렉스 프리드먼 “테슬라 AI데이 하이라이트”

[테슬라 AI데이 리뷰 – ‘AI와 슈퍼컴퓨터, 그리고 테슬라봇’]

보면서 약 23.465%  정도만 알아들었지만^^ 저와 같은 AI린이를 위해 여러번 물고뜯고씹고 맛보고 정리해봤습니다.

전문가분들이 잘못된 부분 지적해주시면 더 좋구요!!^^
회사에 내기 전에 검증작업!

1. 개요

지난 8.19.(현지시간) 테슬라는 AI데이를 개최해 인공지능 기술개발 현황과 AI학습을 위한 슈퍼컴퓨터 개발 현황, 휴머노이드 로봇인 테슬라봇 소개

일론 머스크는 지난달 인재유치가 목적인 AI데이 개최를 예고한 바 있으며, 실제 이번 AI데이를 통해 테슬라가 첨단 기술개발의 정점에 있음을 과시

발표의 주요내용은 크게 컴퓨터 비전 성능향상과 주행전략 수립 등 ① 자율주행 AI기술, 방대한 데이터를 학습시키기 위한 ② Dojo 슈퍼컴퓨팅 플랫폼, 그리고 테슬라 자동차에 사용되는 하드웨어와 기술을 그대로 적용하는 휴머노이드 ③ 테슬라봇에 대한 소개로 구성

AI데이를 통해 테슬라는 현재 자율주행, 슈퍼컴퓨팅, 로봇 등 현존하는 가장 어려운 난제들에 대해 기술적 도전을 하고 있음을 보이며 전세계 유능한 인재들이 이에 관심을 갖고 동참하기를 희망하는 메시지 전달

7월, 일론 머스크는 AI데이를 예고하며 행사의 목적이 우수인재 채용(recruitment)에 있음을 피력, 실제 8.19. 행사 이후 지원자가 몰리기도 함

2. 주요내용

① 자율주행 AI기술

(컴퓨터 비전)

과거 8대의 카메라에 입력된 2D 이미지를 개별 처리하던 방식에서 실제 자동차가 주행하는 환경과 동일한 3D 공간인 Vector Space로 통합 투사

테슬라는 다른 자율주행기술 개발기업과 달리 8개의 카메라 조합으로 주행하는 ‘Pure Vision Driving’을 표방한 바 있으며, 이미 미국 사양에서는 레이더도 삭제

8개 개별 카메라에서 입력된 이미지 데이터를 하나의 3D 공간(vector space)으로 통합(fusion)해 위치식별 및 사물식별(localization & object detection)함으로서 차량을 둘러싼 360도의 환경에 대해 더욱 정확한 통합적 분석이 가능해짐

(주행전략)

순환신경망(RNN, Recurrent Neural Network)을 통해 지도 예측력을 한층 높이고, 알파고의 발전형태인 알파제로를 통해서도 알려진 몬테카를로 트리 서치 방식(Monte Carlo tree search, MCTS)을 통해 최적의 경로탐색이 구현가능함을 소개

입력된 데이터를 기반으로 카메라 시야 밖의 상황을 예측하는 지도예측은 자율주행전략 수립을 위한 필수적 요소로 지속적 개선이 이루어지고 있음

규칙입력이나 학습과정 없이 최적의 의사결정을 하는 몬테카를로 트리 서치는 알파고의 후속 플랫폼인 알파제로나 뮤제로와 유사한 방식으로, 빠른 시간 내 최적의 경로를 찾아내는 과정을 소개

(데이터 레이블링)

자율주행학습을 위해서는 막대한 양의 사물 식별표식(레이블링)이 된 이미지 데이터가 필요한데 테슬라는 1천 명으로 구성된 메뉴얼 레이블링 조직을 in-house운영, 인공지능 기반 자동 레이블링도 지속적으로 개선

사람이 기계보다 뛰어난 의미론적 해석을 통한 레이블링이 필수적이며, 레이블링 팀의 내재화를 통해 AI엔지니어와의 직접소통으로 개발이 한층 수월해졌다고 설명

툴 개발을 통해 3D vector space에 직접 레이블을 달게 됨으로써 처리능력이 크게 향상되고 시간개념을 포함한 보다 직관적 레이블링 가능

자동 레이블링은 클립(비디오, GPS, IMU 등 데이터)에 정적 사물(도로, 표지 등)과 동적 사물(자동차, 사람 등)에 대한 위치, 속도, 궤적을 추출 표시

동일한 지역을 지나는 여러 대의 테슬라 차량으로부터 중첩정보를 추출해 정밀지도 구축도 가능

사람이 하면 수개월 걸릴 레이블링을 1만 개의 비디오클립을 단 1주일만에 자동레이블

(시뮬레이션)

현실세계에서 잘 일어나지 않는 edge case를 단기간에 학습시키기 위해 실사에 가까운 이미지를 컴퓨터 시뮬레이션을 통해 재구성

센서 데이터가 현실에 가깝도록 정밀한 재구성이 필요하며, 사람이 고속도로를 달리는 모습, 수백명의 사람이 교차 보행하는 모습, 도심에 야생동물이 출현하는 모습 등 희귀한 상황 재현해 학습

② Dojo 슈퍼컴퓨팅 플랫폼

(D1 Chip)

테슬라는 AI학습을 위한 슈퍼컴퓨터 개발을 위해 가장 기본이 되는 D1칩을 자체 개발중으로, 현존하는 칩 가운데 가장 우수한 수준으로 평가

현재는 자체구축한 1.8엑사플롭스(초당 1.8x1018 명렁어 처리, 3개 클러스터 연결) 슈퍼컴퓨터를 활용 중이나 향후 D1칩에 기반한 Dojo 플랫폼으로 대체 예정

D1칩은 경쟁사인 엔비디아 A100 대비 16% 빠른 연산력, 대역폭은 5배로 초당 데이터 처리량이 5배에 달할 전망

(ExaPOD)

D1칩 25개를 모아 하나의 트레이닝 타일(tile)을 구성, 다시 트레이닝 타일 120개(D1칩 3000개)를 묶어 ExaPOD 슈퍼컴퓨터를 구성

ExaPOD 1대는 1.1 엑사플롭스의 연산속도, 같은 가격에 4배의 성능을 보이는 가격경쟁력과 특히 전력소모율이 1.3배 낮아 세계 최고 수준의 트레이닝 컴퓨터가 될 것으로 전망

칩에서 시스템, 컴퓨팅 클러스터, 소프트웨어까지 Full Stack (全단계 수직통합) 개발과정을 Dojo 컴퓨터 프로젝트로 지칭

③ 테슬라봇

AI데이에서 가장 큰 화제를 모은 주인공은 177센티미터, 57kg가량의 사람 형상을 띤 휴머노이드로봇 테슬라봇이나 현실성에 대한 많은 논란도 야기함

테슬라봇은 시속 8km/h로 이동이 가능하며 20kg 정도의 짐을 나를 수 있는 인간형 로봇으로 실제 사람의 손과 유사한 수준의 손 가동
손과 팔에 각각 12개, 목에 2개, 몸통에 2개, 다리에 12개 액츄에이터를 적용해 사람과 유사한 동작을 모사할 것으로 추정

또한 현재 테슬라 차량에 탑재되는 오토파일럿 카메라와 FSD컴퓨터를 그대로 적용해 테슬라 모빌리티 플랫폼이 로봇사업으로도 그대로 확장될 수 있음을 보여줌

일각에서는 로봇기술 가운데 가장 실현이 어려운 휴머노이드 로봇을 경험이 거의 없는 테슬라가 1년만에 시제품을 출시하겠다는 선언이 믿기 어렵다는 반응

3. 시사점

AI데이를 통해 테슬라는 하드웨어와 소프트웨어, 서비스 전 과정을 수직계열화해 다른 기업과 차별적 경쟁력을 갖춰 나가고 있음을 재차 확인

테슬라는 전기차 사업뿐만 아니라, 아마존이나 구글이 영위하고 있는 빅데이터 및 인공지능서비스, 엔비디아의 강점영역인 AI컴퓨터 개발분야까지 확장이 가능하며 기존 선두주자를 위협할 정도의 기술력을 지니게 되었음

특히 AI분야는 범용성이 높아 자동차의 자율주행분야 외에도 의료, 에너지, 로봇 등 기타 산업분야로의 진출이 가능하며, 장기적으로는 테슬라의 AI플랫폼을 AI학습 목적으로 제3자에게 활용할 수 있도록 제공하는 AI-as-a-Service 사업도 충분히 가능

이번에 소개된 테슬라봇은 컨셉만을 내놓은 모델로 이목을 끌기 위한 단순홍보성 이벤트였다는 의견도 많지만, 자율주행차 개발목적으로 제작된 오토파일럿 카메라와 FSD컴퓨터가 로봇운영에도 거의 동일하게 활용될 수 있다는 점에서 시간이 걸리더라도 어떠한 형태로든 로봇산업이 테슬라 플랫폼의 다음 진출분야가 될 것으로 예상

* 출처: 테슬라 AI데이 (https://www.youtube.com/watch?v=j0z4FweCy4M), 렉스 프리드먼 “테슬라 AI데이 하이라이트” (https://www.youtube.com/watch?v=ABbDB6xri8o)

출처 https://m.facebook.com/story.php?story_fbid=pfbid02vgQjFXEncFmkHpcMiT1ZEvWTvxJ4P3ywcLjhysr6XAo8ghf8CiD3dU6LeYVKwe6Bl&id=569705720&mibextid=Nif5oz