자율성의 미래 구축
Gurdeep Pall2021년 1월 25일
PC와 인터넷 시대가 시작되던 90년대 초 Microsoft에서 일을 시작했을 때 앞으로 다가올 혁신의 물결을 모두 상상할 수는 없었습니다. 그때나 지금이나 나는 소프트웨어가 혁신의 수단으로서 놀라운 아이디어를 빠르게 실현할 수 있다는 근본적인 믿음을 갖고 있었습니다.
증기와 전기에 이어 3차 컴퓨팅 산업혁명은 인류 역사상 가장 빠른 발전을 이루었습니다. 4차 산업혁명인 인공지능(AI)의 기반을 마련했다. 그 안에서 우리는 인간이 학습한 지능을 우리 주변의 실제 물리적 세계에서 작동하는 기계에 적용하여 비트 세계와 원자 세계를 연결하는 데 중점을 두고 있습니다.
우리는 2년 반 전에 Bonsai라는 스타트업을 인수하고 AirSim 연구 활동과 팀을 결합하면서 이 여정을 시작했습니다. 수많은 산업을 변화시킬 수 있는 자율 시스템의 막대한 잠재력에 비해 현재 시장에서 실행되는 사례가 얼마나 적은지 알고 놀랐습니다. 고객이 이 기술을 통해 혁신을 이루고 물리적 세계와 디지털 세계 사이의 격차를 해소할 수 있는 잠재력은 무한합니다.
유튜브 비디오
미디어를 로드하려면 여기를 클릭하세요.
자율 시스템은 단지 휴머노이드 로봇이나 자율 주행 자동차에 관한 것이 아닙니다. PepsiCo는 Cheetos를 만드는 압출기를 최적화하기 위해 Microsoft Project Bonsai를 사용하여 AI를 개발했습니다. 지능형 시스템은 일관성과 품질을 유지하기 위해 지속적으로 모니터링하고 조정합니다.
Bell은 Microsoft 자율 시스템과 AirSim을 사용하여 착륙에 중점을 두는 것부터 시작하여 보다 안전한 자율 비행 차량을 만들기 위해 노력하고 있습니다. Bell은 현재 Project Bonsai를 사용하여 안전한 착륙 구역을 식별한 후 자율적으로 착륙하는 최초의 자율 정밀 착륙을 위해 노력하고 있습니다.
자율 시스템 기술은 공상 과학 소설도 아니고 값비싼 문샷도 아닙니다. 오늘날 PepsiCo 및 Bell과 같은 고객이 비즈니스 영향을 주도하고 있으며, 자율 시스템에 대한 소프트웨어 중심 접근 방식이 이를 가능하게 하고 있습니다.
소프트웨어는 현존하는 가장 유연한 매체입니다. 이러한 유연성을 통해 우리는 제작자가 상상할 수 있는 모든 유형의 자율 시스템을 신속하게 구축할 수 있는 추상화 및 기능 계층을 만들 수 있습니다.
자율 시스템을 만들기 위한 많은 초기 노력은 전문가 팀에 의해 사일로화된 맞춤형 애플리케이션으로 개발되었습니다. 우리는 다른 접근 방식이 필요하다는 것을 알고 있었기 때문에 AI 전문가가 아니더라도 누구나 기계에 지능을 가르칠 수 있는 개방적이고 재사용 가능하며 강력한 도구와 플랫폼을 제공하려고 했습니다. 해당 분야의 전문가인 엔지니어는 AI를 배우기 위해 대학에 다시 가지 않고도 수년간의 경험을 AI 솔루션에 접목할 수 있습니다.
그런데 기계를 어떻게 가르치나요? 오늘날 대부분의 기계는 기능이 하드코딩되어 있으며 기본적이거나 엄격한 제어 시스템을 갖추고 있습니다. 우리의 도구를 통해 전문가는 배워야 할 내용과 학습 방법을 표현할 수 있습니다. 해당 입력을 통해 우리 플랫폼은 시뮬레이션된 환경에 대한 강화 학습을 사용하여 AI 솔루션을 구축합니다. 그 결과 AI 솔루션은 이제 기계를 제어하고 인간과 같은 방식으로 현실 세계에 지능적으로 적응할 수 있습니다. 예를 들어, 로봇을 위한 특수 케이지를 만드는 대신 로봇은 계단 오르기, 문 열기, 역동적인 창고 탐색, 드론 착륙 또는 다른 시스템 및 인간과 협력하는 방법을 배웁니다.
Bell 팀은 비즈니스 모델을 헬리콥터에서 자율 비행 차량으로 전환하려는 목표를 달성하는 데 도움이 될 수 있는 Microsoft 기술을 확인했습니다. Azure의 컴퓨터 비전 및 클라우드 컴퓨팅과 함께 Project Bonsai 및 AirSim은 Bell이 시뮬레이션된 환경에서 연습할 수 있는 AI 솔루션을 만드는 데 도움을 주었습니다.
Bell의 지능형 시스템 수석 관리자인 Matt Holvey는 다음과 같이 말했습니다. “우리는 Project Bonsai를 사용하고 있습니다. 마치 조종사에게 무엇을 찾아야 할지 훈련시키는 것처럼 AI를 신속하게 생성하고 가르칠 수 있기 때문입니다. AI가 식별된 착륙 구역을 기반으로 고도와 피치에 대해 어떤 결정을 내려야 하는지 이해하도록 할 수 있습니다.”