여러분은 이런 문제들 때문에 고민하고 계시지 않나요? 우리 회사도 커뮤니티 만들고 싶은데 어디서부터 시작해야 할까?

우리 회사도 팬이 있을까? 어떻게 고객을 찐팬으로 만들 수 있을까?

커뮤니티에 NFT, 게임이피케이션, 세계관 토크는 어떻게 적용하지?

그래서 티타임즈가 준비했습니다.

기업은 찐팬 커뮤니티를 어떻게 만들어야 하나.

찐팬 커뮤니티 강좌, 티타임즈만의 압축적이고 인사이트 있는 커뮤니티 강좌에서 여러분의 고민을 말끔히 해결하세요.

자율주행은 머신러닝이거든요. 빠르게 학습하고 학습한 결과를 다시 차에 디플로이하는 보안 루프가 반복되어야지만 보시는 게 똑똑해집니다.

몇 년 전에 테슬라를 방문할 기회가 있었는데 일반적인 하드웨어에서는 생각할 수 없는 속도로 개발하고 있는 거죠.

진짜 소프트웨어를 개발하듯이, 테슬라는 공장을 만드는 회사라고.

보거든요 우리는 멋진 공장을 만들 수 공장에서 이용하는 로봇들이 들어가서 일을 하고 프레임워크 라이센스 한다면 굉장히 많은 산업의 영향을 줄 수 있는 거지 네, 안녕하세요.

오늘도 박종찬 개발자님 모셨습니다. 안녕하십니까. 제 첫 번째 시간에는 아마존에 대해서 한번 분석을 해봤잖아요.

1편을 보신 분들은 아시겠지만 저희가 매출 이야기라던가 영업이 이런 얘기는 나누지 않았고요.

이제 저의 목표는 그쪽 관점이 아니라 정말 기술 제대로 분석하고 이 회사가 정말로 경쟁력이 있는 회사인가라는 관점에서 이제 여러분들의 투자 인사이트를 좀 늘려 드리기 위해서 그런 쪽으로 한번 갖고 가보도록 해보겠습니다.

주위에서 주식 하시는 분들한테 또 많이 조언을 받아서 또 한번 투자를 시도해보고 이런 것도 해봤거든요.

근데 그때 제가 들었던 상황이 뭐냐면 아, 이분들이 조언하는 뭔가 단기 장기 그 다음에 제가 투자할 때 그 단기 장기요 사이클 자체는 좀 완전 다르구나, 이 사람들이 얘기하는 대로 했다가는 뭔가 내가 언제 팔아야 되나, 언제 세대나이 시점이 좀 전혀 다른 이야기일 수도 있다라는 좀 제가 생각을 해봤거든요.

저희 같은 개인들은 사실상 데이터 정보 부족할 수밖에 없고, 그리고 당연히 자본도 부족할 수밖에 없습니다.

저희가 가지고 있는 장점이 뭘까 생각하면 시간이거든요.

당연히 그래서 저희가 정말 좋아하는 회사, 좋아하는 제품, 좋아하는 기술을 가진 회사에 장기 투자를 하고 충분한 시간을 두는 거죠.

기다리는 거죠. 그래서 뭔가 이렇게 타이밍에 얽매이면 안 되고 정말 잘 될 회사, 정말 좋은 기술, 정말 좋은 제품을 투자를 하고 장기간을 기다리는 이것만이 유일하게 저희가 사실상 이기실 수 있는 방법이라고 생각을 합니다.

시간은 근데 그분들이 더 많은 게 아니에요.

저희가 더 많은 건가요? 기관 투자자들 같은 경우에는 매년 성과를 내야 돼요.

매년 성과를 안 내면 돌아갈 수 없죠.

근데 저희는 5년 투자해서 10년 투자해서 갈 수 있는 거잖아요.

저희가 사실 시간을 더 많다고 생각을 합니다.

그분들은 분기분기 성적을 내셔야 되는 분들이니까 저희보다 훨씬 더 빨리빨리 뭔가 성과를 내셔야 되는 거군요.

전혀 생각해보지 못했던 이 관점에서 우리가 더 시간이 많다, 시간은 우리 편이다라고 좀 생각이 드는 거 같고요.

유명하신 분들이 말씀해 주시는 거 보면은 무릎에서 사서 어깨에서 팔아라라는 말씀 되게 많이 주잖아요.

저는 항상 사면 어깨고 팔면 무릎이고 이러는 거 같은데 어떻게 생각하세요?

우리는 그러니까 이게 불가능한 일이에요. 그래서 내가 이 제품 너무 좋아해.

그리고 제가 지금 여유자금 있어요. 그 회사에 투자를 하는 거죠.

그리고 충분한 시간을 기다립니다. 5년이고 6년이고 그러다가 이제 제가 좀 돈이 필요하거나 아니면 그 회사가 정말 지금 잘 나가고 있다, 그때 이제 팔면 되는 거죠.

내가 언제 사고 언제 파냐에 집중하면 안 되는 거고 이 회사가 정말 잘 될 회사인가, 이 제품이 정말 좋은 제품인가, 이 기술이 정말 쓸 만한 제품인가 거기에 집중을 하는 건 많이 그리고 충분한 시간을 주는 건 많이 사실 저희가 이길 수 있는 방법이라고 생각을 합니다.

두 번째 회사로 선정을 한 회사는 항상 그 논란의 중심에 있는 테슬라, 테슬라인데요.

테슬라가 이제 얼마 있다가 또 AI 데이도 있다고 하고 많은 분들이 또 관심을 가지지 않을까라고 해서 생각을 해보는데요.

자율주행과 관련해서 테슬라에 있어서 뭐 갑론을 효과를 보여주고 사용자의 반응을 보고 그거를 다시 또 학습시키는 거를 무한 반복합니다.

그게 머신러닝의 제일 핵심이에요. 대부분의 머신러닝이 실패하는 이유는 한 번만 학습한 걸 갖고 그냥 하려고 그래 안 됩니다.

이게 무한 루프가 돌아가야지만 머신러닝이 점점 똑똑해지는 이 머신러닝이랑 예전에 그냥 프로그래밍 할 때 개발이랑은 뭐가 달라요 옛날에 트래디셔널 프로그래밍은 1, 2, 3이라는 걸 놓고 규칙을 주죠.

곱하기 그러면 이제 246이 나오는 거죠.

항상 저희는 프로그래밍을 규칙을 넣고 데이터를 넣으면 아웃풋이 나오는 거죠.

그럼 이게 이제 당연히 하겠지만 어느 날 이제 저희가 생각을 한 거죠.

규칙을 찾을 수는 없을까? 이 규칙이 굉장히 재밌는데 우리가 규칙을 찾고 싶을 때가 있거든요.

예를 들면 고양이 사진 뭐 개 사진 천장이 있는데 그 다음에 다른 사진을 보여주면서 이게 고양이냐 그냥 맞추고 싶어요.

근데 방금 했던 규칙 방식으로는 한계가 있는 거예요.

계속 이상하게 생긴 새로운 것들이 나오는 거죠.

귀가 이렇게 생기고 코가 이렇게 생겼으면 있거든요.

그래서 이거를 뒤집어서 데이터를 1, 2, 3을 주고 아까 그 아웃풋 246을 줘요.

그리고 규칙이 뭐야라고 기계한테 물어보는 거죠.

그러면 기계가 혼자서 막 해보고 나서 아, 이게 곱하기 2를 했더니 이게 맞는 거예요.

그럼 곱하기 2겠네라는 걸 찾아내는 놀라운 거죠. 근데 이제 이거를 찾아내는 방식 자체가 굉장히 머신러닝이나 딥러닝에서 좀 복잡하긴 합니다만 어쨌든 이 방식을 찾아내는 게 이제 머신러닝 신호고 요때 중요한 거는 앞에 데이터하고 이제 정답지가 얼마나 많이 있냐.

그리고 이거를 한 번 맞춘다고 끝나는 게 아니죠.

곱하기 찾았는데 숫자를 더 줘요. 그러면 사실 곱하기가 아니라 뭐 곱하기 뭐 더하기 7 뭐 빼기 3 이런 식으로 점점 복잡해질 수도 있는 거잖아요.

그래서 앞에 얘기했던 결국 사람들이 무슨 물건을 샀나 그러면 이런 물건 사겠네 보여주고 그걸 안 사면 계속 혼자서 똑똑해지는 거고 또 사도 더 똑똑해지는 이게 무한 루프가 반복되어야지만 머신 러닝이 똑똑해집니다.

그런 점에서 전 세계 자동차 회사들 중에서 제일 많이 데이터를 수집하고 있고, 그리고 제일 많은 정답지를 가지고 있고, 이걸 굉장히 빠르게 학습하고 이 학습한 결과를 다시 차에 디플로이하는 그래서 이 디플로이 속도가 얼마나 빠른가도 굉장히 중요하거든요.

그래서 이거 방금 이야기했던 질문들, 전 세계에서 제일 많은 데이터를 수집하는 회사 테슬라 할 거고요.

그거를 머신러닝으로 제일 많이 학습하고 있는 회사 테슬라일 거고, 이거를 다시 이제 베타 버전으로 자기네들이 이제 선별한 베타 커스터머들한테 예를 들면 한 달에 한 번씩 하죠.

이걸 가지고 계속 학습을 하는 그래서 방금 이 루프를 테슬라보다 빨리 하는 회사가 있으면 그 사람 이기겠지만, 그게 아니라면 결국은 이제 데이터와 정답지와 학습과 이거를 다시 이제 디플로이해서 이 무한 루프를 도는 이거의 차이기 때문에 질문을 언젠간 자율주행이 될 것이라고 믿는다면 결국은 테슬라가 그걸 할 가능성이 제일 높을 것이라고 믿는 게 저는 합리적이라고 생각합니다.

말씀해 주셨던 부분 중에서 정답지라고 하는 거는 예를 들어 그 테슬라 차에서 찍힌 영상 중에서 이렇게 했을 때는 결국 운전자가 브레이크를 밟았더라.

이 상황에서는 뭐 안 밟고 그냥 엑셀 밟았더라.

그런 게 정답들 뭐 여러 가지 될 수 있어요. 저게 나무다. 그리고 나는 여기서 좌회전을 해야 된다.

모든 어떤 행동이죠. 인풋이 들어가는 거고 앞에 나무가 있고 길이 있고, 근데 이게 진짜 나무인지 이게 기린인지도 판단해야 될 거고, 거기서 이제 좌회전해야 될지 우회전을 해야 될지, 브레이크를 밟아야 될지 그럼 모든 게 다시 기록이 돼서 자, 이렇게 했더니 사고가 안 나더라, 이렇게 한번 사고가 나더라 분석해서 구매 기록을 봐서 이제 다음 추천을 하듯이 모든 이 데이터를 분석해서 사실 상황을 판단하고 그 다음에 이제 운전을 하는 그리고 이게 점점 더 안전해지는, 결국 사고가 안 나고 승객이 안전함을 느끼는 방향으로 조절하는 식으로 계속 스스로 계속 학습을 해 나가는 거죠.

새로운 데이터와 새로운 주행 기록들이 끊임없이 쌓여서 학습을 해서 점점 더 모델이 똑똑해지고 그게 다시 디플로이 돼야 점점 더 다시 또 환경을 볼 텐데, 소프트웨어를 만들고 출시하고 사람들이 써보고 다시 우리가 그 반응을 보고 속도를 개선하고 이게 반복돼야 되잖아요.

근데 대부분의 자동차 회사는 그걸 안 하고 있는 거죠. 저희가 테슬라 기사들 보다 보면 1.01 버전이 나왔다가 1.67 버전까지 막 66번이 업데이트되고 그런 거 보면 '저거 얼마 좋아진 것 같지도 않은데 왜 저렇게 계속 업데이트 하지?

'라고 했는데 그들은 계속 테스트하고 있는 거네요. 그렇죠. 그리고 클라이언트 단의 업데이트도 있지만 사실 서버 단에 업데이트도 있거든요.

그래서 이제 뒷단에서 보이지 않게 계속 개선이 되고 있을 거예요.

자동차에 있는 소프트웨어만 가지고 할 필요는 없는 거거든요.

근데 이 바쁜 주행 상황에 이거를 사실 그 기계에서 모든 게 바로 이루어져야지 서버로 왔다 갔다 하는 건 위험해요.

하지만 이쪽에서도 계속 계산을 하고 저쪽에서도 계산을 하면서 굉장히 빠르게 버전을 업로드할 수 있는 회사가 테슬라라고 생각을 합니다.

작년에 AI Day 했을 때 도조칩 얘기 나오고 그다음에 데이터 센터 얘기라고 했었잖아요.

어떻게 하면 데이터들을 많이 가져올 수 있을까, 그리고 이걸 어떻게 하면 빨리 학습할 수 있을까, 그리고 다시 그걸 어떻게 하면 빨리 배포할 수 있을까, 이런 생각을 보시면 다른 회사 차들은 대부분 없던 게 테슬라에 있는 거는 LTE 기능이 내장돼 있는 거죠.

자동차를 사면 통신 기능이 내장돼 있고 자동차 소유자가 돈을 낼 필요도 없는 거예요.

심지어 그런데도 왜 그걸 넣어 놨냐. 데이터를 수집하고 그걸 학습을 해서 다시 디플로이 하기 위함이죠.

그리고 이 학습을 하는데 돈이 들다시피 일반 CPU 보면 학습이 느려요.

머신러닝에 최적화되지 않거든요.

그래서 이제 GPU처럼 굉장히 많은 일을 동시에 할 수 있는 게 머신러닝에 더 적합하거든요.

학습 속도를 빠르게 하기 위해서 CPU보다는 GPU를 많이 사용하는데 테슬라가 해보니까 자기네들은 그것보다 더 커스터마이즈 하고 싶은 거예요.

그러다 보니까 자기네들이 직접 이 머신러닝 학습용 칩을 만든 거죠.

그게 이제 도조 D1인 거고 이걸 통해서 자기네들이 구해야 하는 데이터들을 더 빠르게 학습을 하고 더 똑똑하게 만들려는 거죠.

조금이라도 더 머신러닝을 잘하기 위해서 심지어 하드웨어까지 만들 수 있는 역량이 있다라고 보시면 되겠습니다.

이걸 만들기 전까지도 이미 남들보다 훨씬 더 빨리 가고 있는데 이제 오늘 집까지 커스터마이징에서 더더더 빨리 할 거야.

제이크 오브 그릴과 이익은요. 지금 1등인데 1등에 만족하는 게 아니라 이거를 결국 해야 되는 게 중요하잖아요.

그럼 목표치까지 가기 위해서 여기서 결국은 뭐 엄청난 양의 데이터, 엄청난 양의 도조칩, 그 다음에 또 엄청난 양의 이제 뭐 학습 이런 게 계속 반복되면 어느 순간 예를 들어 알파고도 마찬가지거든요.

알파고가 나오기 직전까지는 다들 바둑이 사람이 이겼죠.

나오더니 그 알파고 다음 버전들은 더더욱 놀랍잖아요. 어느 순간 갑자기 될 거예요.

어느 순간 갑자기 될 건데 딥마인드가 알파고를 만들 때까지 혼자 그렇게 열심히 노력했듯이 테슬라가 혼자 열심히 노력을 계속 되는 순간 다 상향 평준화 되는 거죠.

근데 요새 그냥 기사들을 보면 뭐 작년에 AI 데이에 처음에 등장했었던 그 안드레이 카파시가 그만두고 약간 이거 자율주행 쪽에서 포기하는 그거 아니야 막 이런 시선도 있던데 전혀 그렇게는 보면 안 되는 건가요?

뭐 이거는 사실 판단하기 어려운 문제일 수도 있습니다만 사람들을 많이 내보냈다.

나는 기사가 있는데 거기에 보면 그 사람들은 다 레이블링이라 그래서 정답지를 붙이는 사람이거든요.

그래서 이거는 자동차야, 이거는 뭐 나무야라는 거를 사람이 보고 눈으로 다 해야 되잖아요.

그래야 그 데이터를 다 분석할 수 있을 거니까. 근데 이제 머신러닝이 어느 이상 좋아지면 기계가 이걸 판단할 수 있는 거죠.

그리고 기계가 그게 코멘트를 할 수 있는 거고. 그런 식으로 지금까지 계속 해오던 대로 쭉 해서 가는 방법도 있지만 중간에 한 번씩 급격한 변화를 줘야 될 수도 있거든요.

머신러닝이 발전 속도에 따라서. 그래서 굉장히 많은 사람을 내보내면서 시스템마다 방향을 바꾸는 거고 안드레아 같은 경우에도 그 이전에는 뭐 A라는 방식으로 이걸 하고 있었는데 안드로이드가 오면서 B라는 방식으로 몇 년 동안 해서 또 성장을 하고이 다음 단계로 가려면 또 한 번 뒤집어야 될 수도 있거든요.

그래서 이런 시기에 맞춰서 뭔가 새로운 리더들이 오고 새로운 기술도 도입하고 그걸 어느 한계까지 올리고 그래서 머신러닝과 자율주행을 덜 하려고 하는 거 아니냐, 저는 그렇게 생각하지 않고 이거를 계속 하는데 굉장히 좀 다른 시도를 하는 그런 방향으로 좀 보는 게 옳지 않을까.

어쨌든 테슬라가 지금 자유 중에서 1등을 하고 있느냐, 그리고 지금 테슬라가 자율주행 쪽에 관련된 회사들 중에 제일 많은 사람을 넣느냐, 이 두 가지만 보면 지금 1등하고 있고 제일 많은 사람이 들어가고 있겠죠.

그리고 세 번째 데이터가 제일 많으냐 뭐 이런 여러 가지를 보면은 뭐 저는 앞으로도 계속 테슬라가 자율주행 쪽에서는 1등을 유지하지 않을까 기대하고 있습니다.

그러면 이제 테슬라의 경쟁력을 볼 때는 머신러닝과 데이터 요것만 보면 되는 건가요?

아니죠. 소프트웨어라는 게 놀라운 게 스타트업의 정의를 이야기할 때 저희가 이제 첫 번째는 굉장히 시장에 맞춰서 빠르게 변하느냐 두 번째는 제이콥으로 회사가 엄청난 속도로 성장하느냐, 세 번째는 데이터 드리븐 결정을 하느냐, 뭔가를 그냥 맘대로 결제하는 게 아니라 사장들이 본 결정 매출이 기하급수적으로 올라갑니다.

왜냐하면 디지털 프로덕트라서 전 세계에서 제일 맛있는 짬뽕은 먹을 수 있어요.

휴머노이드 왜 만드느냐고? 테슬라는 공장 파는 회사니까 (30년 개발자 박종천)

Technology(기술), Trend(트렌드), Transformation(혁신)에 관해 
꼭 알아야 할 지식.  

일하는 사람들의 지적 동반자 티타임즈TV. 

www.ttimes.co.kr

Contact
주소  서울시 종로구 청계천로 11(서린동,청계한국빌딩)
e-mail  ttimes6000@gmail.com
Tel  02-724-7718