Waymo는 화요일, 정전으로 인해 작동하지 않는 신호등에 대한 로보택시의 대처 능력을 향상시키기 위해 소프트웨어 업데이트를 배포한다고 발표했습니다. 이번 업데이트는 지난 주말 샌프란시스코 정전 사태 동안 Waymo의 자율 주행 차량이 작동하지 않는 신호등이 있는 교차로를 탐색하는 데 어려움을 겪었던 문제를 해결합니다.

회사 블로그 게시물에 따르면 Waymo의 자율 주행 시스템은 작동하지 않는 신호등을 일반적인 인간 운전 방식과 마찬가지로 4방향 정지 신호로 처리하도록 프로그래밍되어 있습니다. 그러나 광범위한 정전 동안 많은 차량이 Waymo의 차량 대응팀에 반복적으로 확인 요청을 보내 자신의 행동을 검증했습니다.

Waymo는 "토요일에 광범위한 정전이 발생하면서 이러한 확인 요청이 집중적으로 급증했습니다."라고 밝혔으며, 요청 급증이 온라인에 유포된 비디오 영상에서 관찰된 교통 체증의 원인이 되었다고 설명했습니다. 회사는 확인 요청 시스템이 초기 배포 단계에서 안전 조치로 처음 구현되었다는 점을 강조했습니다.

근본적인 문제는 AI가 수많은 신호등 고장이 동시에 발생하는 비정상적인 상황을 해석하는 데서 오는 불확실성에서 비롯되었습니다. 시스템은 개별적인 고장을 처리하도록 설계되었지만, 샌프란시스코 정전의 규모가 너무 커서 용량을 초과하여 과도한 확인 요청으로 이어졌습니다. 이는 AI 개발의 과제, 즉 예상치 못한 대규모 이벤트에 직면했을 때 견고성과 적응성을 보장하는 것을 강조합니다.

소프트웨어 업데이트는 확인 요청 시스템을 Waymo의 현재 운영 규모에 맞춰 개선하는 것을 목표로 합니다. 여기에는 시스템이 독립적으로 결정을 내릴 수 있어야 하는 시나리오에서 불필요한 확인 요청 빈도를 줄이는 것이 포함됩니다. 업데이트는 개선된 알고리즘과 데이터 분석을 활용하여 로보택시가 오작동하는 신호등이 있는 교차로를 더욱 자신감 있고 효율적으로 탐색할 수 있도록 합니다.

이번 사건은 도시 환경에서 자율 주행 차량의 배치에 대한 더 광범위한 질문을 제기합니다. 자율 주행 기술은 안전성과 효율성 향상을 약속하지만 새로운 취약점과 의존성도 도입합니다. Waymo의 사례는 AI 시스템의 설계 및 테스트 단계에서 엣지 케이스와 예상치 못한 시나리오를 고려하는 것이 중요하다는 것을 보여줍니다.

전문가들은 이번 상황이 AI의 지속적인 학습과 적응의 필요성을 강조한다고 지적합니다. 머신 러닝 모델은 일반적으로 실제 운전 시나리오의 방대한 데이터 세트를 기반으로 훈련됩니다. 그러나 이러한 데이터 세트는 도시 전체의 정전과 같은 드문 이벤트를 적절하게 나타내지 못할 수 있습니다. 따라서 기존 데이터에서 일반화하고 새로운 상황에 적응할 수 있는 AI 시스템을 개발하는 것이 중요합니다.

이번 사건은 또한 자율 주행 차량 운영에서 인간의 감독 역할도 강조합니다. Waymo의 차량 대응팀은 AI가 어려운 상황에 직면했을 때 원격 지원을 제공하는 안전망 역할을 합니다. 자율 주행 기술이 발전함에 따라 자율성과 인간 개입 사이의 균형은 계속해서 중요한 고려 사항이 될 것입니다.

Waymo의 샌프란시스코 정전에 대한 대응은 기술의 과제와 한계를 해결하려는 노력을 보여줍니다. 소프트웨어 업데이트를 구현하고 AI 알고리즘을 개선함으로써 회사는 실제 조건에서 로보택시의 신뢰성과 복원력을 향상시키는 것을 목표로 합니다. 자율 주행 차량의 지속적인 개발 및 배치는 의심할 여지 없이 운송의 미래를 형성할 것이며, 기술 발전과 사회적 영향 모두에 대한 신중한 고려가 필요합니다.