수집된 데이터의 99퍼센트가 무의미

암기를 넘어 사고하는 자동차

자율주행 기술은 눈부시게 발전했지만 여전히 디스코 볼을 들고 가는 행인 같은 돌발 상황 앞에서는 당황하곤 합니다. Jordyn Grzelewski의 자율주행차가 여전히 미지의 상황과 씨름하는 이유라는 이 기사를 바탕으로 자율주행이 직면한 데이터의 역설과 이를 돌파하기 위한 최신 기술 트렌드를 정리해 드립니다.

데이터의 배신: 99퍼센트는 무의미하다

그동안 자율주행 기업들은 수집한 주행 거리의 양을 자랑해 왔습니다. 하지만 로보택시 기업 모셔널의 고백은 차가웠습니다. 수집된 주행 데이터 중 실제로 기술 고도화에 도움이 되는 것은 1퍼센트 미만이라는 사실입니다.

맑은 날 평범한 도로를 달린 데이터는 인공지능에게 새로운 것을 가르쳐주지 못합니다. 결국 승부처는 얼마나 많이 달렸느냐가 아니라 Edge Case라 불리는 1퍼센트의 특이한 상황을 얼마나 잘 골라내고 학습했느냐에 달려 있습니다.

현재 자율주행차는 바로 이 '인간의 상식'을 배우는 중입니다. 99%의 의미 없는 반복 학습에서 벗어나, 1%의 특별한 경험을 통해 세상을 이해하려 노력하고 있죠.

모셔널은 옴니태그라는 시스템을 통해 이 보석 같은 1퍼센트를 골라내는 데 집중하고 있습니다.

암기 대신 추론으로: 엔드 투 엔드 인공지능

이러한 문제를 해결하기 위해 업계 선두 기업들은 새로운 길을 걷고 있습니다. 과거의 규칙 기반 코딩을 벗어나 인공지능이 직접 상황을 보고 판단하게 만드는 방식입니다. 테슬라는 인간의 운전 직관을 통째로 학습한 신경망을 통해 부드러운 주행을 구현하며 웨이모는 구글의 제미나이 기술을 이식한 EMMA를 통해 상황을 복합적으로 이해하며 인간처럼 사고하는 능력을 갖추기 시작했습니다.

• 테슬라(Tesla): 인간의 '운전 직관'을 통째로 학습한 신경망(FSD v12+)을 통해 부드러운 주행을 구현합니다.

• 웨이모(Waymo): 구글의 제미나이 AI를 이식한 EMMA(End-to-End Multimodal Model)를 통해 상황을 텍스트와 이미지로 복합 이해하며, 인간처럼 '사고'하는 능력을 갖추기 시작했습니다.

자율주행차는 사춘기를 지나고 있습니다

기사에서 언급했듯 이제 막 면허를 딴 16세 청소년은 경험은 적지만 추론할 수 있는 슈퍼파워가 있습니다.

도로 위에 공이 굴러오면 아이가 튀어나올 수 있겠다고 본능적으로 생각하는 능력입니다.

현재 자율주행차는 바로 이 인간의 상식을 배우는 중입니다. 우리 인생에서 중요한 교훈이 평범한 일상이 아닌 예기치 못한 고난을 통해 얻어지듯 자율주행차도 인생의 지혜를 배우는 과정에 있습니다.

자율주행 기술은 이제 데이터의 양을 늘리는 단계를 넘어 세상을 이해하는 지능의 단계로 가고 있습니다. 평범함을 넘어 특별함을 읽어내는 기술이 우리가 마주할 진정한 자율주행의 미래입니다.

https://www.techbrew.com/stories/2026/02/05/autonomous-vehicles-edge-cases ​ (접속일 : 2026.02.06)

참고: 웨이모 EMMA 상세

웨이모의 EMMA는 자율주행의 패러다임을 바꾼 모델로 그 구체적인 작동 원리는 다음과 같습니다.

첫째로 세계 모델 구축입니다. 단순히 사진을 찍는 것이 아니라 주변 환경의 물리적 법칙과 인과관계를 이해합니다. 저 물체는 움직일 수 있는지 내가 저기로 가면 어떤 반응이 올지를 시뮬레이션합니다.

둘째로 멀티모달 토큰화입니다. 카메라와 라이다 등 서로 다른 센서 데이터를 인공지능이 이해할 수 있는 공통 언어로 변환하여 동시에 처리합니다. 이를 통해 시각적 정보와 거리 정보를 하나의 맥락으로 통합합니다.

셋째로 사고의 사슬 기법 응용입니다. 거대언어모델 기술을 활용하여 도로에 연기가 나면 불이 났을 수 있고 소방차가 올지 모르니 서행하며 공간을 확보하자는 식의 단계별 추론 과정을 거쳐 최종 제어 명령을 내립니다.

마지막으로 유연한 대응력입니다. 기존 시스템이 처리하지 못했던 생전 처음 보는 상황에서도 학습된 모델을 바탕으로 가장 인간적이고 안전한 판단을 내리는 데 최적화되어 있습니다.