2000년대 초반 많은 엔지니어들과 연구자들은 자율주행 시스템을 조향 문제(longitudinal control)와 가속감속 문제(lateral control)로 나누어 보았었다(참고1). 엔지니어들은 차량에 붙어있는 카메라들로 사진을 찍어서 이것저것 처리해본 뒤, 핸들을 얼마나 돌릴지 정하고 브레이크와 엑셀을 얼마나 밟을지 정하면 자율주행문제를 풀 수 있을 것이라고 생각했다는 것이다.
딱 10년이 흘러 2010년대에는 자율주행 시스템을 인지(perception)문제, 판단(planning)문제, 제어(control)문제로 나누어 보기 시작했다. 자율주행 문제가 완전히 풀렸느냐, 풀리지 않았느냐와는 별개로 엄청난 발전이 있었다. 그리고 그로부터 또 딱 10년이 흘러 2020년에는 Autonomy 2.0(참고2)와 data driven AI 라는 패러다임 아래 많은 자율주행 기업들이 한번 더 퀀텀점프를 하고 있다.
문제를 잘못 정의하고 문제를 풀면, 풀어도 전혀 쓸모없는 문제가 풀려 버린다. 엄청난 발전들은 모두 문제정의를 새롭게 시도함으로써 발생한다. 헬로콕에서는 마케팅에서 너무나도 기본적인 ‘노출’ 에 문제가 있다는 것을 진단할 때 가장 발전이 빨랐다. 이 문제를 잘 풀었기 때문이 아니라, 이 단계에 문제가 있다고 정의할 수 있었기에 발전이 빨랐다는 것이다(from1).
대부분의 거대한 발전이라고 불리는 것들은 모두 패러다임 전환으로부터 이루어졌다. 패러다임이 전환되는 일들은 “문제 정의” 를 다시하고, 그것이 더 낫다는 것을 보임으로써 일어났다(from2, from3).
parse me
1.
None
from
2.
supplementary
opposite
1.
None
to
1.
2.
참고