인공지능(AI) 및 AI 도구의 자동차 소프트웨어 개발 및 테스트에서의 역할

인공지능(AI)은 많은 산업과 응용 분야에서 뜨거운 주제입니다. 하지만 자동차 산업에서는 새로운 개념이 아닙니다. AI, 특히 기계 학습 – 데이터로부터 학습하고 시간이 지남에 따라 개선되는 과정을 가르치는 것 –은 오랫동안 사용되어 왔으며, 초기에는 개발 과정에서 물리 기반 접근 방식을 개선하는 데 활용되었습니다.

그러나 연결된 차량의 등장과 고객 사용 데이터, 차량fleet 데이터 등 다양한 출처에서 생성되는 데이터의 출현은 산업 환경을 근본적으로 변화시켰습니다. 과거에는 데이터를 생성해야 했지만, 현재 산업은 이러한 출처에서 수집된 방대한 양의 데이터를 활용해 실시간으로 AI 모델을 훈련시키며 개발 과정을 개선하고 있습니다.

인공지능(AI)과 자동차 산업

인공지능(AI)이 자동차 산업에 미치는 영향은 복잡합니다. 물리적 모델을 개선하는 머신러닝 모델, 소프트웨어 개발 효율성을 높이는 대규모 언어 모델, 문서 이해 및 처리 지원을 위한 AI 도구 등 다양한 AI 응용 기술을 구분하는 것이 중요합니다. 이러한 응용 기술은 사용자 인터페이스 개선부터 자율 주행 기술 구현까지 자동차 개발의 다양한 분야에서 핵심적인 역할을 합니다.

자동차 개발에 AI를 통합하는 주요 과제 중 하나는 생성되는 방대한 양의 데이터를 관리하는 것입니다. 전통적인 데이터 검증 및 처리 방법은 더 이상 충분하지 않습니다. 대신, 이 데이터를 효과적으로 처리하고 필터링하기 위해 고급 인프라와 플랫폼이 필요합니다. 이러한 과제에도 불구하고 AI의 이점은 상당하며, 수동 프로세스와 관련된 시간과 비용을 크게 줄일 수 있습니다. 예를 들어:

• 단일 출처의 데이터는 다양한 팀(예: 교정 팀과 소프트웨어 개발 팀)에서 다양한 목적으로 활용될 수 있습니다.
• 테스트 프로세스를 간소화할 수 있습니다.
• 개발 활동은 최적화될 수 있으며 지속적으로 운영될 수 있습니다.

인공지능(AI)을 활용한 소프트웨어 개발 및 테스트

소프트웨어 개발 및 테스트 분야에서 AI 도구는 수년간 효율성과 신뢰성을 향상시키는 데 중요한 역할을 해왔습니다. 예를 들어, AI는 요구사항으로부터 테스트 케이스를 생성하여 수동 프로세스와 관련된 시간과 잠재적 오류를 줄일 수 있습니다. 결국, AI는 24/7 작동할 수 있지만, 데이터 기반 시스템과 마찬가지로 결과와 분석의 품질은 사용되는 데이터의 품질에 달려 있습니다.

또한 AI는 비디오를 분석하고 물리적으로 측정할 수 없거나 도구 개발 비용이 너무 높은 실제 세계 시나리오에서 인공 데이터를 생성할 수 있어 테스트 커버리지와 결과의 신뢰성을 향상시킵니다. 또한 요구사항을 기반으로 테스트 케이스를 생성하는 데도 유용합니다. 이전에는 이 과정이 수동으로 진행되었으며, 엔지니어가 요구사항을 읽고 해석한 후 테스트 케이스를 생성해야 했습니다. AI를 활용하면 이 모든 과정을 자동화할 수 있어 소요 시간과 오류 또는 오해의 가능성을 크게 줄일 수 있습니다.

그러나 소프트웨어 개발 및 테스트에서는 단축로를 사용할 수 없습니다. 자율 주행과 같은 안전이 критически 중요한 분야에 AI를 통합하려면 신뢰성과 안전성을 보장하기 위해 엄격한 검증과 테스트가 필요합니다. 따라서 현재로서는 AI는 개발 시간을 단축하고 테스트 결과에 대한 신뢰성을 높이는 도구로 활용되고 있습니다.

자동차 산업에서의 인공지능의 미래

미래를 내다보면, 인공지능(AI)의 자동차 산업에서의 잠재적 응용 분야는 매우 광범위합니다. 컴퓨팅 파워가 더욱 저렴하고 접근하기 쉬워짐에 따라, AI의 개발 및 테스트 단계에서의 역할이 확대될 것으로 예상됩니다. 예를 들어, 차량 내부의 컴퓨팅 파워는 제한적이기 때문에, 기업들은 컴퓨팅 파워를 클라우드에 확장하는 방안을 모색하고 있습니다.

그러나 산업계는 규제 및 책임 문제, 특히 자율주행 차량과 관련된 문제를 해결해야 합니다. 만약 오류가 발생하고 사고가 발생한다면, 책임은 누구에게 있나요? 차량이 결정을 내렸기 때문에, 제조업체(OEM), 소프트웨어 공급업체, 아니면 다른 주체인가요? 이는 자율주행 기술이 발전함에 따라 산업계가 해결해야 할 복잡한 문제입니다.

그것은 우리가 얼마나 빠르게 진전해야 하는지에 대한 질문을 제기합니다. 누구도 마지막이 되고 싶어하지 않지만, 너무 빠르게 움직이면 진행 중인 상황에 대한 통제력을 잃을 수 있으며, 안전 문제에 있어서는 이는 용납할 수 없습니다. ETAS에서 우리가 다루는 업무가 차량 안전과 관련되어 있기 때문에, 우리는 차량을 안전하고 신뢰할 수 있게 만드는 데 집중하며, 이를 위해 AI 도구의 출력 결과에 대한 통제와 신뢰를 확보해야 합니다. 우리는 AI를 효율성 향상에 활용하는 것과 엄격한 검증 과정을 통해 안전성과 신뢰성을 확보하는 것 사이의 균형을 이룬 미래를 전망합니다.

ETAS의 AI 접근 방식

ETAS는 자동차 개발에 AI를 통합하는 분야에서 선두에 서 있으며, 혁신에 대한 우리의 헌신은 자동차 AI의 진화하는 환경에서 핵심 플레이어로 남아있을 것을 보장합니다. 우리의 접근 방식에는 AI를 활용해 데이터를 처리하고 최적화하며, 테스트 케이스를 생성하고 모델의 신뢰성을 향상시키는 것이 포함됩니다. 예를 들어, 우리는 개발 체인의 양쪽 측면에서 AI 도구를 활용합니다:

• 왼쪽/코딩: 생성형 AI와 채팅봇 도구는 ETAS 도구 체인을 사용하는 개발자들이 AUTOSAR, C 코드 생성, ARXML 파일 및 기본 소프트웨어 구성과 관련된 일반적인 문제를 해결하는 데 도움을 줍니다. 이 과정에서 AI 도구는 일반적인 문제를 학습하여 이미 알고 있는 문제에 대한 답변을 제공하거나, 문서화되지 않은 문제에 대해 인간이 프로세스를 인수하기 쉽게 만듭니다.
• 오른쪽/검증: AI 교정 스위트에서 실제 세계의 정보를 기반으로 교정을 최적화하기 위해 대규모 데이터가 사용됩니다. 전통적으로 이 과정은 사람이 수동으로 수행하는 시간 소모적인 작업이었습니다. AI를 활용하면 효율성이 크게 향상되며, 지식이 유지됩니다. 이는 지식을 가진 직원이 회사를 떠날 경우와 달리 지식이 상실되지 않기 때문입니다.

또 다른 예시는 ETAS Embedded AI Coder로, 전자 제어 장치(ECU)에 AI 기능을 안전하게, 빠르게, 효율적으로 배포할 수 있도록 지원합니다. 이 도구의 최첨단 성능을 활용하면 개발 시간이 크게 단축되어 C 코드 생성에 필요한 전통적인 자원을 확보할 수 있습니다. 또한 ETAS의 ASCMO를 통합하면 다중 도메인용 AI 모델을 생성할 수 있어 모델 개발과 C 코드 생성을 한 번에 해결하는 원스톱 솔루션을 제공합니다. 이 도구들이 함께 작동함으로써 임베디드 코더 생태계를 확장하여 AI 전문가가 아닌 사용자도 모델 생성을 수행할 수 있게 됩니다.

인공지능(AI)과 AI 도구는 자동차 산업을 혁신하고 있으며, 효율성과 혁신 측면에서 전례 없는 기회를 제공하고 있습니다. 산업이 계속 발전함에 따라 AI의 통합은 자동차 개발 및 테스트의 미래를 형성하는 데 결정적인 역할을 할 것입니다. ETAS의 AI 활용에 대한 선제적인 접근 방식은 이러한 기술이 더 안전하고 효율적인 차량을 창출하는 데 미치는 변혁적 잠재력을 강조합니다.