Aicha Evans: Your self-driving robotaxi is almost here | TED

번역: Inha Kim 검토: DK Kim

I’m Aicha Evans,

저는 아이샤 에반스이고 서아프리카 세네갈에서 왔습니다.

I am from Senegal, West Africa,

and I fell in love with technology, science and engineering

아주 어렸을 때 과학과 공학에 푹 빠졌죠.

at a very young age.

Three things happened.

일이 세 가지 있었습니다.

I was studying in Paris,

저는 파리에서 공부했는데,

and starting at seven years old,

7살 때부터 시작해서,

flying back and forth between Dakar, Senegal and Paris

세네갈 다카와 파리 간을 보호자 없이 혼자 비행기로 왕래했죠.

as an unaccompanied minor.

So it wasn't just about the travel.

사실 단지 여행만 한 게 아니었어요.

It was really about a portal to knowledge,

지식과 다양한 환경, 적응을 위한 관문이었죠.

different environments

and adapting.

Second thing that happened

두 번째 일은

was every time I was at home in Senegal,

세네갈 집에 있을 때마다였어요.

I wanted to talk to my friends in Paris.

저는 파리에 있는 친구와 얘기하고 싶었죠.

So my dad got tired of the long-distance bills,

장거리 요금이 너무 많이 나오자

so he put a little lock on the phone --

아빠는 다이얼식 전화기에 자물쇠를 달아버리셨어요.

the rotary phone.

I said, OK, no problem,

저는 ‘좋아, 괜찮아’라고 생각하고 전화기를 해킹했고,

hacked it,

and he kept getting the bills.

요금 청구서는 계속 날아왔죠.

Sorry again, Dad, if you’re watching this someday.

언젠가 이 영상을 보신다면, 한번 더 죄송해요, 아빠.

And then, obviously, the internet was also emerging.

그러고 나서, 정확히, 인터넷이 등장했죠.

So what really happened was that, in terms of technology,

그러니까 실제 벌어진 일은, 기술적 차원에서,

I really saw it as something that shaped your experiences,

저는 사실 인터넷이란,

여러분이 세상을 어떻게 이해하고 세상에 어떻게 참여하는지 하는

how you understand the world

and wanting to be part of it.

경험을 형성하는 것으로 봅니다.

And for me,

제가 볼 때 공통점은

the common thread is that physical and virtual transportation --

물리적, 가상적인 운송 수단이,

because that’s really what that rotary phone was for me --

그 다이얼 전화기가 제게는 그랬으니까요,

are at the center of the innovation flywheel.

혁신의 디딤돌이라는 것이죠.

Now, fast-forward.

시간을 빨리 돌려서,

I’m here today,

오늘 저는 이 자리에 있습니다.

I’m part of a movement and an industry

저는 어떤 운동과 산업의 일원이고

that is working on bringing transportation and technology together.

운송과 기술을 통합하는 일을 하죠.

Huh.

It’s not just about your commutes.

단순히 통근 수단만이 아닙니다.

It’s really about changing everything

결국 사람과 상품, 서비스의 이동까지 진정 모든 것을 변화시킵니다.

in terms of how we move people, goods and services, eventually.

That transformation involves robotaxis.

이 전환에 로보 택시가 있습니다.

Driverless cars again, really?

또 자율주행차인가? 정말로?

Yeah, yeah, yeah, I’ve heard it before.

네, 맞아요, 이미 들어봤죠.

And by the way, they are always coming the next decade,

또한, 항상 오고있다고 하죠.

십 년만 있으면요.

and oh, by the way,

그리고, 아, 또한 생소한 회사들이,

there’s an alphabet soup of companies working on it

누군지도, 무얼 하는지도 모르는 회사들이 뛰어들고 있죠.

and we can’t even remember who’s who and who’s doing what.

Yeah?

그렇죠?

Audience: Yeah.

(청중: 네)

AE: Yeah, OK, well, this is not about personal, self-driving cars.

알겠어요, 좋아요.

이번에는 자가용 자율주행차는 아니에요.

Sorry to disappoint you.

실망하셨다면 죄송해요.

This is really about a few things.

오늘은 다른 얘기를 해볼까 합니다.

첫 번째로,

First of all,

personally and individually owned cars are a wasteful expense,

개인용 차량 구매는 돈낭비라는 것과

and they contribute to, basically, a lot of pollution

그런 것은 심각한 환경 오염과 더불어

and also traffic in urban areas.

도심 교통에도 악영향을 끼치죠.

Second of all, there’s this notion of self-driving shuttles,

두 번째는,

자율주행 대중교통이 있는데

but frankly, they are optimized for many.

사실 대량 수송에 적합합니다.

They can’t take you specifically from point A to point B.

승객을 특별히 원하는 지점으로 모시진 못합니다.

OK, now we have --

이제 우리는,

hm, how am I going to say this --

음, 어떻게 표현해야 할까요.

the so-called “personal, self-driving” cars of today.

소위 자가용 자율주행차량이 있습니다.

Well, the reality is that those cars still require a human behind the wheel.

하지만 자율주행 차임에도 운전자가 필요한 게 현실이죠.

A safety driver.

안전 운전자 말이죠.

Make no mistake about it.

착각하면 안 됩니다.

I own one of those,

저도 하나 있는데 운전할 때는 제가 안전 운전자입니다.

and when I’m in it,

I am a safety driver.

So the question now becomes, What do we do with this?

이제 나오는 질문은 ‘이 기술로 어떤 일을 할까?’입니다.

Well, we think that robotaxis,

로보 택시가 떠오르죠.

first of all, they will take you specifically from point A to point B.

우선, 로보 택시는 여러분을 원하는 지점으로 모실 거예요.

Second of all, when you're not using them,

다음으로, 여러분들이 내리면,

somebody else will be using them.

다른 누군가가 사용할 거예요.

And they are being tested today.

지금도 시험 자료가 쌓이고 있습니다.

When I say that we’re on the cusp of finally delivering that vision,

마침내 그런 꿈을 실현할 단계에 우리가 서있다고 말한다면

there's actually reason to believe it.

사실 그럴 만한 근거가 있습니다.

At the core of self-driving technology is computer vision.

자율주행 기술의 핵심은 컴퓨터 시각이에요.

Computer vision is a real-time representation,

컴퓨터 시각은 실시간으로

digital representation, of the world and the interactions within it.

디지탈로 상황들을 묘사하고 인지합니다.

It has benefited from leaps and bounds of advancements

특히, 이 기술은 컴퓨터나 감지기,

thanks to computer, sensors, machine learning and software innovation.

기계 학습, 소프트 웨어 혁신 등에 힘입어 두각을 나타내기 시작했죠.

At the core of computer vision are camera systems.

이러한 컴퓨터 시각의 핵심은 카메라에 달려 있어요.

Cameras basically help you see agents such as cars,

일단 카메라는 여러분이

자동차, 자동차의 위치나 움직임과

their locations and their actions,

pedestrians,

보행자들, 그들의 위치나 움직임을 볼 수 있게 해주죠.

their locations,

their actions and their gestures.

In addition, there's also been a lot of advancements.

여기서 끝나지 않고, 카메라는 다른 많은 진척을 이루어 왔어요.

So one example is our vehicle can see the skeleton framework

카메라가 개략적인 형태를 파악할 수 있게 되면서

to show you the direction of travel;

흐름의 방향을 알려줍니다.

also to give you details, like, are you dealing with a construction worker

또한 상세 상황도 알려주죠.

여러분이 공사장에서 일꾼들을 보는지,

in a construction zone

or are you dealing with a pedestrian that’s probably distracted

휴대전화를 보면서 걷느라고 정신이 팔린

보행자들을 보는지 알려줄 수 있습니다.

because they are looking on their phone?

하지만 현실은 말이죠.

Now the reality, though --

이 부분이 좀 재미있는데요.

and this is where it gets interesting --

is that the camera and the algorithms that help us really cannot yet match

카메라와 우리를 돕는 알고리즘은

인간의 두뇌 능력에 상대가 되지 않습니다.

the human brain’s ability to understand and interpret the environment.

인간이 환경을 이해하고 인지하는 능력과 차이가 있어요.

They just can’t.

그냥 할 수가 없습니다.

Even though they provide you really high-resolution imaging

카메라가 여러분에게 고해상도의 영상을

that really gives you continuous coverage,

끊임없이 잘 전달해 준다고 해도,

that doesn’t get fatigued, impaired

피로하지도 않고, 질이 떨어지지도 않고

or, you know, drunk or anything like that,

술에 취하거나 그런 일도 없다고 해도

at the end of the day,

카메라가 포착하지 못하는 정보들이 결국에는 분명히 존재할 거예요.

there are still things that they can’t see and they can’t measure.

이런 이유로, 로보 택시가 현실화되려면

So if we want autonomous-driving robotaxis soon,

we have to supplement cameras.

더 많은 카메라가 필요할 거예요.

Let me walk through some examples.

예를 좀 들어볼게요.

So radar gives you the direction of travel

레이더로 우리는 교통의 방향을 알고

and measures the agent’s movement within centimeters per second.

초당 몇 센티미터 이내로 사물의 움직임을 측정합니다.

Lidar gives you objects and shapes in the real world using depth perception

또 라이다의 깊이 감지를 통해 현실 사물과 형태를 알 수 있죠.

as well as long-range and the all-important night vision.

장거리나, 중요한 야간 식별도 하고요.

And let me tell you about this,

이것을 말씀드려야합니다.

because this is important to me personally and people who look like me.

개인적으로 저와 저처럼 생긴 사람들에게 중요하거든요.

Then you have, also, long-wave infrared

장파장 적외선도 있는데

where you are able to see agents that are emitting heat,

열을 발산하는 대상을 볼 수 있죠.

such as animals and humans.

동물이나 사람 같이요.

And that’s again,

역시 특히 밤에 매우 중요합니다.

especially at night,

super important.

Now, every one of these sensors is very powerful by itself,

이런 센서들 모두 그 자체로도 아주 강력하지만

but when you put them together is when the magic happens.

이런 센서를 한데 모으면, 마술이 펼쳐집니다.

If you see with this vehicle, for example,

예로, 이런 차를 통해 본다면

you have these multiple sensor modalities

이런 복수의 감각을 느낄 것입니다.

at all top four corners of the vehicle

차량의 네 구석에서

기본적으로 360도 시야를 보여 주죠.

that basically provide you a 360-degree field of vision,

continuously,

계속적이고 중복해서요.

in a redundant manner,

so that we don't miss anything.

하나라도 놓치면 안 되죠.

And this is that same thing

이건 동일한 것인데

with all of the different outputs fused together.

모든 결과들을 하나로 통합한 것입니다.

And looking at this, basically,

기본적으로 이걸 보고

and looking at what we see and how we are able to process the data,

우리가 무엇을 보고 자료를 어떻게 처리할 수 있는지를 보고

then learn,

학습하고 운전을 지속적으로 개선하는 것이

then continue to improve our driving,

is what tells us that we have confidence,

우리가 자신감을 갖게 해줍니다.

this is the right approach

이것이 바른 접근법이고 이번에는 실제로 가능합니다.

and this time it’s actually coming.

Now, this is not, by the way, a brand new concept, OK?

그런데 이게 새로운 개념은 아니죠?

Humans have been basically using vision systems

인간은 기본적으로 시각 체계를

to assist them for a long time.

오랫동안 이용해왔습니다.

Let me back up the boat a little bit,

조금만 생각해보죠.

because I know there’s a question that everybody’s asking,

누구나 궁금해하는 문제가 있어서요.

which is, “Hey, how are you going to deal with all the scenarios

“길에서 벌어지는 모든 상황을 어떻게 처리하나요?

out there on the streets today?”

당장 오늘 일어난 일들을요?”

Most of us are drivers,

우리 대부분은 운전자이고, 이건 복잡한 문제죠.

and it’s complicated out there.

Well, the truth is that there will always be edge scenarios

사실 예외 상황은 항상 있을 거예요.

that sit at the boundary of our real-world testing

실제 시험에서는 시험이 어렵거나

or that are just too dangerous to test on real streets.

실제 도로에서 시험하기엔 너무 위험한 것들이죠.

That is the truth,

이것은 사실이고,

and it will be the truth for a very long time.

앞으로 오랫동안 그럴 겁니다.

Human beings are pretty underrated in their abilities.

인류는 자신의 능력을 너무 과소평가하죠.

So what we do is we use simulation.

그래서, 우리는 모의 실험을 합니다.

And with simulation,

모의 실험에서는

we’re able to construct millions of scenarios

상황을 수백만 가지 설정할 수 있죠.

in a fabricated environment

가상의 환경에서요.

so that we can see how our software would react.

소프트웨어가 어떻게 반응하는지 관찰할 수 있죠.

And that’s the simulation footage.

이건 모의 실험 영상입니다.

You can see we’re building the world,

여러분은 우리가 세상을 만드는 걸 볼 수 있습니다.

we’re putting in scenarios

상황에서는 물건들을 추가하고 없애고 반응을 볼 수 있죠.

and we can add things,

remove things

and see how we would react.

In addition, we have what's called a human in the loop.

거기에 더해서 그 구조에 사람이 들어있습니다.

This is very similar to aviation systems today.

이것은 오늘날 항공 체계와 아주 유사합니다.

우리는 자동차가 막히는 걸 바라지 않는데

We don’t want the vehicle to get stuck,

and there are rare times where it’s not going to know what to do.

어찌할지 모를 상황이 가끔 벌어집니다.

So we have a team of teleguidance operators

그래서 전화 지원팀을 두고 있죠.

that are sitting at a control center,

이들은 통제 센터에서 일합니다.

and if the vehicle knows that it’s going to be stuck

차량이 길이 막힐 걸 예상하거나 대처 방법을 모를 경우,

or it doesn’t know what to do,

it asks for guidance and help

이들에게 안내와 도움을 요청하여,

and it receives it remotely

원격으로 받은 후에 상황을 해결하죠.

and then it proceeds.

Now, none of these really are new concepts,

정말, 어떤 것도 새로운 개념은 아닙니다.

as I alluded to earlier.

제가 먼저 말씀드린 것처럼요.

Vision systems have been assisting humans for a long time,

시각 체계는 오랫동안 인간을 보조해 왔습니다.

especially with things that are not visible to the naked eye.

특히, 육안으로는 보이지 않는 걸 볼 때요.

So ...

그래서...

microscopes, right?

현미경으로는

We’ve been studying microbes and cells for a long time.

우리는 오랫동안 미생물이나 세포를 연구해왔습니다.

Telescopes:

망원경으로는 몇백 광년 떨어진 은하수를

we’ve been studying and detecting galaxies millions of light-years away

오랜 세월 동안 연구하고 관찰해왔죠.

for a long time.

And both of these have caused us,

그리고, 이 두 가지 모두 여러 산업을 완전히 바꿔놓았죠.

for example,

to transform industries like medicine,

예를 들면 제약, 농업, 천체물리학, 그외 더 많이요.

farming,

astrophysics

and much more.

So when we talk about computer vision,

컴퓨터 시각에 대해 얘기하자면,

when it started,

컴퓨터 시각 초기에는 정말 사고 실험이었죠.

it was really a thought experiment

to see if we could replicate what humans see using cameras.

인간이 보는 것을 카메라로 복제할 수 있을지에 관해서요.

It has now graduated with sensors,

그 실험은 현재, 감지기로 마무리한 상태입니다.

computers,

컴퓨터, 인공 지능, 그리고, 소프트웨어 혁신을 통해서

AI

and software innovation

to be about surpassing what humans can see and perceive.

사람이 보고 감지하는 정도를 넘어서는 것이죠.

We’ve made a lot of progress in this field,

우리는 이 분야에 많은 진척을 이루어 왔습니다.

but at the end of the day,

하지만 아직 할 일이 더 많습니다.

we have a lot more to do.

And with an autonomous robotaxi,

자율주행 로보 택시에 대해서는

you want it to be safe,

매 순간 안전하고, 정확하고, 믿을 수 있길 바라죠.

right and reliable every single time,

which requires rigorous testing and optimization.

이 과정은 엄격한 시험과 최적화가 필요합니다.

And when that happens

모든 일이 이뤄지고 그런 단계에 접어들면

and we reach that state,

we will wonder how we ever accepted

우리는 어떻게 그런 일을 받아들이고 허용했는지 의문이 들 겁니다.

or tolerated

94 percent of crashes

사고의 94%를 인간이 야기합니다.

being caused by human [error].

So with computer vision,

컴퓨터 시각으로 우리에겐 기회가 있습니다.

we have the opportunity

to move from problem-solving to problem-preventing.

문제 해결에서 문제 예방으로 전환하는 거죠.

And I truly, truly believe

그리고, 정말 진심으로 바랍니다.

that the next generation of scientists and technologists

다음 세대의 과학자와 기술 전문가들,

in, yes, Silicon Valley,

실리콘 밸리에 있고 파리에도 있고,

but in Paris,

in Senegal, West Africa

서아프리카의 세네갈과 전 세계에 있는 그들이

and all over the world,

will be exposed to computer vision applied broadly.

폭넓게 적용된 컴퓨터 시각을 접하게 되길요.

And with that,

이것으로 모든 산업은 완전히 변화될 것이고,

all industries will be transformed,

and we will experience the world in a different way.

우리는 다른 식으로 세상을 경험하게 될 겁니다.

I hope you can join me in agreeing that this is a gift

이것은 축복이라는 제 생각에 여러분도 공감하길 빕니다.

우리는 돌아올 다음 세대에 빚을 지고 있습니다.

that we almost owe our next generation that is coming,

컴퓨터 시각으로 풀 수 있는 문제가 산적해 있으니까요.

because there are a lot of things that computer vision will help us solve.

Thank you.

감사합니다.

(Applause)

(박수)