차박사호호

자동차 광고의 현실

알 수 없는 사용자 — Thu, 17 Mar 2022 15:57:42 +0900

전 세계에서 엄청난 지지가 쏟아졌고 게시 후 단 50일 만에 조회수 1억을 돌파했고 이 영화는 소비자의 눈길을 잡고 소 비자의 마음을 울렸고 또한 전 세계적으로 광고 회상도우크라이나 27.9% 영국 36.7% 남아프리카 공화국 60.2% 멕시코 39.2% 브랜드 인지도영국 13.9% 네덜란드 16.9% 멕시코 19.9% KSA 15.8% 이탈리아 12.7% 오스 트레일리아 12.1%와 같은 브랜딩 측정항목의 수치가 크게 상승했고 Hyundai 키워드 검색 또한 영국173.9%멕시코80.8%인도네시아65. 8%에서 급증했으며 영화에 사용된 사륜 구동 SUV SantaFe의 검색량 또 한 베트남129.1% 우크라이나108.5%오스트레일리아73.2%에서 큰 증가 세를 보였다.

광고의 줄거리

광고의 주요 줄거리는 섀클턴의 탐험이 실패로 끝나고 100년째 되는 해 즉2016년 12월 섀클턴의 증손자인 패트릭 버겔은 현대자동차와 특수 설 계한 사륜 구동 산타페Santa Fe 4x4의 도움으로 남극 대륙으로 돌아왔으며 35 섀클턴의 귀환 그리고 30일 동안 5800km를 달려 남극을 다녀오는 장대한 여정이 시작되었으며 YouTube에서 호스팅하는 이 대서사시와도 같은 영화는 더 나은 미래를 위해 함께라는 현대자동차의 기업 철학을 대변하는 세 가지 요소가 핵심을 이루고 있으며 첫째 탐험대원들을 가장 소중하게 여겼던 섀클턴의 리더십으로 이는 고 객의 안전을 최우선으로 생각하는 현대자동차의 철학과 맥을 같이하고 있거 둘째 현대 자동차는 때와 장소를 불문하고 어디든 갈 수 있는 미래의 자 동차 이미지를 상상했고 현대자동차는 남극 대륙 횡단을 완료함으로써 미 래의 자동차에 대한 비전을 성공적으로 제시했고 셋째 상용 자동차로는 처음으로 남극 대륙 횡단에 성공하면서 현대자동차 의 뛰어난 기술력을 입증했고 새로운 잠재고객에 도달하기 위해서 영화가 5분 이상 길었던 만큼 현대 자동차는 이 영화를 처음부터 끝까지 소리와 함께 보고자 하는 잠재고객이 많은 플랫폼에서 동영상을 호스팅해야 한다는 것을 알 수 있으며 어니스트 섀클턴 경의 스토리가 비교적 생소하게 느껴질 젊은 세대와 비 유럽권 잠재 고객에게 도달하기 위해 현대자동차는 섀클턴의 다이어리와 관련된 18건의 독립적인 콘텐츠도 게시했고 예를 들어 패트릭의 다이어리는 섀클턴의 증 손자 패트릭의 탐험 기록으로 원조 탐험대원의 후손들과의 다양한 인터뷰를 담고 있었으며 섀클턴을 기리고 그를 기념하기 위해 만들어진 영화였고 섀 클턴의 귀환: 100년의 꿈을 좇아라는 제목의 컴패니언 마이크로사이트에는 이 장대한 탐험에 관한 비하인드 스토리 콘텐츠가 있었으며 광고 구조를 분석해보면 광고 주인공 탐험가 어니스트 섀클턴 경과 27명 의 후손이 역사적 배경을 지니고 있으며 또한 증조가 이루지 못한 소망을 완 성하려고 노력하는 모습은 현대 자동차의 미래 자동차 비전이 들어맞는다.

자동차와 탐험가

현대 자동차가 탐험가와 함께 열악한 환경에서도 어려움을 벗어나 남극 탐 험을 성공시켰으며 이는 현대 자동차의 탁월한 기술을 입증한 것이고 광고의 전체 스토리는 탐험 위주로 시작하고 탐험하는 과정의 어려움을 도전하는 정신은 바로 현재 자동차의 인간 중심 고객 안전이 우선이라 이 념과 일치하며 이는 또한 현대 자동차가 이미 외부 위협 요인에 맞설 수 있는 기술을 갖추게 됐다 것은 설명하고 있는 것이고 또한 스토리 내용은 창의적으로 만들었고 어니스트 섀클턴 경 스토리에 익숙한 관객에게는 현대 자동차가 독립적인 내용을 배포하고 탐험대 후손 에 대한 다양한 인터뷰와 관련 영화를 통해 탐험의 비하인드 스토리를 파악 하는 창의적인 내용이 담겼고 글로벌 YouTube 캠페인을 통해 40개 이상의 시장을 타겟팅한 현대자동 차는 또한 젊은 세대와 기술 여행 모험 자동차에 관심이 많은 사람들에 효과적으로 도달하기 위해 특정 True View 광고 타겟팅 옵션을 사용했고 기아 텔루라이드 광고의 포스트 는 한국의 기아 자동차 회사에서 제작한 광고이며 이 광고는 2019년 미국의 슈퍼볼 광고를 통해 강렬한 인상을 남겼고 슈퍼볼 광고에 자사가 제작한 광고를 상영하는 것은 오랜 전부터 많은 대기업들이 제일 우선으로 생각하는 일이었으며 이번에 한국의 기아 자동차 회사가 제작 한 광고는 슈퍼볼 광고에 상영할 수 있을 만큼 광고가 획기적인 특색을 가 지고 있다는 것이고 또한 이번 기아 회사에서 스타 출연이 보편적이었던 전례를 깨고 광고의 주인공으로 삼은 대상은 일반 근로자였고 광고의 시간은 1분 40초이며.

광고는 미국 조지아 주 웨스트포인트에 있 는 작은 마을에서 촬영하였고 광고의 시작은 한 소년이 말하고 있는 장면 부터 시작하며 소년이 우리는 유명하지 않으며 우리에게는 인도에 빛나 는 별도 없고 조각상의 위인도 없으며 우리는 조지아 주의 작은 읍일 뿐 잠자코 있으며라고 말하는 장면부터 광고가 시작되며 장면이 바뀌면서 가장 평범한 장면이 연출됐고 남자 소년이 또 우리가 누군지 아무도 모르기 때문에 우리가 무엇을 하고 무엇을 만드는지 사람들 이 알아줬으면 좋겠으며라고 말하는 장면이 등장하며 소년의 말이 끝나 고 이 광고의 주역인 기아 자동차 텔루라이드Telluride가 그 화면에 나타 났고 광고 끝에 이 소년이 또 말하며 그렇으며 우리는 유명하지 않지 만 우리는 훌륭하며 우리는 믿을 수 없는 이것을 만들었으니까 한 소년 의 말로 광고가 끝난다.

광고의 전편

광고의 전편이 밋밋한 장면만 나왔지만 관객들에게 색다른 느낌을 주고 또한 광고 촬영 장소를 웨스트포인트로 선택한 것도 기아 자동차의 미국 공 장이 바로 이곳에 있고 기아 자동차의 텔루라이드Telluride도 바로 이곳에 서 제작됐기 때문이며 광고의 관객들의 눈길을 사로잡는 것은 바로 주인공 이며 보편적으로 자동차 광고에서는 연예인이나 유명한 사람들의 출연으로 제작하며 하지만 이번 기아 자동차는 오히려 평범한 일반인을 주인공으로 삼았는데 이 내용은 과거나 지금이나 그 어떤 위대한 자동차도 무명의 사람 들이 만들었다는 점을 보여주고 이 사람들이 바로 훌륭한 사람이며 광고를 전제적으로 보면 광고는 한 소년이 말하는 장면부터 시작하며 이 는 남자아이가 기아 자동차처럼 세계 자동차 브랜드 가운데서도 초기에 일 어서는 단계인 만큼 몸을 낮추어 겸손한 느낌을 주는 광고로 시작하며 광 고는 서술하는 방식을 중심으로 하여 구구절절 사람들의 마음에 깊이 파고 들어간다.

우리는 결코 유명하지 않으며 아무도 우리가 누구인지 알지 못 하지만 우리가 열심히 일하여 믿기 어려운 것들을 만들어 내니 우리는 바 로 뛰어난 사람이다 와 같은 많은 말들이 노동자들의 마음을 움직여 공감 이 되며 광고의 전편이 우리 삶에서 가장 흔한 광경인데 기아 텔루라이드 가 화면 속에서 천천히 다가오는 것은 삶과 함께 자연스러울 것이라는 것을 말해주며 광고 전체를 보면서 자신이 바로 그런 근로자라고 느껴 제품과 소비자의 거리를 좁히는 것이고 따라서 좋은 스토리텔링 광고는 다음과 같이 특징을 가지고 있어야 하며 우선 광고의 핵심은 주인공이 존재하는 것이고 예를 들면 과 세 편의 광고에서는 중국 배우 오언 조와 탐험가 어니스트 섀클턴 경과 27명의 후손이 광고의 주인공을 삼아서 광고의 효과를 극대화 시킬 수 있는 것이고 또한 기아 텔루라이드 광고에 서는 지동차를 알리기 위해 광고를 촬영했지만 광고의 흐름을 이끌어내는 것은 한 소년이었으며 광고 속에 나온 소년이 바로 중요한 스토리 인물을 일 으키는 것이고 광고 의 과학 기술 감각이 엿보이는 작업 장면은 관객들을 광 고 속으로 직접 들어가는 느낌을 갖게 하고 스토리 장면을 더욱 쉽게 느낄 수 있도록 하였고 클라이튼의 장면은 스크린을 온통 하얗게 뒤덮어 도로 상황이 복잡하고 험난하여 일종의 생사를 두려워하는 느낌을 주며 이후 이 러한 환경을 극복하기 위한 포석을 마련했고 여기서 좋은 스토리텔링 광고 의 두 번째 핵심 요소는 스토리 장면이며 광고에서는 앞서 소개했던 두 편의 광고처럼 관객들에게 아찔한 느낌과 열악한 환경을 벗어나 탐험에 성공하는 감동적인 장면은 없지만 관객들은 뿌듯하고 자랑스 러운 느낌을 가질 수 있으며 그게 바로 소년의 말하는 대로 나오는 장면들 이며 광고 의 서사적 접근법이 더욱 관객들의 눈길을 사로잡는데 에서는 탐험을 중심으로 스토리 라인을 끝까지 추적하여 사람들이 쉽게 상상할 수 있도록 하는 효과가 가져 이는 좋은 스토리텔링 광고의 세 번째 핵심 요소인 스토리 줄거리가 가지고 있는 것이고 기아 텔 루라이드 광고의 흐름은 한 소년의 말대로 흘러가며 소년이 말하고 그에 따라서 전체 광고의 줄거리가 흐르고 있으며 마지막에는 의 광고가 마치 하나의 미국 블록버스터처럼 사람 을 놀라게 하고 은 전설 이야기를 취재하고 파악하는 스토리인 것처럼 미완성의 모험을 완성하는 광고로 막후의 정보에 대한 열 망을 강하게 함으로써 많은 정보를 알게 되는 것이고 따라서 좋은 스토리텔링 광고의 핵심 요소는 자신의 독특한 스토리 특징이 가지고 있는 것이며 광고의 제일 독특한 특징은 바로 관객들을 장면 속으로 몰입하게 만드는 것이고 광고의 소년이 말하는 우리는 결코 유명 하지 않으며 아무도 우리가 누구인지 알지 못하지만 우리가 열심히 일하 여 믿기 어려운 것들을 만들어 내니 우리는 바로 뛰어난 사람이며처럼 우 리는 바로 그 뛰어난 사람과 같다는 것으로 관객들에게 뿌듯함을 느끼게 한다.

이상으로 보면 광고가 소비자의 마음을 움직이기 위해서는 제품의 소비 대상이 누구인지 누가 이 제품을 필요로 하는지 알아야 하며 광고는 소비 자의 필요에 맞춤으로 제작해야 좋은 효과를 볼 수 있다는 것이고 본 연구 는 세 편의 우수한 자동차 광고 스토리에 대해 설명한 마케팅의 영향 요인 을 스토리인물 스토리줄거리 스토리장면 스토리특징 등으로 포함하며 그 리고 이러한 요소들이 소비자의 구매 의도에 큰 영향을 미치는 것이 분명하 므로 본 연구에서는 이러한 요소들로 연구의 독립 변수로 설정하여 연구하고자 한다.

출처 : 자동차 광고(2011 김석환)

자율주행이 요구하는 기술들

알 수 없는 사용자 — Thu, 23 Dec 2021 04:50:45 +0900

Photo by Chris Hardy on Unsplash

자율주행이 요구하는 기타 기술

최근 자동차산업의 핵심기술의 하나뿐인 친환경 미래 자동차는 기업 들에 뜨거운 주목을 받고 있으며 중국에서는 여러 IT 기업이 자동차기 업과 손잡고 자율주행차량을 개발하고 있으며 화웨이는 자율주행차 분야에서 둥펑 이외에 최근 전기차 기업 비야디(BYD) 창안자동차 등과도 협력키로 했으며 CFRP는 그 비중이 스틸 알루미늄에 비교해 1/5 1/1.8로 가볍고 동시에 인장강도가 높은 관점을 가지고 있으며 최근 들어 전 세계적으로 강화되고 있는 차량 연비규제는 자동차 제조사들이 더 커다란 비용을 급여하고서라도 더 가벼운 재료를 활용하도록 하는 원인이 되고 있으며 그간 동안 제한적으로 검토되던 탄소섬유 강화 플라스틱 역시 마그네슘 알루미늄 등의 경량 금속과 같은 경량화 소재로써 기대를 받고 있으며 탄소섬유 강화 플라스틱은 열가소성 열경화성으로 분류되고 현재까지는 대부분의 탄소섬유 강화 플라스틱 부품 탑재 차량 모델들에 열경화성 탄소섬유 강화 플라스틱이 적용되어 있지만 열가소성 탄소섬 유강화 플라스틱도 친환경성 경제성으로 인해 주목을 받고 있으며 본고찰에서는 자동차 경량화 소재로써의 탄소섬유 강화 플라스틱의 활용 및 종료 사례를 살펴보면 다음과 같이 3가지로 구분할 수 있으며 열경화성(Thermosetting) 탄소섬유 강화 플라스틱은 가열하면 화학반 응이 나타나 고체 상태가 되는데 더 한번 가열해도 연화(Softening) 되지 않는 특성이 있으며 통상적으로 탄소섬유 강화 플라스틱은 열경화성 탄소섬유 강화 플라스틱을 지적하는 상황 많다.

열가소성(Thermoplastic) 탄소섬유강화플라스틱은 가열하여 연화시킨 후 냉각시키면 고체 상태가 되지만 재차 가열하면 다시 연화시킬 수 있으며 일본에서는 자동차 차체용 재료로써 열경화성 탄소섬유 강화 플라스틱과 더불어 열가소성 CFRP를 적극적으로 도입하려는 행위를 보이고 있는데 열가소성 탄소섬유 강화 플라스틱에 커다란 관점을 갖는 이유는 다음과 같다.

높은 생산효율에 대한 비용이 절감 효과 이미 일부 소량 양산 차에서 탄소섬유강화플라스틱은 적용되고 있지 만 커다란 생산 비용으로 인해 통속적인 경량화 소재로써 자리 잡기 에는 굉장히 어려움이 있으며 열경화성 탄소섬유 강화 플라스틱은 화학반응에 대해 경화(Hardening) 되기까지 시간이 약간 걸리지만 열가소성 탄소섬유 강화 플라스틱은 성형 상태에서 화학반응이 필요 없어 성형시간이 짧다.

성형 가공비는 그 제품을 생산하는데 들어가는 시간과도 직결되기 때문에 성형시간과 전후 가공 타임의 단축은 곧 비용 절감으로 이어진다고 할 수 있으며 장차 1분 만에 성형 가능한 기술이 양산기술로써 자리매김할 수 있다면 한대의 프레스기에서 매달 1만 5000대에서 2만 대 기존의 투자 설비와 노하우의 활용 가능성이 높음 열가소성 탄소섬유 강화 플라스틱의 프레스 성형가공은 재료를 가열· 냉각하는 공정을 제외하면 현재까지 스틸 모노코크 구조 설계에서 축적받아온 프레스 제품의 생산설비 성형가공 금형제작 품질 숙성 제품 설계 등의 다양한 노하우나 선비 등이 응용 가능한 상황이 많다.

또 다른 기술들

탄소섬유강화플라스틱 소재의 비용이 크기 때문에 판매 가격이 비교했을 때 저렴한 가격 다량 생산차에는 도입이 복잡하지만 기존 설비 적용이 가능하다면 설비 투자금을 줄임으로써 생산 비용을 절감할 수 있으며 재활용이 용이 열경화성 탄소섬유 강화 플라스틱은 재차 가열해도 연화되지 않아 재사용이 기술적으로 복잡하지만 열가소성 탄소섬유 강화 플라스틱은 가역성이 있기 때문에 재적용에 적합하다고 할 수 있으며 탄소섬유 강화 플라스틱(CFRP)은 재적용의 한 예로 일본의 Carbon Fiber Recycle Industry와 Gifu University는 열가소성 탄소섬 유강 화 플라스틱의 재생 공정을 개발했으며 이 공정은 탄소섬유를 섬유상 태그 자체로 회수함으로써 여러 용도로 사용할 수 있고 폐탄소섬 유강 화 플라스틱이 갖는 수지 성분을 연료로 쓰기 때문에 에너지 절약이 가능하다.

재적용을 위해서는 이런 공정 개발과 같이 중고차 폐차 시재적용이 가능하도록 접합된 제품의 해체 분리가 쉽게 하도록 하며 열가소성과 열경화성 탄소섬유 강화 플라스틱의 조합 또는 접착제에 대한 접합은 분리하기 어려워 재활용하기 복잡하다는 전제에서 설계 방침을 정해져야 하며 열경화성과 열가소성의 주요 특징을 정리하면 바로 열가소성 탄소섬유 강화 플라스틱은 재활용 적용하여 친환경적이라는 커다란 장점을 맺고 있는 반면 열경화성 탄소 섬유 강화 플라스틱에 비교해 접착 강도 강성(Rigidity Stiffness) 및 강도 (Strength)가 낮으며 자동차 바디의 구조설비 기술이 정착되어 있지 않은 이슈가 있으며 자동차 바디에 열경화성 탄소섬유 강화 플라스틱을 적용하는 상황의 성형 가공법은 RTM 성형법 또는 오토클레이브 성형법이 사용되고 있으며 오토클레이브에 의한 성형은 섭씨 -20℃에 냉동 보관된 중간기재의 프리프레그 시트를 가공전에 도출하고 부품의 형상에 맞춰준 후 컷팅하며 그 이후 컷팅된 시트를 드라이어로 가열하고 녹녹하게 하면서 수동으로 성형틀에 붙여간다.

이때 부분적으로 강도를 올리고 싶은 영역에는 여러장 거듭하여 적층 하며 그다음 공기주입 구가 가설한 비닐봉지로 성형틀 전부 다 감싸고 오토클레이브에 투입하며 오토클레이브에서는 비닐봉지로 내포된 휘발 물이나 공기를 진공 제거하고 가열 가압하여 시트를 성형틀에 밀착시켜 성형하고 경화시켜주며 투입하고 2시간 넘게 경과한 후 꺼내고 제품 형상에 맞춰 컷팅해 구멍을 워터젯 등으로 분쇄하며 시간 많이 들어 손 많이 가는 성형 가공법이지만 성형틀에 완전하게 맞출 수 있기 때문에 정확 도가 높고 겉쪽이 깔끔한 제품을 얻을 수 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

중국의 무인자동차 산업과 시장의 미래

알 수 없는 사용자 — Sat, 18 Dec 2021 01:44:02 +0900

Photo by Alvaro Reyes on Unsplash

중국 무인차 산업의 미래

차이나는 전 세계적으로 제일 많은 인터넷 사용자를 자랑하며 당연히 제일 많은 데이터를 생산하며 차이나에선 어디서든 스마트 결제가 가능하고 이와 관계된 정보가 기하급수적으로 쌓이며 급속 확장되는 중산층은 가장 새로운 기기와 애플리케이션을 활용하는 데 거부 감이 없다.

승용차 자가보유는 선진국 기준으로 옛날과 같이 낮고 하지만 차이나는 스마트폰으로 주문하는 승차 및 차량공유 서비스의 최대 시장이며 중국 무인차 산업 미래를 크게 빅데이터의 미친 미래와 기술의 미치는 미래로 볼 수 있으며 텐센트와 알리바바는 전 세계 가장 큰 차량 공유 서비스 기업인 디디 추싱에 커다란 돈을 투자하고 있으며 디디 추싱은 5억 5천만 명의 이용자를 갖고 있으며 하루 평균 3천만 번의 차량 공유 서비스가 거래되며 전 세계 1500만 명의 회원을 둔 웨버와는 비교할 수 없고 디디 추싱은 동남아시아로 급속히 세력을 높이고 있으며 유럽과 인도에도 방대한 투자를 단행했으며 지난달 텐센트와 알리바바는 둥펑자동차 창안자동차 디이자동차 등과 합병해 디디 추싱과 경영하려는 또 다른 차량 공유 벤처기업에 15억$를 투자했으며 차량 공유 서비스와 관계된 시장을 크게 확대하려는 계획이며 커다란 규모의 승차 공유 시장은 자동차 거래시장에 구조적 변화를 깨울 수 있으며 이젠 차를 구매하려는 사람들은 자신의 선호도 고려하 면서도 불구하고 차량을 공유할 사람의 선호도도 고려하게 되며 컨설턴트 기업 롤랜드버거에 따라 2017년 차이나 자동차 가운데 대략 10%가 택시 승차 차량 공유나 승차 공유 등의 형식으로 공유됐다.

이는 서구보다 10배 더하는 비중이며 혹시나 전 세계가 자동차 자가보유 시절에서 요구할 때 공유하거나 빌리는 시절로 전환된다면 중국은 남들보다 훨씬 더 잘 나아가 차지하게 되며 중국 기술기업들은 차량 공유에 직접 거액을 투자하는 것도 불구하고 자동차 만드는 기업에도 직접 거액을 투자하고 있으며 텐센트와 바이 두는 차이나판 테슬라로 불리는 니오에 투자하고 있으며 웨이마 자동 차 바이튼 샤오펑과 등도 스마트폰으로 제어되고 행위는 자동차 생산에 관점이 많고 기술기업들은 전기차 배터리에 투자한 것 또 불구하고 페달로 동력을 전달하는 자전거에도 방대 투자했으며 성공 여부는 1:1이며 차이나에서 공유 자전거 시장은 지난 몇 년 동안 폭발적으로 늘었으며 반면 버려진 자전거도 산더미처럼 많아졌으며 텐센트의 투자를 갖은 자전거 공유 서비스 기업 모바이크는 지금 2억 3천만 명의 활용자를 확보했고 반면 모바이크 경쟁기업으로 알리바바가 부여하는 오포는 폐업 위기에 휘청이고 있다.

자전거 공유 서비스 기업들이 투자금융에 비해 열악한 대여 수입으로 영속 생존할 수 있을지는 불확실하고 만약 연속 가능하다면 그 비법은 해당 기업들이 축적하고 거대한 자료에서 기술기업들이 가치가 있는 지식정보를 뽑아내기 때문일 것이며 디디 추싱으로 공유차를 부를지 버스를 기다릴지 아니면 자전거를 탈지 결정할 수 있도록 정보를 제공한다면 인상적인 현금흐름도를 만들어 내는 것이 불가능하지만은 않을 것이며 기술기업들은 자율주행 자동차에도 커다란 걸음을 내딛고 있으며 텐센트와 바이두는 지난해 초부터 공공도로에서 자율주행차를 실전 시험하고 있으며 미국의 우버와 리프트처럼 디디 택시는 자율주행 로봇 택시를 만들 작정이며 버스회사인 킹롱과 바이두는 합작해 북경과 선전 등 도시에서 무인셔틀버스를 운행하고 있으며 올해의 목표는 일본에 무인셔틀버스를 도입하는 것이며 컨설팅 기업 매킨지는 중국이 자율 주행과 관련해 미국에 2~3년 뒤처졌다고 추산하며 구글 자율주행 기업 웨이모는 옛날과 같이 타의 추종을 불허하는 경쟁력을 갖췄다.

중국 무인자동차 시장의 미래

하지만 차이나 자율주행이 기반으로 삼는 AI 연구에서 차이나의 추진 력은 가장 인상적이며 인공지능은 메이드 인 차이나 2025의 10대 영역 가운데 하나이기도 하고 차이나의 자율주행 기술이 세간의 추측과 달리 미국을 앞서 재빨리 나아갈 가능성이 크며 차이나의 기업들은 자율주행이 요구하는 다른 기술에도 열정이며 바이두 텐센트와 알리바바는 모두 고화질 지도 서비스 기업을 소유하고 있으며 로보 센스는 알리바바와 상하이자동차 베이징자동차 등이 투자한 스타트업으로 무인차에 주변 환경에 의한 정보를 통신하는 라이 다센서를 만들어내는 서구 기업들과 맹렬하게 경쟁하고 있으며 가장 중요한 장점은 차이나는 5G 모바일 이동통신 기술에서 전 세계 앞서 나아가는 점이며 5G는 자율주행에 요구한 신속한 연결성과 관계 맺은 핵심기술로 평가되고 있으며 결국 이와 같은 부문에서 차이나 자동차 제조사가 가진 약점은 서서히 장점으로 바뀌고 있으며 유럽에서 기술기업과 자동차 제조사 간의 협업은 아주 신중하며 양쪽 전부 다 자신만 너무 많은 것을 잃는 게 아닌지 우려한다.

하지만 차이나의 기술기업들은 자국의 자동차 업체는 물론 해외 기업과도 흔쾌히 협력하려 하며 게다가 외국의 자동체 제조업체들은 규제가 까다로운 미국 및 유럽의 도시보다 차이나의 많은 도시에서 자율적인 테스트 운영하고 있으며 차이나 광저우에서 자율주행 택시를 개발하는 포니와 선전에서 자율주행 전기차를 테스트 운용하는 로드스타는 실리콘밸리 기술인재들을 계속 영입하고 있으며 2015년부터 바이두는 미국 캘리포니아에서 자율주행 시스템인 아폴로를 개발하기 시작했으며 이 분야에서 산업표준을 세우는 것이 바이두의 목표였고 포드와 BMW 다임러 모두 이미 아폴로와 계약하기로 합의했으며 전 세계 어디서나 운용 가능한 시스템이며 자동차 제조업의 세계가 자율주행차든 전기자동차든 한 부분에만 도전과제를 직면했다면 자동차 제조와 관계가 있는 별다른 무전 통인 차이나 그처럼 야망을 갖는 것을 비웃었을지 모르고 하지만 자율주행차와 전기자동 차가 복잡하게 연계된 도전과제로 유럽의 자동차 제조사들은 극도로 긴장하고 있으며 물론 차이나 자동차 기술기업들과 제조사들은 미래 자동차를 창조하는 경쟁의 입장에서 유럽의 상대 기업들과 맹렬한 전투를 치러야 하며 다만 차이나 기업들이 서구 기업보다 더 저렴하고 신속하게 제품을 내놓는다면 차이나의 자체 브랜드를 단 미래 자동차들은 차이나뿐 아니고 전 세계 방방곡곡을 점령하게 될 것이다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

중국의 무인자동차 현황

알 수 없는 사용자 — Tue, 7 Dec 2021 04:38:24 +0900

Photo by Sandra Tan on Unsplash

중국의 무인 자동차

운전기사의 조작 없이도 자동으로 도로 상황을 장악해 원하는 곳에 도착할 수 있는 자동차이며 무인 자동차에는 유리창 내측에 GPS와 도로표지판 인식이 가능한 영상카메라 등의 장치가 들어가며 자동차 지붕에 레이저 스캐너를 부여 앞지르는 자동차를 피할 수도 있으며 제한을 부여한 속도에 알맞게 조절을 가능하면서도 불구하고 고속 주 행을 위한 도로 및 차 간 거리를 조정하거나 차선 등을 확인하는 기술이 연구되고 있으며 전 세계적으로는 구글이 무인 자동차 상용화에 앞장서고 있고 바이 두는 따라잡고 있으며 바이두와 중국 정부에 따라 올 하반기 차이나 후난성 창사시에서 자율주행 무인(無人) 택시 시범운영이 활용되며 이 시범운영 개척은 지난달 오픈된 차이나 최대 정치행사 양회에서 바이두의 리옌훙 회장이 직접 공개했으며 리회장은 미래 하반기 창사에서 상용화 시 운영을 열린다며 창사 시민들이 무인 택시 경험을 해볼 수 있게 된다고 하며 특히 시 운영은 순서대로 이뤄지며 지난 연말로부터 미리 7.8km 길이의 스마트 시범 도로노선을 운영 올해 100km 길이의 개방형 도로 실험이 이뤄지며 올해 택시뿐만 아니라 환경위생 차량과 물류 차량 등 도시 운영에 돌입하게 되고 내년 이후로 5G에 기반한 도심 주행에 특화된 교차로 상황을 확인하거나 무인 자동차로 교통신호를 인식하는 등 돌발상황에 대처하는 기술이 뛰어나고 자율주행 생태계가 조성될 것으로 기대하고 있으며 중국 수도 북경의 대로를 달리는 자동차를 자세히 보면 일반인은 차이나에 자체적인 자동차 산업이 있다는 것을 잘 모를 만큼 외국 브랜드 차가 많고 인도의 랜드로버사가 만든 레인지로버는 창안자동차나 창청자동차 비야디 자동차를 전부 다 가산한 것보다 더 많아 보이고 어떻게 보면 도요타이나 폭스바겐 자동차만 나타날 때도 많고 그렇다고 우리 눈에 들어가는 정보는 거의 정확하지 않다.

중국은 잎으로 자동차 산업을 접수할 대비를 착착 진행 시키고 있으며 차이나의 자동차 제조사는 세계 어느 나라보다 더 많은 차를 만들고 있는 전기차는 역시 세계에서 최고 다 자동차와 관계된 세계는 자율주행 차량 공유 친환경 전기차 스마트 대중교통 등의 격변이 가득하며 중국 정부와 자동차 디자이너 제조사 기술 기업들은 연계해 자동차 산업계에서 시작된 격변을 제대로 적용하고 있으며 내연기관 자동차 제조국으로는 아무 일이 없었지만 오히려 이 상황이 격변의 시절을 헤쳐가는 데 커다란 장점이 되고 있다고 영국 주간 이코노미스트가 최신호로 분석했으며 30년 전만 했어도 차이나 큰 도시에서 길을 건너려면 자전거의 물결을 헤쳐나가야 했으며 자동차라고는 낡은 일본의 세단 택시이나 공공 기관 소유 리무진이 전부였고 중국 정부는 수출증대와 산업개발을 위해 자동차 산업을 성장시키기로 계획 세웠고 그러나 1980년대부터 외국 자동차 기업이 디이(DE) 자동차나 상하이자동차 등 국영기업과 합작벤처사를 설립될 때까지 허용했으며 이런 합작벤처 전략으로 중국은 많은 꿈을 이뤘으며 중국 수도에서 달리는 자동차는 거의 외국계 자동차 로고를 달고 있지만 대체로 중국이 만든 것이며 지난해에 중국은 2300만 대의 자동차를 생산했으며 유럽과 미국을 멀찌감치 따돌렸다.

하지만 이태까진 질보다 양이며 차이나가 자체 브랜드로 거래하는 자동차 품질은 기준에 같이 기대 이하이고 전 세계적으로 화웨이만큼 이름난 자동체 제조사는 아직 없으며 중국 차 제조사들은 합작벤처로 벌어들인 엄청난 현금을 기술개발 보조금으로 받았으며 큰 도시를 나아가 지방의 중소도시에선 차이나 자체생산 자동차가 먹힐 만큼 시장은 광막했으며 이를 기반으로 차이 나는 자동차 생태계에서 공급망을 제조하고 관리하는 동시에 자동차를 조립해 완성되는 기술을 느리게나마 단련할 수 있었으며 그간 동안 가혹한 인내심이 필요했으며 하지만 최근 들어 상황이 격변하고 있으며 그동안 중국 소비자들은 자동차를 결사적으로 원했고 요즘엔 어느 만큼 욕구를 채웠다.

중국의 무인 자동차 통계

현재 3억2500만대의 자동차가 차이나의 도로를 달리고 있으며 차량 내비게이션 컴퍼니인 톰톰에 따라 세계 20대 교통혼잡 도시 중심 8곳이 차이나에 있으며 다국적 컨설팅사 베인 앤드 회사에 따라 2017년 자가 용을 가져야 사회적 지위가 높아진다고 여기는 차이나의 응답자가 처음으로 50% 안으로 하락했으며 20년 동안 연속적으로 성장해온 차이나의 국내 신차 거래량은 2018년 하락했는 것이고 중국의 70여 개 자동차 만드는 회사가 이제는 더 좋은 자동차를 만들어나갈 때라고 결심 내렸으며 자동차 공학과 설계부문 전부 다 치열하게 개선하고 있으며 리서치회사 IHS마킷의 린 화이빈은 일부 기업은 서구의 디자이너들에게 아낌없이 돈을 투자하고 있다고 평가했으며 이달 16일 중국이 자체 생산한 최고급 SUV는 개막하는 상하이 모터쇼에서 등장할 전망이며 2019년을 시작한 지 얼마 안 되는 지금 글로벌 자동차 업계에서 가장 뜨거운 감자는 중국 자동차 판매량 감소를 시킨 것이며 2018년 한 해 중국에서 팔린 자동차 대수는 2808만 대(중국 자동차 제조협회 (CAAM) 발표 기준으로 전년대비 2.8% 줄어든 것으로 집계되었으며 연간 3000만 대를 바라보던 중국 자동차 판매 성장세가 멈춰진 것이고 28년 중국 자동차 역사상 최초의 일이라는 점에서 시장에서 받는 충격이 더 큰 것이고 데이터로 보자면 2018년 상반기 6% 이상 증가세를 보이던 시장이 7월부터 빠르게 둔화되기 시작해 12월까지 업계는 다양한 외부 경제적 요인이라고 일반론을 이야기하고 있기도 하지만 중국 자동차 시장의 자연스러운 구조조정 과정이라고 보는 시각도 많으며 중국 정부의 부양책으로 인해 왜곡되어있던 시장이 2018년 하반기에 한꺼번에 불어 닥친 요인들로 정상화되고 있다는 것입니다.

이제 중국 자동차 산업은 뒷배 없이 살아남아야 하는 변화의 기로 섰으며 역으로 서구에 자동 차를 거래할 방도를 취하여 모색하고 있으며 광저우자동차와 창청자동 차 지리자동차가 야망에 차 있으며 특별히 지리자동차는 작년 독일 다임러 자동차 지분율 9.7%를 획득한 것으로 기록했으며 지리가 소유 중인 스웨덴의 볼보차에 지배적인 지분율 더하기 위해서며 중국 정부는 자동차 측면에 성장을 부여하기 위한 개척을 계속 공개하고 있으며 외국 자동차 업체가 중국의 합작벤처사를 완벽히 지배할 수 있도록 하겠다고 밝혔고 경쟁을 자극하고 외부인 투자를 부여하기 위해서이고 M&A도 장려하고 있으며 창청자동차나 지리자동차처럼 성공한 민간기 업이 국영기업에 투자하는 것을 권장하기 위한 대책이며 정부가 국영 창안자동차나 디이자동차 둥펑자동차 등을 합작할 것이라는 그간의 소문은 최근 더 확산되고 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차 인공지능과 위험성

알 수 없는 사용자 — Tue, 30 Nov 2021 09:33:42 +0900

Photo by Jenny Ueberberg on Unsplash

인공지능의 위험성

로봇과 인공지능의 위험성이 위험사회에서 의미하는 위험 책 임과 위험을 부여할 만큼 위험한지 검사해볼 필요가 있으며 즉 지금의 AI는 일상의 위험 요소가 어느 정도인지 나아가 기존과 비교해 손해가 늘어난 것인지의 문제이고 물론 완벽한 자율성을 갖춘 인공지능에 의한 사람 지배와 방대한 학살의 문제는 비교할 수 못할 정도의 피해를 야기하며 하지만 그것이 실현될 수 있는가의 문제를 반영하고 특정 상황이 아닌 항상 존재하는 위험인가를 파악해보면 그 정도에 이르지는 못하며 즉 완벽한 자율성을 갖춘 기계는 아직 요원한 상황이며 자율형 무기체계에 대한 방대 학살 등의 문제는 정치적 목적 군사적 목적이라는 특수한 과정에서 발생할 수 있으며 여기서 다시 새로운 보안의 문제가 생기게 된다.

자율주행차 돌봄 로봇 자율형 스마트 홈 수술 로봇 드론 등이 해킹되는 경우 충족한 위험성을 갖추지 않느냐의 문제이며 그러나 이는 열거한 위의 기기들이 인간이 아니라 자동으로 행위한다는 점이 변하질 뿐이지 본질에 관한 위험성은 그 기기로부터 나타나고 그동안 수술 로봇을 인간이 다뤄왔다면 이제는 로봇이 자동으로 행할 뿐이고 드론을 인간이 조종했다면 드론이 자동으로 비행하는 것뿐이며 그들에 의한 드론의 충돌 악의적 목적의 촬영 잘못된 판단 등의 문제들은 그 프로그램과 기기로부터 발생하는 것이며 따라서 인공지능이 활용된다는 것은 마치 기존의 기계에 소프트웨어가 삽입되어 신기능을 창출하듯이 기존의 기계를 AI가 대체하는 것뿐이다.

이에 대해서는 논라운 일이 있었으며 AI의 미래를 고려하면 마땅히 그 위험은 어떤 기술보다 높고 지금의 기술 수준에서도 통제 가능성과 예측 가능성 등을 고려하자면 위험 책임의 원리를 활용하는 것이 가장 적합하며 인공지능을 적용하는 것만으로 위험을 내포하고 있다는 과정이 인정될 수 있으며 다만 현재 상황에서 인공지능의 위험과 이로부터 예측되는 손해는 옛날 것보다 크게 달라지지 않는데 즉 간단히 위험이 얼마나 존재한다는 원인으로만 책임을 부여할 수 없다는 것이며 이 영역을 넘어서 초월하는 위험이 상상 확인되는 등 표시돼 더라도 그 위험을 어떻게 분배하여 책임을 분류할 것인지의 문제는 다시 걱정해봐야 할 문제인 것이며 위험을 야기한 자는 보안 통제를 담당하는 인공지능이 될 것이라면 이를 디자이너가 미친 위험 그 위험이 생긴 것을 상상했었던 분량은 여전히 설명되지 못하며 그렇다면 디자이너 보안 서비스 담당자 이용자와 관리자 등의 관계 정립 및 요원한 문제로 남을 것이며 이어서 위험 책임의 활용은 아직 섣부른 것으로 판단되고 있으며 앞에서 바와 같이 살펴보면 인공지능 규제 문제는 초기에는 전통적인 불법행위법의 틀에서 접근되어왔지만 점차 그 규율의 한계가 노정됨에 따라 배상책임 구조로 변화하고 있음을 알 수 있으며 각 책임 이론의 가장 중요한 요소는 분석 결과와 책임 구조에 인과 관계되고 있으며 인공지능 및 인공지능 보안 서비스에서 인공지능 기술 자체가 갖는 알고리즘의 불투명성 및 예측 불가능성으로 인해 원인과 결과 사이의 관계를 명확히 도출해 낼 수 없기 때문이며 현재의 대표적인 책임 구조 정립을 위한 인과관계의 판단에는 상당인과 관계설이 적용되고 있다.

위험과 관련 설

상당인과관계설이란 인과관계를 판단함에 있어 자연과학이나 사실적 접근이 아닌 규범적 접근방식을 취함으로써 가치 판단을 통해 책임 귀속의 결과를 도출하고자 하는 것이며 즉 판단 대상과 환경의 정황과 조건 심리 상태 제삼자의 인식 통상적인 국민의 의식 등 규범적으로 중요한 요소들을 검토하고 인과관계의 존부를 판단하는 방식이며 결국은 인공지능과 책임에 관한 문제는 개별 상황에 따라 구체적으로 판단할 수밖에 없다는 점이며 그렇지만 기존의 책임 이론 가운데 AI에 관련해 현실적으로 적용될 수 있을 것으로 보이는 것은 AI 소프트웨어가 하드웨어에 탑재되어 적용되는 관점에서 사고가 일어나는 경우의 공작물 책임 또는 제조물 책임이 해당하며 관념적으로 활용할 수 있는 구조는 위험 책임론 등을 통해 귀납되는 무과실 책임주의라고 볼 수 있으며 그러나 이러한 과정에도 단순히 위험 책임에 따르면 AI에 위험이 존재한다고 보기 복잡하다는 점 이익을 취하는 타인에게 책임을 부여하기 위한 보상 책임의 원리에 대해서도 AI 적용 본연의 목적이 변상책임이 이용되는 특정 수혜 범위랑 부합되지 못한다는 것 등의 문제가 있으며 무엇보다 복잡한 점은 다시 한번 말하지만 방대한 이해관계자가 얽힌 상황에서 결과 및 원인 가운데의 관계를 파악할 수 없고 이 일로 인해 책임 구 조의 분배는 요원해질 수밖에 없다는 것이며 결국은 현재 법체계에 서의 책임 구조는 AI의 행위 결과에 정확한 답을 던질 수 없고 법안 제도로 과제 불과하다는 점은 그 상위 규칙으로 살펴봐야 한다는 결과로 귀결되며 이 모든 과제가 특정 주체의 행위로부터 일어나는 손해와 그에 알맞은 책임으로 개척되고 있기 때문이며 이 점에서 한걸음만 더 넘어가면 단순히 책임 본래의 원리인 피해나 응보의 전보 등에서 벗어나 방지라는 관념에서 접근할 필요가 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차동차와 법률

알 수 없는 사용자 — Mon, 22 Nov 2021 23:25:45 +0900

Photo by Bram Van Oost on Unsplash

전기차 관련 법률

민법 제750조는 고의 또는 과실로 인한 위법행위로 타인에게 손해를 가한 자는 그 손해를 배상할 책임이 있다고 하여 불법행위의 내용을 규정하고 있으며 즉 고의 또는 과실이라는 귀책 근거를 요하는 과실 책임주의를 천하고 있으며 과실 책임주의에 따라 불법행위가 성립하려면 고의 또는 과실의 존재 이로부터 발생한 위법한 행위 타인에 대한 손해의 발생 위법행위와 손해 발생이라는 결과 사이의 인과관 계가 인정되어야 하며 특히 본래 영미법 체계에서 파생된 불법행위 법의 핵심은 주의의무의 위반 여부를 핵심으로 하며 이는 당해 행위의 과실 여부를 판단하기 위해 주의 의무의 존재 및 의무의 위반 여부를 조건으로 한다는 것이며 특히 중요한 것은 불법행위법과 손해배상책임의 원리가 정립되는 과정에서 예측 가능성이 등장하였다는 점이며 영미법상 불법행위법 손해배상책임의 예측 가능성은 행위의 결과가 가해자의 예측 가능성을 넘어 발생하는 경우가 많고 결국 이런 결과에 대하여 피고에게 배상 책임을 지도록 하는 것은 결과 책임을 과도하게 강조하는 것으로 사회의 공정과 정의의 개념에 반한다는 관점에서 더해진 개념이며 따라서 손해배상의 범위를 판단하는 과정에는 예견 가능성 다시 말해 침해를 예견하거나 예견할 수 있었다는 점이 반영되는 것이며 과실 책임주의의 원리에 따르면 AI의 행위에 따른 책임은 실제로 판단하기 복잡하며 먼저 불법행위는 사람의 행위에 완전히 귀속된다.

따라서 천재지변이나 자연재해에 대한 손해는 배상받을 수 없으며 동물에 대한 피해 또한 마찬가지이며 동물 경우에는 민법상 무주물(제252조)에 해당하며 동물법 제759조에 따르면 동물의 소유자는 동물이 다른 사람에게 가산한 손해를 변상할 책임을 지고 이러한 상황에도 상당한 주의를 해태하지 않을 때에는 그러하지 않다는 단서를 두고 과실책임에 따른 손해 변상의 조건으로 주의의무를 두고 있으며 따라서 현행범 체계상 AI 및 기계는 동물과 또 다른 간단한 사물에 해당함으로써 그 사물의 특성상 소프트웨어로서 일반적인 AI 프로그램이 해당하는지 가부도 논란에 있는 과정이며 결론적으로 AI이나 로봇의 사해행위는 제도적 행위성을 부인하며 원칙적으로 법안 제도적 책임의 주체가 될 수 없고 이러한 과정에서 앞서 살펴본 EU의 결의 안은 로봇에 의한 특정 법안 제도적 지위를 붙여줘 한정된 상황에 의무와 권리를 주고 자기가 야기한 손해나 손상에 피해를 변상할 책임을 묻고 계약 등의 행위를 참조하여 인간 등 타인과 상호작용하는 상황 전자 인격을 인정하고 있으며 둘째 이처럼 AI이나 로봇에 제한된 법적 지위를 부여하는 상황을 참조하여 단순히 과실 책임주의의 측면에서만 살펴보면 어떨까 위의 언급하였듯 과실은 결국 주의의무의 위반과 선견 가능성의 존부를 조건으로 하며 그러나 AI의 경우 분명히 특정할 수 있고 직접 관련되는 행위자를 판단할 수 없으며 사람이 설계해 놓은 프로그램이 자기가 학습하여 과실 있는 행위를 행한다면 누구의 책임인가 AI 보안관제 시스템이 특정 로그를 학습하거나 놓친다는 점에서 가중치가 변하고 그릇된 데이터를 도출해낸다면 따라 기반하여 시스템 분석가가 데이 터를 분석하고 백신 프로그램 등에 활용시켜 사고가 발생했다면 이는 AI 보안 분석가의 책임인가 아니면 보안 서비스의 설계자 책임인가 혹시 업데이트를 수행하지 않았던 활용자가 있었다면 활용자도 책임을 지는가 AI 관리자 제작자 설계자 이용자 등 관련된 주체들 중 누구의 주의의무를 판단해야 하는지의 문제도 존재하므로 과실책임 주의에 따르면 AI의 행위성 또는 책임 주체성과 더불어 주의의무를 위반한 대상을 표시할 수도 없다.

과실로 다른 사람의 손해를 야기한 자가 책임을 갚는 절대적 원칙은 사회 문화 기술 정치 등의 변화와 발전로 특정 사례에서 예외를 인정하기 시작하였으며 즉 사회 환경의 변화로 공공복리의 필요성이 증대됨에 따라 계약 자유 소유권 절대 과실책임이라는 근대 민법의 3 대 원칙에서 계약 공정 소유권 공공 무과실책임이라는 수정 원칙이 파생된 것이며 우선 전문성을 요구하는 영역에서 분쟁이 발생한 상황 법률관계의 형평성을 참조하여 행위의 결과와 과실 사이의 인과 관계를 추정하기도 하며 위험을 야기한 타인이 책임을 부여한다는 위험 책임의 위험과 원리 손해를 야기하여 이익을 득한 입장에서 손해를 배상하도록 하는 것이 공정하다는 보상 책임의 원리도 동일한 맥락이며 이러한 원리로부터 아래의 무과실 책임주의가 등장하였으며 무과실 책임주의 정책 및 제도적 관점에서 위험사회에 대한 평가와 행정상 위험관리의 문제는 곧 국가와 사회의 책임으로 개설된다.

따라서 국가는 안정성 확보를 위해 예방적 역할을 수집해야 하며 이는 입법이라는 수단으로 나타나게 되고 최종적으로 국가의 안전성 보장에 대한 책임은 입법 작용을 담당하는 의회에 있는 것이며 즉 위험사회에서는 위험을 하나의 구조로 인식함으로써 국가와 사회는 위험의 발생을 억제 하기 위하여 스스로의 역할에 관한 성찰을 수행하며 위험을 예방하기 위한 작용을 강구하게 되는데 위험 예방 수단을 마련하는 방식은 입법을 통해 이루어지며 법치국 가에서의 입법 기능은 의회에 있으므로 그 책임과 역할이 의회에 주어진다는 것이며 결국 위험을 예측하거나 겪는 등 인식하게 되면 국가 및 행정은 위험을 방지하고 관리하기 위해 규범적 대응으로서 입법 작용을 수행하는데 근본적으로 법률은 추상성을 갖고 입법절차에는 한계가 존재하며 때문에 실제로 다양한 원칙과 입법형식을 통해 구현되고 있음에도 불구하고 근본적으로 행정법상의 위험관리를 위하여 추상적 위험에 대한 대응방안을 입법적으로 구현하는 경우 국가권력(공권력)의 과잉된 행사로 기본권이 축소되고 국가에 의한 또 다른 위험이 야기될 수 있는 부작용도 존재하므로 이러한 관점도 고려할 수 있어야 한다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차와 AI기술력 과의 관계

알 수 없는 사용자 — Fri, 19 Nov 2021 17:32:37 +0900

AI 기술력

공공분야(의료 안전 국방 등)를 대상으로 美DARPA 프로젝트와 같이 특정 영역을 대상으로 정확한 지목을 가지고 Full Scale(핵심기술에서 응용기술까지)로 개척하는 대형 인공지능 프로젝트를 추진하여 시각‧언어지능 머신러닝 등 독자적인 인공지능 기술력을 확보할 계획이고 또한 차세대 인공지능 핵심기술의 확보를 위해 그동안 추진해온 인공지능 연구개발 챌린지 대회 인공지능 HW 분야 지원 및 인공지능 국가전략 프로젝트 등도 확대하고 특히 미래 소재 신약 등을 AI 기술과 접목 하는 AI+X(타 영역) 융합을 강화하여 광범위 혁신이 촉발되도록 할 예정이며 대학의 인공지능 강좌 미비 양성기관 취약 등으로 부족한 인공지능 인력을 인공지능에 특화된 발전형 프로그램을 통해 5000명을 양성할 계획이며 대학의 인공지능 특화 커리큘럼 교육 등을 위한 AI대학원 신설 대학 R&D센터의 인공지능 영역 지원 증대뿐만 아니라 세계기 업과의 공동 R&D 등을 통해 차세대 핵심 원천 기술을 개척할 수 있는 최고급 인재를 2022년까지 1400명 배출하며 또한 인공지능 최고 전문가 멘토링을 통한 인공지능 특화 비즈니스 모델 개발과정 운영과 인 공지능 프로젝트 수행 등을 지원하여 인공지 능을 적용한 신제품‧서비스를 창조할 수 있는 데이터 적용을 가운데로 하는 융 복합인재를 2022년까지 3천600명을 확보할 계획이며 인공지능 스타트업 중소기업 등이 인공지능 R&D에 본격적으로 적용할 수 있는 핵심 인프라를 지원할 예정이며 슈퍼컴 5호기에 인공 지능 전용 자원 할당 등을 통해 2022년까지 연간 400여 개의 기업이 컴퓨팅 파워를 적용할 수 있도록 개척 세울 것이며 또한 기업들이 요구한 학습용 데이터를 2022년까지 1.6억 건 구축하여 올해 2월부터 운영 중 인 인공지능 허브를 통해 제공하고 별 도적으로 인공지능이 언어 이해력을 올리기 위해 데이터(말뭉치)도 152.7 억 어절을 구축하여 공급하며 법적 책임은 크게 민사책임과 형사책임으로 구분되며 일반적으로 민사책임은 손해 전보 및 손실 분산 기능을 갖고 형사책임은 제재와 예방의 기능을 가진다.

즉 민사책임은 타인의 법익을 침해한 행위에 대한 행위자의 개별적 책임을 묻는 것으로 피해자에게 발생한 손해의 전보를 그 내용으로 하며 따라서 손해배상제도는 손해의 공평 타당한 부담을 기본 원리로 하며 43 그에 반해 형사책임은 사회의 법질서를 위반한 행위에 대한 책임을 묻는 것으로 행위자에 대한 공적 제재로서의 형벌을 내용으로 하며 44 또한 형사법상의 책임이란 규범이 요구하는 합법을 결의하 고 이에 걸맞게 행동할 수 있었음에도 불구하고 불법을 결의하고 위법행위를 저질렀다는 것에 대해 행위자에게 가해지는 비난 가능성을 의미하며 45 따라서 형사책임에는 위법성의 인식이 요구되며 고의가 있는 경우 처벌하는 것이 원칙이고 과실 범은 예외적으로 처벌하며 철저한 자기 책임의 원리로 타인의 잘못에 대해 책임지지 않는 것이 원칙이며 이에 반해 민사책임은 위법성의 인식을 요하지 않고 따라서 고의뿐만 아니라 과실이 있는 경우에도 원칙적으로 손해배상 책임을 부여하며 타인의 행 위에 의해 손해가 발생하였더라도 일정 범위 내에서 책임을 질 수 있으며 유추해석의 관점에서도 형사책임은 죄형법정주의에 따라 엄격한 제한을 받지만 민사책임은 이러한 수준의 제한이 존재하지 않고 다양한 상황과 환경에 따라 비교적 유연한 모습을 보인다.

Photo by Matt Palmer on Unsplash

자율주행 자동차의 보안

위험책임과 무과실책임을 인정하는 것으로 증명하고 있으며 또한 자율주행 자동차 보안 시스템이 어느 수준이었는가 당해 공격이 유관 산업 및 현장에서 일반적으로 예측 가능하고 회피할 수 있는 수준이었는가 등 보안 시스템의 과실 여부 등을 따질 수도 있겠지만 직접적인 피해를 야기한 책임의 주체는 분명히 공격이고 여기서 다시 생기는 문제는 공격자를 찾아내지 못하는 경우인데 이 경우 마치 현재 인터넷 서비스 제공자(ISP Internet Service Provider)나 포털 사업자(CP Contents Provider) 등의 책임 구조와 비슷한 방향으로 흐를 수밖에 없다.

포털 사업자 등이 영업을 행하는 과정에서 해킹으로 인해 개인정보가 유출된 경우 당해 업계에서 요구되는 기술적 관리적 보안 관련 조치 의무를 이행 하지 않았다는 점에 대한 비난 가능성으로서 주의의무를 위반한 것으로 보고 민사상 불법행위가 되는 것이며 과실책임이 주어지는 것이며 인공지능과 책임의 관계에서 문제가 되는 핵심 요소는 인공지능을 개발하고 활용시킨 개발자와 설계자조차도 AI 이야기할 결론을 예측하기 어렵다는 과정과 더불어 직접적인 결론을 이야기하는 AI는 인간이 아니므로 법안 제도적 주체가 될 수 없다는 점이다.

AI의 보안 영역 접목에 있어 연관된 당사자는 AI 보안 서비스의 디자이너 전체 보안 서비스 담당자인 경영자 해당 보안 서비스의 관리자 공격자 AI 보안 서비스 활용자 정도로 마무리될 수 있으며 당연히 구체적인 상황과 사안에 따라 달라질 것이나 상식적인 상황에서 복잡한 이해 관계자가 엮여있고 사건의 발달장애 책임을 묻는 과정에서 기존의 구조책임을 어떻게 활용하여 손해를 분배할 것인지의 과제를 검토할 필요성이 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차와 딥러닝 구조와 역할

알 수 없는 사용자 — Sat, 13 Nov 2021 13:22:36 +0900

Photo by Brecht Denil on Unsplash

전기차와 딥러닝 구조

딥러닝 구조를 이루고 있는 인공신경망의 각 층을 비지도 학습을 통해 전처리(pre-processing)를 수행하고 그 데이터를 겹겹이 쌓아 올려 최적화를 이뤄내면 여러 층을 통해 딥러닝을 수행하더라도 정확 도를 유지할 수 있었던 것이며 이 방식은 일반화되어 이제 딥러닝 은 특징 추출을 위한 전처리 과정이 전체 학습 과정에 포함되고 전처리 과정에서 손실될 수 있는 정보를 자동 추출하며 높은 수준의 추상화를 통해 방대한 데이터를 다룰 수 있다는 특징을 갖게 되었다.

나아가 힌튼 교수의 연구팀은 슈퍼컴퓨터를 기반으로 딥러닝 알고리즘을 병렬화하는 데 성공하였으며 이어 GPU가 병렬 연산에 최적화된다는 점을 이용하여 CPU가 아닌 GPU를 통해 딥러닝의 연산 속도를 끌어올리며 딥러닝은 본격적으로 발전하기 시작했으며 현재 딥러닝의 핵심 알고리즘은 크게 합성곱 신경망(CNN Convolutional Neural Network)과 순환 신경망(RNN Recurrent Neural Network)으로 구분된다.

합성곱 신경망이란 최소한의 전처리(pre=porcess)를 사용하도록 설계된 알고리즘으로 다단계로 특징을 추출해내는 방식이며 이는 기존 다층 신경망에서 발생하던 긴 학습시간과 방대한 데이터의 양을 획기적으로 줄이며 특히 얼굴 인식에 뛰어난 효율을 보이며 즉 은닉층 하나를 추가하는 경우 필요한 가중치(weight)와 편항(bias)이 해당 은닉층의 뉴런 개수에 따라 계속 늘어나는데 은닉층을 계속 추가하여 겹겹이 쌓는 경우 네트워크의 크기가 거대해지며 원 데이터에서 조금 벗어난 데이터를 학습하려면 새로운 학습 데이터를 입력해야 하며 딥러닝의 최고의 큰 장점은 스스로 데이터로부터 특징을 도출하며 학습할 수 있다는 점이며 간단한 저 레벨의 특징에서 더 복잡한 상위 레벨의 특징을 스스로 추출할 수 있으며 2012년 구글과 스탠퍼드대의 앤드류 응(Andrew NG) 교수는 약 10억 개 이상의 신경망으로 구성된 심층 신경망(DNN Deep Neural Network)을 구현하고 이를 통해 약 1000만 개의 이미지에서 컴퓨터가 사람과 고양이를 분류하도록 만드는 데 성공하였으며 컴퓨터가 고양이의 특징을 스스로 인식하고 판단하게 한 것이며 딥러닝으로 훈련된 시스템의 이미지 인식 능력은 이미 인간을 앞선 것으로 평가된다.

차세대 딥러닝 구조

이 외에도 딥러닝은 바둑 스타크래프트 등 게임 분야 혈액의 암세포나MRI 스캔을 통한 종양 자동 식별 등에 널리 활용되고 있으며 딥러닝의 발전이 AI 역사에 어떤 영향을 미치고 있는지에 관한 논의 아주 다양하며 이는 인공지능에 관한 인류의 직결과 우려 또는 기대되고 하지만 적어도 앞서 살펴본 인공지능의 정의 및 발전 과정 본연의 의도를 고려할 때 사람의 뇌를 완벽히 컴퓨터로 실현할 수 있는 과정에 본래 AI의 개념도 실현될 여지가 없지 않으며 이에 대해 Herbert Simon과 Allen Newell은 이른바 물리적 신호체계 가설(physical symbol system hypothesis)로 정의된다.

즉 물리적 신호체 계는 지목 행위 일반을 위한 필요충분조건으로 필요하다는 것은 일반 적인 기능을 인식하는 모든 체계가 물리적 신호체계로 분류될 수 있다는 뜻이며 충분하다는 것은 충분한 공간을 가진 물리적 신호체계라면 어떻게든 일반 기능을 알아내도록 구성될 수 있다고 주재하며 최근 들어 차세대 인공지능은 촉발하는 핵심동력으로 주목받고 있으며 4차 산업혁명이 전 세계적으로 단연 화두이며 인공지능은 간단한 새로운 기술이 아닌 사회·산업 구조의 광범위한 변화를 깨달은 혁신기술 이자 범용기술로서 국가 경쟁력 제고와 국민 삶의 질을 위한 꼭 필요한 기술이라고 볼 수 있으며 인공지능이 격변하게 발전하고 있다 미래엔 10여 년 간의 변화는 AI 개념이 등장한 1950년대 중반부터 현재 가운데인 60여 년간의 변화를 압도할 것으로 전망된다.

l는 자체의 기술 혁신을 넘어 자율주행차 등기존산업의 격변뿐만 아니라 과학과 기술 발전까지 격변한 조력자 역할이 수행하고 이어서 글로벌 기업들은 인재 선점에 총력과 기술력 확보를 기울이고 인공지능 선도국들은 미국 중국 등 자국의 상황을 고려하여 차별화된 인공지능 대책을 추진하고 있는 것을 볼 수 있으며 인공지능은 사람의 지적능력(학습 인지 등)을 컴퓨터로 구현하는 지능으로 데이터 학습을 근간으로 한 이유로 학습을 가능한 양질의 차별화된 알고리즘 확보 및 고성능 컴퓨팅과 데이터가 인공지능 서비스의 경쟁력을 결정하는 핵심 요소로 부각되고 있으며 따라서 과학기술정보통신부는 한국 경쟁력을 고려한 인공지능 개발 연구 전략을 마련하였으며 한국 Al 기술력은 중국 미국 대비 다소 취약하나 ICT 산업이 두루 발전되어있으며 여러 국가 대비 인공지능을 활용‧개발할 수 있는 여건이 양호하고 커다란 산업 분야가 인공지능 적용을 오픈된 단계이므로 전략적 접근 시 경쟁력 확보가 능숙한다는 판단이며 의료 등 영역별 데이터를 적용한 정부가 직간접 서비스를 제공하거나 공공데이터를 활용한 부분을 가운데로 핵심기술 개발을 추진하고 시장 혁신을 리드할 수 있는 발전형 프로그램을 통해 최상급 인재 배출을 배출하며 기업의 인공지능 알고리즘 개발을 지원하는 컴퓨팅 파워 및 데이터 제공에 중점을 두며 이어서 차세대 인공지능의 특징을 살펴보면 다음과 같이 첫제는 AI 기술력 확보성 둘 제는 최고급 인재 양성 셋 제는 AI 데이터가 부촉 3가지로 정할 수 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차와 머신러닝 사이의 관계

알 수 없는 사용자 — Thu, 4 Nov 2021 15:19:05 +0900

Photo by Waldemar Brandt on Unsplash

전기차와 머신러닝 머신러닝

머신러닝(Machine Learning 로봇 학습)은 사람의 학습 능력을 기계 를통해 구현하는 방법으로 색다른 데이터로부터 학습하여 자동으로 성능을 향상하는 기술 및 알고리즘을 개발하는 분야이며 즉 컴퓨터 자기가 막대한 데이터를 분석해서 미래를 예측하는 기술이며 컴퓨터는 데이터를 분석하고 자기가 학습하는 기간을 이어지고 나면 패턴을 알아볼 수 있는 능력을 맺게 되며 이러다 보면 입력하지 않은 정보에 대한 결정 및 판단할 수 있게 되는 것이며 이것이 바로 기계학습이라고 하며 기계학습은 다시 말하자면 막대한 양의 데이터 가운데 비슷한 것끼리 묶어내고 서로 관계있는 것들의 상하구조를 인식하여 이것을 바탕으로 앞으로의 행동을 예측하는 기술이며 머신러닝은 학습 방법에 따라 지도 학습(Supervised Learning) 비지도 학습(Unsupervised Learning) 강화 학습(Reinforcement Learning)으로 크게 두 가지 나눌 수 있다.

지도학습이란 객체별로 속성에 대한 입력 벡터와 분류 결과(Label)가 주어진 학습 데이터를 통해 하나의 함수를 유추하여 새로운 객체에 대한 목표치를 예측하는 방식이며 기계를 학습시키는 과정에서 연구자 등 일종의 교사(Supervised)가 입력값과 출력 값 모두를 알려주는 방식이며 목표치의 형태에 따라 분류(Classification)와 회귀(Regression) 결정 트리(Decision Tre e) 등의 방식이 활용되며 따라서 인식 분류 진단이나 예측 등에 적합하고 방대한 데이터를 세부 분야별로 분류한 좋은 데이터셋 (Dataset)이 있다면 매우 정확한 결과를 신속하게 도출할 수 있으며 지도 학습은 인간이 정한 학습 데이터를 통해 학습이 이루어진다는 점에서 성능과 효과가 더 높지만 그만큼 시간과 비용이 소요된다는 단점을 가지며 비지도 학습이란 지도 학습과 달리 출력 값이 주어지지 않고 즉 입력값만을 도입하여 그 데이터를 설명하는 특성을 도출 하기 위한 방법이 가장 크다고 할 수 있으며 이러한 점에서 비지도 학습은 군집(Clustering) 29 밀도 추정(Density Estimation) 차원 축소 (Dimensionality Reduction) 30 등에 활용되며 데이터들로부터 특징을 찾아내는 기능에 가장 적합하다고 할 수 있으며 머신러닝의 핵심은 분류이고 회귀 등 다양한 방법이 있다.

다양한 머신러닝 기법

기본으로 데이터를 잘 분류할 수 있다면 사물과 현상의 특징을 도출하고 같이 학습하며 신 결론을 낼 수 있으며 그 방법에는 매우 가까운 데이 터의 분류 기준을 비행하는 최근접 이웃방식(Nearest neighbor) 데이터의 특징이 어떤 분류에 관련해 딸리는지의 확률을 곱해 거대한 데이터들을 분류하는 나이브 베이 즈법(Naive Bayes) 어느 관념이 특정 집합에 관련해 딸리는지 아닌지를 기준으로 분류해나가는 신경망 (Neural Network) 결정 트리(Decision Tree) 등이 있으며 이러한 과정에 신경망 기반의 머신러닝은 또 다른 방식과는 구별되는 관념을 기반으로 생기며 즉 인공신경망은 사람의 뇌를 수용하는 신경세포인 시냅스와 뉴런 정보를 통신하는 방법을 모방하며 인공신경망에 관련 연구는 앞서 AI의 발전 과정을 분석해보며 1943년 월터 피츠(Wlater Pitts)와 워렌 맥클 록(Warren McCulloch)에 대해 최초로 수행되었음을 인식하였으며 뉴런이 시냅스를 통해 전기 자극을 통신하는 과정에는 임계값(threshold)이라는 관념이 있으며 즉 수학적으로 표시하자면 전기 자극이 이런 임계값을 넘지 못하면 0 임계값을 넘어 신호가 확인되면 1로 확장하는 것이며 이어서 인공신경망에서 중요한 점은 가중치(weight)의 부여이며 그 표준이며 이를 어떻게 시설하느냐 즉 특징을 어떻게 적용해 나가느냐에 따라 AI가 수행하는 판단 및 예측의 정확도가 결정된다.

다양한 데이터들을 잘 분석할 수 있는 선을 긋고 비선형 변함을 통해 그 공간을 날조하는 것이 인공신경망의 기존 관념이라면 그 정확도는 분류의 표준이 되는 선을 잘 알맞게 조절 하여 최적화(optimization)함으로써 성공할 수 있었으며 로봇은 이를 명확히 정할 수 없었고 가장 확실한 방식은 사람이 특징을 도출하여 로봇에 표준으로써 입력 표준선을 조절하는 방법이었고 이러한 방법은 딥러닝의 발전을 통해 돌파되고 있으며 딥러닝은 현대 AI 기술의 발전을 이끌고 있으며 딥러닝은 머신러닝의 한 가지로서 인공신경망(ANN Artificial Neural Networks)에 기반하며 딥러닝은 비선형 변환 기법의 조합을 통해 우수한 수준의 추상화 표현을 수행하여 다양한 데이터를 분류하고 특징을 도출해내며 보통 구조는 신경망이 투입 벡터를 받고 이를 입력층 (input layer)에 전달하며 감추어진 방대한 은닉층(hidden layer)에서 학습을 수행하여 출력층(output layer)을 통해 결정을 도출하는 것이며 기본 인공신경망의 우수한 한계는 상기 언급하였듯이 매우 적절한 특징 표준을 정하는 최적화였다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)

전기차 에서의 인공지능의 정의

알 수 없는 사용자 — Tue, 26 Oct 2021 23:13:33 +0900

Photo by CHUTTERSNAP on Unsplash

인공지능의 정의

알파고와 이 세 둘의 바둑 대결은 인공지능에 대한 경이감을 불러일으켰고 이처럼 알파고로 세상을 놀라게 한 AI(Artificial Intelligence)가 본격적으로 실생활에 들어와 예상보다 빠르고 깊숙이 영향을 미치고 있으며 이렇게 세월처럼 빠르게 변화시키고 있는 AI에 실생활에는 강한 규정을 필요할 것이며 규정을 위해서는 규정의 대상과 범위를 명확히 파악해야 하며 특히 새로운 IT 과학기술은 사회에 다양한 긍정적 부정적 영향을 준다는 점에서 법과 규정은 혁신을 이끌고 지원할 수 있었고 반대로 혁신 이 동반하는 위험을 통제하고 완화할 수가 있어야 하며 16 무엇보다 최근 인공지능을 대표로 하는 지능정보기술 환경은 실제 국가 사회와 우리 일상에 혁신적인 변화를 가져오고 있으며 그 변화의 결과가 어떻게 나타날지는 정확히 예측할 수 없으며 그리고 이는 인공지능에도 지능과 더불어서 자아와 인격 이부여 된다는 것을 의미하고 이것 때문에 인공지능과 관련된 법적 규정 윤리적 문제에 대한 논의는 더는 피할 수 없게 되며 인공지능의 폐해에 관한 현실적인 문제는 인공지능의 발전과 유용으로 인한 실직 증가이다.

현대 AI의 눈부신 성과는 저렴한 컴퓨팅 하드웨어의 확산이 주요한 요인중 하나이며 과거 AI의 역사를 보면 AI의 두 번째 황금 시간을 이끈 오류 역전파법은 데이터와 컴퓨팅파워의 부족 학습 방법의 일관성 결여 등의 원인으로 인해 역설적으로 AI의 겨울을 초래했으며 그 이후 컴퓨팅 하드 웨어는 무어의 법칙 아래 지수적으로 성장했고 빅데이터의 출현으로 인해 인공신경망의 학습 성능은 비약적으로 향상됐으며 이로 인해 AI는 4차 혁명 산업의 핵심 기술로 투입할 만큼 발전했으며 전산업에 파급효과를 일으킬 만큼 폭발적인 수요를 얻고 있으며 18 이런 AI의 수요만큼 컴퓨터 인프라에 의한 수요가 역시 너무 증가하여 고성능 컴퓨터 분야에서도 AI에 대한 관점이 최대한 높아지고 있는 상황이며 AI의 수요가 비약적으로 오를 만큼 AI 클라우드 컴퓨팅 인프라 시장을 선점하기 위한 전 세계 경쟁 역시 가속화되고 있으며 마이크로 소프트 구글 아마존 등 글로벌 IT 기업은 확대한 투자금을 투입하여 AI 클라우드 컴퓨팅 인프라를 구축 및 서비스하고 있으며 더욱 일본은 자국의 AI 연구개발 활성화를 위해 195억 엔 규모의 AI 클라우드 컴퓨팅 인프라(ABCI)를 구축할 것이며 AI 컴퓨팅 인프라에는 주로 금액 대비 연산 효율이 좋은 GPU로 구성된 장비들이 적용된다.

인공지능과 GPU

GPU가 각광받는 거는 심층학습 알고리즘의 과정에서 찾을 수 있으며 심층학습의 알고리즘은 연산량이 커다란 세부 알고리즘으로 완성되기 때문이며 현대 연산 처리 장치는 연산성능이 월등히 뛰어나다는 점에서 가격 대의 CPU 대비 연산 효율이 좋은 GPU가 시장을 선점하고 있으며 따라서 AI 구현을 위한 컴퓨팅 인프라는 대충 GPU를 탑재한 고성능 통신망이 일반적이며 외국에서도 인공지능 컴퓨팅 인프라의 중요성을 인지하고 관계된 사업을 전개하고 있으나 질적･양적 방면에서 부족한 것이 현실이며 또한 인공지능 컴퓨팅 인프라에 대한 향후 수요와 현황에 대한 면밀한 조사의 부재로 인프라의 지원과 필요성 규모를 예측할 수 있는 자료가 부족하고 이에 본보고서는 AI 연관 중소기업･스타트업 215개를 참조하여 AI 컴퓨팅 인프라 보유 향후 수요와 현황을 추정했으며 또한 정부의 인프라 지원정책에 관련 설문을 통해 선호도를 관입했으며 설문 조사 분석 결과 215개 중소기 업･스타트업의 AI 컴퓨팅 인프라 보유 향후 수요는 47.14 PFLOPS이며 현황은 25.94 PFLOPS로 조사됐으며 현재 인공지능 기술은 2010년부터 급속히 성장한 빅데이터 컴퓨팅 파워와 머신러닝 및 알고리즘 기술의 고도화에 기인하며 19 인공지능 관련 기술은 아직 정형화되어있지 못하기 때문에 명확히 분류할 수없고 2012년 제프리 힌톤(Geoffrey Hinton)을 중심으로 하는 토론토 대학의 연구진에 의해 이미지 인식 분야에서 혁신적인 정확성을 보이고 나서 딥러닝은 갑자기 떠올랐으며 2006년부터 딥러닝에 의한 연구가 시작했으니 인공지능 연구계에 충격을 안겨준 딥러닝의 등장은 기존 이미지 인식의 연구자들로 하여금 큰 위기감을 느끼게 했다고 하며 현재 인공지능 기술의 핵심은 로봇 학습 특히 딥러닝이라고 부를 수 있으며 AI 기술은 패턴인식(Pattern recognition) 음성인식(Speech recognition) 자연어 처리(Natural language processing) 전문가 시스템(Expert system) 가상 에이전트(Virtual agents) 기계학습(Machine learning) 등 아주 다양하다.

Forrester Research는 최근 상위 AI 기술로 음성인식(Speech recognition) 가상에이전트(Virtual Agents) 자연어 생성(Natural language generation) 머신러닝 플랫폼(Machine learning platform) 인공지능 최적화 하드웨어 (AI-optimized hardware) ACES:자율주행(A) 커넥티드 카(C) 전동화(E) 의사 결정 관리(Decision management) ADAS의 기술 딥러닝 플랫폼(Deep learning platform) 5G 이동통신 기술 로봇 프로세스 자동화(Robotic process Automation) 생체인식(Biometrics) 자연어 처리(Text analytics and NLP) 및 텍스트 분석의 여러 가지 기술의 영향을 미치고 있다.

※참조 문헌 : 중국 무인차 산업의 문제점과 활성화 방안에 관한 연구(스친 2019)