모 언어 모델에는 자율 애플리케이션과 관련해 여전히 많은 제한이 있다. 지연과 실시간 제약, 환각, 새로운 긴 꼬리 문제는 여전히 풀어야 할 과제이다.

핵심 용어

• 엣지 케이스 (edge case)
  • 극한 (최대 / 최소) 작동 매개변수에서만 발생하는 문제나 상황
• 롱테일 데이터 (longtail data)
  • 발생 가능성이 낮은 다수의 사건들이 통계 분포의 한쪽에 길게 분포되어 있는 현상
  • 발생 가능이 낮아 대량의 데이터를 필요로 하는 AI 학습 데이터에 포함되어 있지 않아 해당 데이터에 취약

※ Reference ※

https://academic-accelerator.com/encyclopedia/kr/edge-case (엣지케이스의 개념)

https://www.aitimes.com/news/articleView.html?idxno=146039 (AI 모델 훈련 합성 데이터 관련 기사)

https://avds.kotsa.or.kr/open/edge/Open_Edge_List.do?bbs_seq=2090 (자율주행 엣지 케이스 예시)

https://url.kr/5rv7ht (AI 자율주행차를 향한 엣지케이스와 롱테일 그라인드)

자율주행에 AI가 어떻게 적용되고 있고 현재의 상황은 어떤지 앞으로 어떤 과제가 있는지를 알 수 있는 기사였다. 요즘 핫한 LLM과 자율주행이 접목된다면 편리하게 이용할 수 있을 것 같다. 아직은 LLM과 자율주행 각각에서 해결해야 할 문제와 접목했을 경우에 해결해야 할 과제가 남아있기는 하지만 어떻게 발전할지 기대된다. 🚘🤖🚘