주 정부가 자율주행 법에 센서 체크리스트를 도입하고 있습니다. 실제 중요한 것은 핸들을 잡고 있는 AI입니다.

뉴저지 주 법안은 자율주행 차량이 카메라와 함께 LiDAR와 레이더를 탑재하도록 요구하지만, 특정 하드웨어를 의무화한다고 해서 규제 당국이 차량을 실제로 운전하는 AI가 좋은지 여부를 알 수는 없습니다.

미국 전역에서 자율주행 차량에 대한 주 규제는 잘못된 목표를 겨냥하고 있습니다. 각 주는 자율주행법을 서두르고 있지만, 안전이 아니라 하드웨어를 규제하고 있습니다. 하드웨어와 성능의 차이가 향후 10년간 자율주행이 실제로 더 안전해질지, 아니면 체크리스트를 더 잘 충족시키는 것에 그칠지를 결정할 것이며, 현재 주 의회에서 통과되고 있는 대부분의 법안은 이 구분을 뒤집고 있습니다.

가장 명확한 예는 뉴저지 주의 법안으로, 완전 무인 상업용 자율주행 차량이 주 내에서 상업 운행하기 위해서는 카메라와 함께 실제로는 레이더와 LiDAR 두 가지 추가 센싱 기술을 반드시 탑재해야 한다는 내용입니다. 뉴욕도 유사한 방안을 검토 중이며, 다른 주들도 이를 면밀히 주시하고 있습니다. 뉴저지 법안에 따르면, 기업은 AI가 실제 주행 벤치마크에 한 번도 테스트되지 않아도 모든 요구 사항을 충족할 수 있는 반면, 안전 기록이 우수한 기업이라도 다른 센서 구성을 선택하면 완전히 배제될 수 있습니다. 두 법안 모두 카메라만 사용하든 카메라와 LiDAR를 함께 사용하든 어느 접근 방식이 실제로 더 안전한지를 테스트하지 않으며, 이것이 유일하게 중요한 파라미터입니다.

이 법안은 차량이 어떤 센서를 탑재하는지만 규제하고, 주행 성능은 전혀 다루지 않으며, 이것이 문제점입니다. 두 차량이 동일한 장비 체크리스트를 만족한다면, 잘 훈련된 모델과 훈련이 부족한 모델을 구분할 수 없고, 차량이 필수 부품을 갖추지 않았을 경우 강력한 안전 기록도 인식하지 못합니다. 수년간 사고 없이 공공 도로를 운행해 온 카메라 전용 차량조차도 주에서 금지될 수 있는 반면, 전체 센서 스택을 갖추었지만 전무한 실적이 없는 신생 기업은 첫날부터 운행을 시작할 수 있습니다. 하드웨어 요구 사항을 충족한다는 것은 핸들을 잡고 있는 AI가 우수한지, 시스템이 안전한지에 대해 아무것도 말해주지 못합니다.

기존 운영자들은 이 요구 사항 때문에 동일한 문제에 직면합니다. 일부는 수년간 전체 센서 스위트 없이도 공공 도로에서 자율주행 차량을 운행해 왔으며, 이 법안은 그들을 차단해 수년간 사고 없이 운행한 기록을 무시하게 됩니다. 게다가 새로운 센서를 추가하면 지연이 발생하고, AI가 조정해야 할 입력이 많을수록 결정을 내리는 데 시간이 더 오래 걸리며, 교통 흐름 속에서 움직이는 차량은 항상 그 시간을 확보할 수 있는 것은 아닙니다. 지연은 자율주행의 궁극적인 제약 조건입니다.

센서는 입력일 뿐. AI가 결정한다.

더 많은 센서가 자동으로 차량을 더 안전하게 만들지는 않으며, 센서가 적다고 해서 자동으로 위험해지는 것도 아닙니다. 차량이 어떻게 주행하는지를 결정하는 것은 실시간으로 모든 입력을 처리하는 신경망이며, 안전은 센서가 아니라 AI에 의해 결정됩니다.

LiDAR 시스템은 AI에 사전 측정된 거리 데이터를 제공합니다. 카메라 전용 시스템은 AI가 시각 입력만으로 거리, 움직임, 의도를 스스로 파악하도록 합니다. 인간이 하는 방식과 동일합니다. 어느 쪽이든 센서는 정보를 전달할 뿐이며, 실제로 차량이 교통 흐름 속에서 어떻게 움직일지를 결정하는 것은 AI입니다. 매년 동일한 AI는 전년보다 도로를 이해하는 데 필요한 센서 수가 줄어듭니다.

McKinsey는 이제 자율주행이 점점 더 생성형 AI에 의해 정의되고 있다, 센서가 지붕에 어떤 식으로 장착되는지가 아니라 모델이 개선될수록 시간이 지남에 따라 하드웨어의 도움이 줄어들고, 더 많아지는 것이 아니라는 점입니다. 하드웨어 의무화는 AI가 얼마나 똑똑해지든 현재 기술을 법으로 고정시킵니다.

규모 자체가 이미 사례를 보여줍니다. 자율주행 차량 판매가 급격히 증가하고 있으며, 카메라 기반 테슬라는 최근 150만 명의 FSD 구독자를 확보했습니다. 핵심은 주 입법자들이 센서 목록이 아니라 AI 성능을 평가해야 한다는 점입니다. 테슬라, 볼보, XPeng 등은 모두 같은 이유로 카메라 전용으로 전환했습니다. 자율주행의 어려운 부분은 이제 차량이 무엇을 감지할 수 있는지가 아니라 AI 기반 시스템이 무엇을 이해할 수 있는가이며, 주법은 아직 따라오지 못하고 있습니다.

하드웨어 의무화가 안전 사례를 앞설 때 누가 비용을 부담하나요?

다중 센서 시스템은 카메라 전용 시스템보다 구축 및 유지 비용이 훨씬 많이 들며, 주로 LiDAR 하드웨어, 고해상도 지도 유지, 클라우드 연결 때문입니다. 하드웨어 의무화는 경쟁할 수 있는 기업 풀을 축소하고, 로봇택시뿐만 아니라 모든 자율주행 차량이 동일한 고가 하드웨어를 탑재해야만 자격을 얻을 수 있게 합니다.

이 비용을 정당화하기는 어렵습니다. 이 산업이 아직 초기 단계이기 때문입니다. 몇 년과 수십억 달러가 투자되었음에도 대부분의 배치는 여전히 몇 개 도시의 제한된, 고정된 경로에만 국한됩니다. World Economic Forum 전망에 따르면 2035년까지 대규모 로봇택시 플릿은 전 세계 40~80개 도시, 주로 미국과 중국에서만 운영될 것으로 예상됩니다. 이미 불확실한 연방 정책 위에 주 차원의 하드웨어 규제를 추가하는 것은 시스템이 스스로 입증될 기회를 얻기 전에 또 다른 장애물을 추가하는 것과 같습니다. 주마다 센서 요구 사항을 놓고 소송에 매달리는 매년은 이러한 차량이 인간 운전자를 대체할 만큼 실제로 더 안전한지를 입증하는 데 쓰일 수 있는 시간이 사라지는 해이며, 이것이 바로 처음에 테스트를 하는 궁극적인 목적입니다.

하드웨어 의무화는 잘못된 질문에 답하고 있습니다. 진정한 과제는 더 많은 도로에 안전한 시스템을 빠르게 확대하는 것이며, 의무화는 바로 그 점을 막으면서 안전 기준을 높이는 데는 아무런 도움이 되지 않습니다.

성능이 기준을 정하도록 하자

규제 당국은 모든 자율주행 차량이 공공 도로에 진입하기 전에 통과해야 할 기준을 설정해야 하지만, 중요한 질문은 그 기준이 존재해야 하는가가 아니라 무엇을 측정해야 하는가입니다.

자율주행 차량에 강력한 엣지 컴퓨팅 시스템이 도입된 이후, 업계는 이미 비용이 많이 드는 단일 목적 하드웨어를 넘어 AI 자체에 더 많은 투자를 하고 있습니다. 규제 논의는 기술이 이미 도달한 수준을 따라잡아야 합니다.

성능 기반 표준은 카메라 전용이든 다중 센서이든 모든 아키텍처가 동일한 실제 벤치마크, 충돌률, 근접 사고, 그리고 날씨와 교통 상황별 성능을 통해 스스로 입증하도록 할 것입니다. 또한 센서 체크리스트가 절대 제공할 수 없는 구체적인 증거, 즉 차량이 적신호에서 정차했을 때 실제로 안전한지를 보여줄 수 있게 합니다.

더 많은 법이 차량이 어떤 센서를 탑재해야 하는지를 결정하도록 하는 대신, 업계는 차량이 얼마나 잘 수행해야 하는지에 대한 명확하고 공개적인 기준이 필요하며, 규제 당국은 공급업체가 제시하는 장비 목록이 아니라 결과를 기반으로 누가 기준을 통과했는지를 판단해야 합니다.