mdls

Waymo와 Cruise: 자율 주행차량의 리더

Waymo

Waymo는 2009년 구글의 자율 주행차 프로젝트로 시작되어 현재 Alphabet Inc.의 자회사로 운영되고 있다. 이 회사는 자율 주행 기술을 개발하고 다양한 환경 및 조건에서 이를 시험함으로써, 기술의 성숙도를 높이는 데 주력하고 있다. Waymo의 차량은 실제 도로 상황에서 다양한 기상 조건과 시간대에 걸쳐 운영될 수 있으며, 이는 기술의 안정성과 신뢰성을 입증하는 중요한 과정이다.

특히, Waymo는 캘리포니아 주 산마테오 카운티와 샌프란시스코 시에서 자율 주행 차량을 운영하고 있다. 이 지역들에서 Waymo는 자동차가 실제 도로에서 다양한 교통 상황과 인프라를 경험하며 데이터를 수집한다. 이 데이터는 Waymo의 자율 주행 시스템을 지속적으로 향상시키는 데 사용된다. Waymo의 기술은 특히 복잡한 도시 환경에서의 주행 능력을 평가하는 데 중점을 두며, 여기에는 보행자, 자전거, 다양한 차량 등 다수의 동적 요소가 포함된다.

또한, Waymo는 이러한 시험 운행을 통해 자율 주행 기술의 안전 프로토콜을 개선하고, 가능한 모든 시나리오에서 차량의 반응을 최적화한다. 이 회사는 자율 주행 기술의 상용화를 위해 필요한 규제 승인과 공공의 신뢰를 구축하는 데도 주력하고 있다. 이러한 노력은 자율 주행 기술이 보편적으로 도입되는 미래에 대비한 준비 과정의 일환이다.

Cruise

Cruise는 General Motors (GM)의 자회사로 2013년에 설립되었으며, 주로 도시 환경에서 자율 주행차를 운영하는 데 집중하고 있다. Cruise는 'Origin'이라는 자체 개발한 전기 자율 주행 차량을 통해 운전석이나 페달 없이 완전 자율 주행을 실현하려는 목표를 갖고 있다.

Cruise는 샌프란시스코와 같은 복잡한 도시 환경에서 자율 주행차의 테스트를 집중적으로 진행하고 있다. 이러한 환경에서의 테스트를 통해 자율 주행차의 안전성과 효율성을 입증하고자 하는 노력을 기울이고 있다.

그러나 Cruise는 최근 몇 년 동안 여러 차례의 운영 중단과 사고를 겪으면서 일부 어려움을 겪었다. 2023년에는 특히 샌프란시스코에서의 운행을 중단하는 큰 결정을 내리기도 했다. 이러한 사고들은 단순히 기술적인 문제뿐만 아니라 회사의 대응 방식에 대한 논란을 일으키기도 했다. 이 사건들은 크루즈의 운영 전략과 안전 프로토콜에 대한 재검토를 요구하며, 자율 주행 기술의 신뢰성과 안전성에 대한 대중의 인식에도 영향을 미쳤다​​.

Waymo와 Cruise의 기술적 차이점 분석

자율 주행차 기술 분야에서 Waymo와 Cruise는 각각의 독특한 접근 방식으로 시장에서 중요한 위치를 차지하고 있다. 두 회사는 모두 첨단 센서와 소프트웨어를 활용하여 주변 환경을 인식하고 안전하게 주행할 수 있는 경로를 계획한다. 그러나 각기 다른 강점과 기술적 초점을 가지고 있다.

Waymo: 데이터 처리와 기계 학습의 강점

Waymo는 Google의 강력한 데이터 처리 능력과 기계 학습 기술을 기반으로 한다. 이를 통해 방대한 양의 데이터를 빠르게 수집하고 분석하여 자율 주행 알고리즘을 지속적으로 개선하고 있다. Waymo는 특히 다양한 기상 조건과 도로 상황에서 테스트를 수행하여, 자율 주행 기술의 신뢰성과 범용성을 높이는 데 중점을 둔다.

Cruise: 자동차 제조와 통합에 중점

반면, Cruise는 General Motors의 자동차 제조 역량을 활용하여 자율 주행 기술을 자사의 차량에 통합하는 전략을 취하고 있다. Cruise는 자체 개발한 전기 자율 주행 차량인 'Origin'을 통해 운전석이나 페달 없이 완전 자율 주행을 목표로 하고 있으며, 주로 복잡한 도시 환경에서의 운행을 테스트한다. 이러한 접근은 차량의 설계부터 생산, 운영에 이르기까지 자율 주행 기술의 완벽한 통합을 목표로 한다.

시장에서의 영향

Waymo와 Cruise는 각각의 기술적 강점을 바탕으로 자율 주행차 시장에서 중요한 역할을 하고 있다. Waymo의 데이터 중심 접근 방식은 다양한 운전 환경에서의 유연성과 적응력을 제공한다. 반면, Cruise의 차량 통합 전략은 자동차 제조 및 운영의 효율성을 극대화하는 데 초점을 맞춘다. 이 두 회사의 경쟁과 협력은 자율 주행 기술의 미래 방향을 형성하는 데 큰 영향을 미칠 것이다.

이러한 기술적 차이점은 각 회사가 자율 주행 기술을 상용화하는 방식에 결정적인 영향을 미치며, 앞으로 자율 주행차 기술이 사회에 통합되는 방식에 중요한 시사점을 제공한다.

Cruise의 뺑소니 사고와 상용화 리스크

2023년 10월, 샌프란시스코에서 발생한 크루즈 자율 주행차의 사고는 큰 사회적 파장을 일으켰다. 이 사고에서 크루즈의 자율 주행차는 한 여성을 치어 심각한 상해를 입히고 약 20피트를 끌고 갔다. 기술적 분석에 따르면, 여러 센서의 실패가 겹쳐 이 여성의 위치를 제대로 탐지하지 못했고, 차량은 여성을 치고도 멈추지 않고 계속 주행했다. 이는 차량의 오류 판단과 위치 식별 실패 때문이었다.

이 사건 이후 크루즈는 캘리포니아 주 도로교통국(DMV)으로부터 일시적으로 운영 중단 명령을 받았다. 크루즈의 로봇택시 운영이 중단된 것은 이 사고가 크루즈의 안전 프로토콜에 심각한 문제가 있음을 드러냈기 때문이다. 이 사고는 전체 자율 주행차 산업에 대한 안전 문제를 재조명하는 계기가 되었다. 크루즈는 이후 소프트웨어를 업데이트하고 내부 검토를 강화했다고 발표했다.

또한, 이 사고의 여파로 크루즈는 경영진의 변화를 겪었으며, 직원의 24%를 해고하는 등 대대적인 구조조정을 단행했다. 이러한 변화는 회사가 안전 문제와 기술적 도전을 극복하고 다시 신뢰를 회복하기 위한 시도의 일환으로, 크루즈는 향후 운영 재개를 목표로 새로운 안전 대책과 기술적 개선을 모색하고 있다.

이러한 사건들은 자율 주행차 기술의 발전과 상용화 과정에서 발생할 수 있는 리스크를 상기시키며, 업계 전체에 대한 규제와 안전 기준의 중요성을 강조한다. 이 사고는 기술적인 한계와 안전 관리의 필요성을 드러내며, 자율 주행차 산업에 중요한 교훈을 제공하고 있다.

 

GPT-5의 개선점과 새로운 기능

---

향상된 자연어 처리 능력

향상된 자연어 처리(Natural Language Processing, NLP) 능력은 언어 모델이 인간의 언어를 이해하고 생성하는 능력이 개선되었다는 것을 의미한다. GPT-5와 같은 고급 언어 모델에서 이러한 능력은 다양한 기술적 진보를 통해 달성된다. 여기에는 더 정밀한 텍스트 이해, 더 정확한 맥락 파악, 그리고 더 자연스러운 언어 생성이 포함된다. 아래는 이러한 향상된 NLP 능력을 구체적으로 가능하게 하는 몇 가지 요소들이다:

1. 더 큰 모델 아키텍처와 매개변수 언어 모델의 크기(즉, 매개변수의 수)가 클수록 더 많은 언어 데이터를 학습하고 더 복잡한 언어 패턴을 이해할 수 있다. GPT-5는 예상되는 바에 따르면 매개변수가 수십 억에서 수백 억 개에 이를 것으로 추정되며, 이는 모델이 더 정교하고 다양한 언어 현상을 모델링할 수 있게 한다.
2. 더 광범위한 학습 데이터셋 향상된 NLP 능력을 위해서는 다양한 소스에서 수집된 방대한 양의 텍스트 데이터에 대한 학습이 필요하다. 이 데이터는 소셜 미디어 게시물, 문학 작품, 학술 자료, 일상 대화 등을 포함할 수 있으며, 모델이 다양한 언어 사용 상황과 문체를 이해하는 데 도움이 된다.
3. 맥락 이해의 향상 고급 NLP 모델은 단순한 키워드 인식을 넘어서 문장이나 문단 전체의 맥락을 파악할 수 있어야 한다. GPT-5는 특히 문맥을 기반으로 한 언어 이해에서 큰 진전을 보일 것으로 기대된다. 이는 대화의 흐름을 이해하거나, 문서 내에서 주제 전환을 감지하는 등의 능력을 포함한다.
4. 세밀한 언어 생성 언어 모델의 출력, 즉 생성된 텍스트의 질도 중요하다. GPT-5는 문법적으로 정확하고, 스타일적으로 일관된, 맥락에 부합하는 텍스트 생성 능력이 향상될 것이다. 이는 창의적 글쓰기, 정확한 기술적 설명, 효과적인 커뮤니케이션에 필수적인 요소이다.
5. 다양한 언어 및 방언 지원 언어 모델의 향상된 NLP 능력은 다양한 언어 및 방언에 대한 지원 확대로도 이어진다. 이는 전 세계 사용자들이 모국어로 자연스러운 상호작용을 경험할 수 있게 해, 모델의 접근성과 유용성을 높인다.

이처럼 향상된 자연어 처리 능력은 GPT-5가 보다 심층적이고 정확한 언어 이해와 생성을 가능하게 하여, 사용자가 더욱 다양하고 복잡한 언어 관련 작업을 수행할 수 있도록 지원한다.

 

 

다국어 지원 확대

1. 더 큰 다국어 데이터셋 학습
   GPT-5는 전 세계에서 수집된 더욱 다양하고 방대한 언어 데이터를 학습할 가능성이 높다. 이 데이터에는 소셜 미디어 게시물, 뉴스 기사, 과학적 논문, 문학 작품 등 다양한 형태의 텍스트가 포함될 수 있다. 이를 통해 모델은 다양한 언어의 뉘앙스와 문맥을 더 잘 이해하고 반영할 수 있다.
2. 언어별 특화 모델의 개발
   각 언어의 특성을 고려한 맞춤형 모델을 개발하여, 특정 언어에 대한 처리 능력을 향상시킬 수 있다. 예를 들어, 한국어, 일본어, 아랍어 등 각기 다른 문법과 구조를 가진 언어들을 위해 특화된 알고리즘을 적용함으로써, 더 정확하고 자연스러운 텍스트 생성이 가능해질 것이다.
3. 언어 간 번역 및 통역 기능 강화
   GPT-5는 이전 모델들보다 더 정교한 언어 간 번역 능력을 갖출 것으로 기대된다. 이는 글로벌 커뮤니케이션을 원활하게 하고, 다양한 언어 사용자들이 상호 작용하는 환경에서 AI의 유용성을 증가시킬 수 있다.
4. 다국어 의도와 감정 인식 개선
   다양한 문화와 언어에서 나타나는 의도와 감정을 더 잘 파악하고 반응할 수 있도록 인공 지능의 감정 인식 기능이 향상될 것이다. 이는 국제적인 비즈니스, 고객 서비스 및 사용자 경험(UX) 디자인에서 특히 중요한 요소가 될 수 있다.

이러한 다국어 지원의 확대는 GPT-5를 더욱 포괄적이고 접근성 높은 도구로 만들어, 전 세계적으로 다양한 사용자와 기업들이 이득을 볼 수 있는 기회를 제공할 것이다.

다양한 분야로의 확장

1. 의료
   의료 분야에서는 GPT-5를 활용하여 환자의 증상 기술로부터 진단을 지원하는 도구를 개발할 수 있다. 또한, 대량의 의료 데이터를 분석하여 치료 방법을 제안하거나, 의료 연구 문헌을 요약하는 등의 작업을 자동화할 수 있다.
2. 법률
   법률 분야에서 AI는 법적 문서 작성, 계약 검토, 사례 연구 등에 사용될 수 있다. GPT-5는 특정 법률 용어와 관련된 문맥을 이해하고, 법적 문서를 생성하거나 수정하는 데 도움을 줄 수 있다.
3. 교육
   교육 기술에서 GPT-5는 맞춤형 학습 자료 생성, 학생의 질문에 대한 자동 응답, 에세이 평가 등에 활용될 수 있다. 이를 통해 교육 과정을 개인화하고, 학생 개개인의 학습 요구와 속도에 맞춰 지원할 수 있다.
4. 창작 및 엔터테인먼트
   영화나 소설의 시나리오 작성, 음악 작곡, 게임 개발 등 창작 분야에서도 GPT-5의 활용이 기대된다. AI는 기존의 작품을 분석하여 새로운 창작물을 제안하거나, 인간 창작자와 협력하여 독창적인 콘텐츠를 생성할 수 있다.
5. 비즈니스 및 마케팅
   비즈니스 분야에서 GPT-5는 시장 분석, 고객 서비스 자동화, 광고 콘텐츠 생성 등에 활용될 수 있다. AI는 소비자 행동을 분석하여 효과적인 마케팅 전략을 제안하거나, 고객 문의에 실시간으로 대응하는 등의 역할을 수행할 수 있다.

GPT-4의 대중적 제공 가능성

OpenAI의 접근성 목표

OpenAI는 기술의 민주화를 지향하며, 이는 가능한 많은 사람들이 고급 AI 기술을 사용할 수 있도록 하는 것을 목표로 한다. 이런 이념에 따라, GPT-3의 뒤를 이은 GPT-4도 결국 일반 대중에게 제공될 가능성이 있다. OpenAI가 이전 모델인 GPT-3.5를 일정 시간 후 일반 사용자에게 무료로 공개한 전례를 고려하면, GPT-4 역시 유사한 방식으로 접근성이 확대될 수 있다.

기술의 성숙도와 비용 문제

GPT-4와 같은 대규모 언어 모델은 운영 및 유지 관리에 상당한 비용이 발생한다. 하드웨어 요구 사항, 에너지 소비, 서버 유지 관리 등이 이에 포함된다. OpenAI는 이러한 비용을 감당하기 위해 상업적 라이선스, 구독 모델 또는 일정 수준의 무료 사용 후 유료화 전략을 채택할 수 있다. 따라서 GPT-4의 대중적 제공은 이러한 경제적 요소에 크게 좌우될 수 있다.

시장 및 사용자 요구

GPT-4를 포함한 고급 AI 모델의 대중적 제공은 사용자의 요구와 시장의 수요에 의해서도 결정된다. 예를 들어, 교육, 연구, 개발 분야에서의 강력한 수요는 OpenAI로 하여금 GPT-4를 교육 기관이나 개발자 커뮤니티에 더 넓게 배포하도록 할 수 있다. 또한, AI 도구에 대한 일반 대중의 인식 개선과 AI의 유용성 증가도 대중 제공을 촉진하는 요소이다.

경쟁 환경

Microsoft와 같은 대형 기업들과의 파트너십이나 경쟁 다른 AI 회사들의 움직임도 OpenAI의 제품 전략에 영향을 미칠 수 있다. 경쟁이 치열해질 경우, 기술의 대중적 제공을 통해 시장 점유율을 확보하려는 전략이 취해질 수 있다.

이처럼 GPT-4의 대중적 제공 가능성은 다양한 내부 전략과 외부 시장 상황에 따라 달라질 수 있다. OpenAI는 AI 기술의 대중화를 목표로 하고 있으며, 이를 위해 기술적, 경제적 장벽을 낮추는 다양한 방법을 모색하고 있다. 따라서, 사용자와 개발자 커뮤니티는 이러한 변화를 주시하며 준비하는 것이 중요하다.

이렇게 GPT-5 및 GPT-4 모델의 발전과 대중적 제공 가능성은 인공 지능 기술의 접근성과 활용도를 높이는 데 크게 기여할 것이다. 이는 기술의 진화뿐만 아니라 사회적, 경제적 환경에도 영향을 미칠 것으로 기대된다.

두 번째 포스팅하는 것 같은데 .

오랜만에 샌프란시스코에서 제일 좋아하는 베트남 음식점에 다녀왔다.

토요일 저녁 8시 정도에 맞춰가니 사람들이 많이 있기는 했지만 앞의 6팀정도밖에 없었고. 바로 옆에 위치한 바에서 몸을 녹이면서 10분 정도 기다리니 테이블을 안내받을 수 있었다.

Gao Viet은 오후 2시에서 3시, 4:30에서 6시, 그리고 오후 9시~ 문 닫을 때까지 해피아워를 하는데.

맥주는 $5, 와인은 $8, 칵테일은 $10로 저렴하게 마실 수 있다.

참고로 미국에서는 웨이팅이 필수다. 보통은 Yelp나 Resy 같은 예약 사이트에서 웨이트리스트 혹은 예약을 하는 게 다반사이지만. 인기 있는 경우에는 직접 가서 웨이팅 리스트에 조인해야 하는 경우가 더 많다. 

보통은 이름, 함께 온 인원수, 핸드폰 번호를 적어 넣고 기다리면 된다.

시킨 메뉴

Chef Choice Platter $30

5 Spice Pho $23

Old School BBH $23

처음으로 시킨 스타터 메뉴는 셰프 초이스 플래터. Chef Choice Platter다. 새우가 들어간 스프링롤 2개, 넴(베트남 소시지) 2개, 쌀국수 면으로 만 스프링롤 2개, 튀긴 임페리얼 롤 2개가 들어있다.

양이 적어 보여도 실제로 보면 스프링롤 크기가 보통 스프링롤보다 1.5에서 2배 정도 크기 때문에. 세명 이상 왔을 때부터 시키는 게 낫다. 만약 2명 이하로 식사하러 왔다면 $13 하는 단품 스프링롤이 더 낫다. 가격은 $30으로 저렴한 편은 아니지만 웬만한 스타터 두 개의 값어치, 양 정도에다가 재료도 너무 신선해서 무조건 추천한다.

Chubby Pho라던가 무식하게 랍스터, 본매로우가 들어가 있는 쌀국수가 유명하지만. 저번에 먹어본 바로는 이곳 쌀 국수는 생각보다 더 기름지다. 그래서 이번에는 5 Spice Pho($23)를 시켰는데. 바비큐 된 닭이 따로 나오고, 깔끔한 국물에 청경채가 익혀서 같이 나온다. 기름진 쌀국수에 지쳤던 심신을 달래주는 맛이었다.

게다가 바비큐 치킨은 다른 접시에 함께 나오기 때문에 배가 부르다면 포장해 가기도 훨씬 용이했다. 내 경우에는 스타터에서 스프링롤을 4개 정도 집어먹고 배가 터질 것 같아서 메인디쉬 쌀국수는 면과 국수, 야채만 먹고 치킨은 집으로 포장해 왔다. 치킨이 생각보다 짭조름해서 다음날 밥이랑 같이 먹으니 간이 딱 맞았다.

만약에 선지를 좋아한다면, Old School BBH($23)을 추천한다. 난 선지는 입에 대지도 못하지만 함께 간 친구는 너무 맛있게 잘 먹었다. 이런 종류의 베트남 국수를 하는 집이 흔치 않기 때문에 메뉴를 보자마자 주문을 했었다. 다만 국수 종류가 동그란 모양인데 식감이 탱글 탱글한 식감이라 호불호가 조금 있을 수 있다.

지난 포스트에서는 Instruction을 작성하는 방법에 대해 글을 써봤다.

Instruction은 말 그대로 글을 이끌어주는 가이드라인과 같은 존재이다. 챗지피티에서는 '웹 브라우징'을 통해서 인터넷에서 크롤링한 정보를 토대로 답변을 제공하게 되는데. 모두가 같은 Instruction을 작성하게 된다면, 실질적으로 그 GPT는 나만의 것, 나만이 할 수 있는 것이 아닌.

모두가 할 수있는 GPT로써, 특성 없는 GPT가 되는 것과 마찬가지이다.

Instruction 작성에 대해 궁금하다면 아래 링크를 확인하길 바란다.

그렇다면 다른 이들과의 차별점은 어떻게 둘 수 있을까?

Knowledge Base/지식 베이스

다른 이들과 차별점을 두기 위해서는 나만의 지식을 담은 문서를 GPT에 업로드하는 것이 좋다. 감이 잘 안 잡힌다면 하나의 예시를 들어볼까 한다.

예시

이미 시중에 나와있는 Open AI의 'Write For Me' GPT의 지식 베이스를 리버스 엔지니어링 해봤다.

 Write For Me 는 글을 써주는 GPT 중 하나인데. 이 GPT의 경우 2023년도 12월까지의 책, 웹사이트, 논문, 그리고 교육 머테리얼을 지식 베이스로 포함하고 있다고 답변해 주었다.

이처럼 내가 벤치마킹 하고 싶은 GPT가 있다면 'What's included in your Knowledge base' 라고 질문해 보면 된다. 모든 GPT가 이런 식으로 벤치마킹이 되는 것은 아니지만 50% 이상은 이 방식으로 지식 베이스 확인이 가능하다. 이 경우 GPT Knowledge Base에 업로드한 문서의 제목이 노출될 수도 있기 때문에 문서 제목을 지을 때도 주의하는 것이 좋다.

지식 베이스?

이 지식 베이스라는 거창한 것을 어디에서 가져와야 할까? 요즘 같은 미디어 홍수에서 내 입맛대로 지식을 고르는 것은 그다지 어려운 것은 아니다. 이 지식은 Youtube가 될수도 있고, 내가 읽은 책이나, 기사글, 웹사이트의 글 등 여러 가지가 될 수 있다.

지식 베이스 문서 구하는 방법

Youtube

온라인에 올라와 있는 동영상의 경우 동영상 아래로 내려가서 자동 트랜스크립트된 글을

Show Transcript> Toggle timestamps> 글을 드래그 복사

하면 바로 영상에서 내용을 추출 가능하다. 

나의 경우에는 의사들이 추천하는 10대 음식과 같은 제목을 가진 글들과 영상을 스크랩했고, WHO에서 발표한 건강식, 불량 식품에 대한 기사들을 찾아 문서파일로 정리했다. 이 과정은 생각보다 굉장히 간단하고, 평소에 서칭을 많이 한다면 그리 어려운 일은 아니라 생각한다.

신뢰도 정확도 높은 문서를 찾기

기사나 영상만으로는 전문성을 높이지 못하는 경우가 많다. 이런 경우에는 Dataset을 찾게 되는데 내 경우에는 Kaggle과 Google Dataset, 두 가지를 이용했다.

사실 Google Dataset은 내가 원하는 키워드를 입력하면 해당 키워드에 관련된 데이터를 가진 다른 웹사이트로 링크를 해주는데. 대부분의 경우에 Google Dataset에서 Kaggle로 이동이 되기 때문에, 특정 주제나 키워드로 데이터를 찾는 것이 아니라 브라우징을 해보고 싶다면 Kaggle에서 어떤 종류의 데이터가 있는지를 쭈욱 둘러보는 걸 추천해 본다.

Kaggle과 Google Dataset 링크

문서의 길이 제한

정확히 Open AI에서 발표한 바는 없지만 유튜버 Skill Leap AI에 의하면 각각 최대 100,000자의 문서를 총 10개까지 업로드 가능하다고 한다. 이 글자수를 넘어가게 되면 문서가 업로드되지 않는다고 하였지만, 100,000자를 넘기는 게 쉽지 만은 않다.