카카오 계정과 연동하여 게시글에 달린
댓글 알람, 소식등을 빠르게 받아보세요

가장 핫한 댓글은?

본문이 수정되지 않는 박제글입니다.

AI 유행, 블루/레드오션, 향후 유망 분야 분석

2023.12.28

19

7650

결론 부터 말하자면, 머신러닝과 딥러닝에 대한 테크니컬한 수준이 높은 연구/기술자의 수요는 역대 최대로 높다고 할 수 있으며, 향후 더 높아질 예정이다.

이점은 많은 사람들이 동의할 것이라고 생각한다. 현재 딥러닝의 큰 성공으로 수요는 폭발적으로 늘어날 것이라고 예상이 되니까.

다만 여러글을 봤을 때, 많은 사람들이 걱정하는 것은 수요대비 공급인 것 같다. AI 대학원의 인원 상승, 각종 탑컨퍼 논문들의 폭발적 상승이 많은 공급을 보여준다고 볼 수 있기 때문이다.

먼저 AI 대학원에 대한 반박을 하겠다. 한국의 AI 대학원의 입시 경쟁이나 학생들의 수준 (한국 학생들은 기본적으로 수학 + 코딩을 잘한다)은 매우 높다고 볼 수 있다. 이는 전자/전산과 학생들도 마찬가지다.

하지만, 현재 한국에서 머신러닝, 특히 딥러닝을 제대로 가르칠 수 있는 사람, 최신 연구 트렌드로 지도할 수 있는 사람은 극소수이다. 이는 논문이 쏟아지고 있는 것과는 좀 다른 이야기이다.

학생들의 열의와 열정, 하드 매니징과 높은 목표로 인해서 페이퍼 자체가 이쁘게 쓰여지고 성능도 좋은 논문들이 간당간당하게 점수를 받고 여러개 붙는 것은 한국이 세계 어느 나라 보다도 뛰어나다고 볼 수 있다.

하지만, 학문적인 흐름을 교수가 직접 주도해서 선구자의 연구를 해내는 흐름이 한국에는 적다. 따라서 학생들도 이를 배울 기회가 매우 드물다.

자, 그럼 교수들이 왜 (다른 분야에 비해서) 학문적 주도능력이 떨어질까?

그 이유는 딥러닝이란 분야가 본래 정말 소수만이 하던 마이너한 분야였기 때문이다. 현재의 AI 대학원 교수들은 대부분 computer vision, data mining, 베이지안 통계 등을 박사때 전공하였다. 이것은 딥러닝이 추구하고 있는 방향 (약 40여년간 발전했던)과 관련도 있지만 차이점도 상당하다.

세간의 인식과는 달리 딥러닝이란 분야는 단단하고 오랬동안 쌓아올려진 성이다. 딥러닝이 그저 간단한 도구라는 세간의 인식도 그 분야에 대한 무지가 얼마나 큰지 보여주는 증거라고 볼 수 있다.

물론 소수의 교수들은 유관분야인 딥러닝을 알렉스넷 이후부터 끊임없이 follow up을 하여 학생들을 위한 지도가 되는 경우도 간혹 있으나, 그마저도 판을 주도할만한 연구를 하기는 쉽지는 않다.

이런 질문을 해보자:

1. 국내에 deep reinforcement learning에 대한 전문 지식을 가진 교수가 풍부한가? 최근 늘어나고 있지만, 여전히 매우 희소하다.

왜냐하면 이는 RL과 딥러닝 모두에 대한 해박한 지식과 경험이 있어야 하기 때문이다. 몇 없는 국내의 DRL 전문가들 조차도 젊은 경우 정책망의 표현학습에만 집중이 되어있다던지, 혹은 나이가 많은 경우 RL의 제어/최적화 이론에만 빠삭한 것이 현실이다.

이를 둘다 해낼 수 있는 교수/학생의 풀은 매우 적다.

2. 국내에 딥러닝의 generalization 문제를 근본적으로 접근하려고 하는 교수가 충분한가? 매우 적다.

이는 Uncertainty에 대한 정확한 이해와 (통계/베이지안/graphical model) 표현학습 대한 이해, 그리고 최적화에 대한 이해가 같이 수반되어야 하기 때문이다. 역시, 젊은 그룹은 표현학습과 패턴인식에 초점이 맞추어져 있으며, 원로그룹은 고전적 통계에만 집착하고 있다.

3. 국내에 fast attention 을 연구하고 있는 교수 혹은 학생이 충분한가? 매우 적다.

이는 유행을 따라가는 속도의 문제라고 생각한다. 또한 이 경우 하드웨어 아키텍쳐 레벨까지 잘 공부가 되어있어야 한다. CUDA를 잘 다룰 수 있어야한다. 국내는 그러한 개발적인 교육을 크게 등한시하는 경향이 있다.


1/2/3 번 모두 미국의 빅테크 openAI, 딥마인드 등에서 매우 핵심적으로 필요한 인력들이다. 그렇다는 것은 한국의 기업들도 이런 인재가 필요하다는 것이다. 한국에는 컴퓨터 비전과 패턴인식 테크니션들은 풍부하지만, 딥러닝 테크니션은 매우 부족하다. 이는 꾸준히 공부했던 사람이 적어서 그렇다 ("이것은 젊은 사람들에게는 큰 기회라고 볼 수도 있다").

결론적으로,

AI 대학원 정원의 증가로 인한 공급의 증가는 진로 선택에 크게 신경쓰지 않아도 좋다고 생각한다. 다만, 한국의 AI 기술과 지식이 해외와 크게 차이가 나는 사실은 매우 경계 해야하는 부분이다. "한국"의 AI 인재 공급은 매우 부족하다. AI에 관심이 있다면 부디 진입해서 열심히 공부하고 연구해서 한국 AI를 위해서 큰 역할을 해주었으면 좋겠다.

글의 논리에서 유추해 볼 수 있듯이 그래도 젊은 유학파 교수들 중에 제대로 하는 분들이 계실 확률이 높다 (대가들 제자들도 있다). 학교 이름 보다는 이거를 먼저 따져보길 바란다.















카카오 계정과 연동하여 게시글에 달린
댓글 알람, 소식등을 빠르게 받아보세요

댓글 19개

2023.12.28

1,2번의 이유에 크게 동감하기에 전 신입생들에게 AI대학원, 컴공보다 수학과나 통계학과쪽에서 머신러닝 하시는 신임교수님들 랩을 추천하는 편입니다

딥러닝 하시는 많은분들이 수학적 원리에 대한 깊은 이해를 등한시하고 성능과 실용에만 집착하는 부분이 있는데, 이는 상당히 잘못된 방향이라고 생각되네요

대댓글 5개

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

2023.12.28

매우 공감가는 글이네요

2023.12.28

지금 시점에서 보는 특정 연구 분야만 중요한 분야가 아닙니다..
개인의 연구 주제 선호로 학계 전체를 판단하기는 무리가 있죠.
적절한 문제 정의 후 풀어가는 능력은 한국 전반적으로 좋습니다.
함부로 판단해서 열심히 연구하시는 분들 힘빠지게 하지 맙시다.

대댓글 3개

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

댓글쓰기

게시판 목록으로 돌아가기