▲ 스케일의 주요 고객중 하나인 '누토노미'

자율주행 차량은 데이터, 그것도 아주 많은 데이터가 필요하다. 랜드 코퍼레이션(Rand Corporation)의 연구에 따르면 자율주행차 업체는 안전을 입증하기 위해 수억 또는 수십억 마일을 운전해야 한다. 물론 웨이모와 같은 회사는 무리없이 잘 가고 있다.

자율주행차는 연간 평균 300테라바이트 이상의 데이터를 생산할 것으로 예상된다. 하지만 데이터 수집만이 유일한 기술적 과제는 아니다. 라벨을 붙이는 것, 즉 자동차의 컴퓨터 모델이 인식하고 배울 수 있는 마크업을 추가하는 것은 또 다른 과제에 해당한다.

이 분야의 유망주로 꼽히는 샌프란시스코 스타트업 '스케일(Scale)'이 최근 1800만 달러(약 203억원) 투자를 유치해 잠재성을 가능성으로 현실화시키고 있다고 테크크런치 등 매체들이 보도했다.

2016년 당시 21세의 MIT 컴퓨터 과학자 '알렉산더 왕(Alexandr Wang)'이 설립한 스케일은 자율주행차 제조업체가 데이터 라벨링 프로세스를 가속화하는데 사용하는 API를 제공한다. 이번 투자에는 인덱스 벤처스, 악셀 및 Y컴비네이터가 참여했다.

왕은 “확보한 새 자금을 통해 스케일이 인간 지능과 머신러닝이 어떻게 함께 작동해 기존에 수동으로 힘들게 만들었던 훈련 데이터를 쉽고 빠르게 생성하는 방법을 찾아낼 것”이라고 말했다. 그는 또 “인공지능 기반 애플리케이션의 성공은 본질적으로 입력된 데이터의 품질에 달려있으며, 인간과 기계의 통합 시스템은 고객에게 인공지능 애플리케이션에 필요한 정밀도를 제공한다”고 덧붙였다.

스케일은 인간 데이터 레이블러와 머신러닝 알고리즘을 결합해 리프트, 제너럴모터스, 죽스(Zoox), 보야지(Voyage), 누토노미(nutonomy) 및 엠바크(Embark) 등 고객사의 원시 레이블이 없는 스트림을 정렬해 확장 가능한 데이터 세트로 변환해준다. 자동차의 이미지, 레이더 및 라이더 데이터를 다른 센서 데이터 중에서 검토해 보행자, 자전거 타는 사람 및 도로의 기타 물체를 올바르게 식별해주며 필요할 경우 수정을 가하기도 한다.

전체적으로 스케일의 시스템은 자율주행차가 수집한 2억 마일(3억 2100만km) 이상의 지점에 주석을 달고 있으며, 최근에는 로봇, 드론, 가상 조수 및 인공지능에 크게 의존하는 다른 솔루션 분야로 사업을 확장했다.

인덱스 벤처스의 공동 파트너인 마이크 볼피(Mike Volpi)는 “스케일은 인공지능 세계를 연결하고 강화하는 역할을 하고 있다. 특히 자율주행 차량의 경우 어떤 플레이어가 궁극적으로 정상에 오르든 상관없이 새로운 데이터 주석 분야를 확보할 수 있는 유리한 위치에 있다"고 평가한다.

물론 스케일 역시 마이티 AI, 애펜, 클라우드 팩토리, 사마소스, 아마존의 메커니컬 터크와 치열하게 경쟁하고 있지만 성장하기에 매우 좋은 위치임에는 분명하다. 스케일은 현재까지 2270만 달러(256억원)의 기금을 모금했으며 지난 12개월 동안 수익이 15배 증가했다고 보고했다.