E2E 방식
E2E(End-to-End) 방식은 원시 입력부터 최종 출력까지의 전체 과정을 하나의 인공지능 모델이 데이터로 직접 학습하는 접근법이다.
한 입에 정리하면
- 01중간 규칙·모듈을 줄여 통합 학습
- 02대규모·다양한 학습 데이터가 핵심
- 03판단 근거 검증과 안전성 확보가 과제
왜 나온 말일까요?
기존 시스템은 인식, 예측, 경로 계획, 제어처럼 기능을 여러 모듈로 나누고 각각을 설계하는 경우가 많아요. E2E 방식은 카메라·레이더 등 센서 정보와 사람이 내린 조작 또는 판단의 사례를 함께 학습해, 입력과 결과 사이의 관계를 모델이 스스로 익히도록 해요. 복잡한 상황에 유연하게 대응할 가능성이 있지만, 학습하지 못한 상황에서의 성능을 확인하고 판단 과정을 검증하기가 어렵다는 점도 중요해요.
예를 들어
자율주행 분야에서는 차량의 카메라·레이더 등 센서 데이터를 입력으로 받아 조향·가감속 같은 주행 결정을 출력하도록 하나의 모델을 학습시키는 방식이 E2E의 대표적 활용 사례예요.
이 용어가 나온 이슈
체리픽이 기사 원문이 아닌 사실관계를 바탕으로 쉽게 풀어 쓴 정의예요. 원문은 각 카드의 "더 읽기"에서 확인할 수 있어요.
용어사전으로 돌아가기