은둔기계
구독자 120명구독중 47명
은둔지
제가 가장 존경하는 4학년 선배가 개발자 취업을 포기하고, 재료공학 석사에 진학하는 걸 보고 끄적여본 글입니다.
https://www.youtube.com/watch?v=AOl1Q7dUd2s
힌튼 박사님의 인터뷰를 보고 많은 생각이 드는 요즘이다.
사실, 23년도에 ChatGPT가 처음 나왔을 때도 힌튼 박사님은 똑같은 위험을 경고했다. 어째서 인공지능이 천연지능인 우리보다 더 우월하고, 더 위험한지에 대해서.
인공지능은 하나의 모델이 아니라 하나의 분야다. 말 그대로, 인공적으로 지능을 만들어보려는 학문이다. 그리고 최근의 AI 혁명을 가능하게 한 건, 인공지능 모델 중에서도 신경망(Neural Network), 바로 딥러닝이다. 현재 트랜스포머를 비롯해서 모든 AI 모델은 각기 다른 형태의 신경망을 튜닝해서 백본-인코더-디코더 구조를 사용하지만, 결국 그 모든 것의 알파이자 오메가는 아래 신경망 구조에 있다.
AI에 관심이 없어도 위와 같은 이미지가 익숙하게 느껴질 것이다. 이게 바로 신경망의 전부다.
노란색 동그라미, 즉 입력(Input)에 정보가 들어온다. 이걸 특징(feature)이라고 하는데, 쉽게 말해 결과를 예측하는 데 도움이 될 만한 힌트들이다. 만약 성별을 예측하는 AI를 만들고 싶다면, 특징으로 나이, 키, 머리카락 길이 등을 넣어주면 된다.
그러면 서로 연결된 선들의 영향력, 즉 가중치(weight)가 어떤 것은 강해지고 어떤 것은 약해지는 과정을 거친다. 이 가중치라는 숫자들을 곱하고 더해서 최종적으로 빨간색 동그라미, 즉 출력(Output)에서 각각의 선택지에 대한 확률값이 나온다. 예를 들어 [0.2, 0.8]이라는 결과가 나왔다면, AI가 해당 인물을 2번째 선택지(예: 여자)라고 약 80%의 확신도를 가지고 예측했다는 뜻이다.
인공지능이 나오기 전까지 우리는 일종의 '노가다'를 했다. 문제 해결을 위한 알고리즘(방정식)을 인간이 직접 만들기 위해 노력했다. 그러나 이제는 그럴 ...
역동의 시대입니다 정말로... ㅠㅠ 어렵네요...
ㅎㅎ 학부연구생으로 구르면서 논몬 하나를 최근에 투고했는데, AI 도움을 너무 받아 1저자에 제가 아니라 Gemini를 넣는 게 맞는 거 아닌가 싶더군요
학부생이신데 논문 투고라니 대단하십니다! 저는 그 때 아무것도 모르고 못했는데... 어떤 진로든 응원합니다!
1번이 생각보다 굉장히 큰 메리트라고 생각합니다. 공학뿐만 아니라 인사관리와 같은 직무도 컴퓨터공학 능력이 결합되면 개발자 자체로는 가질수 없는 특별한 엣지가 생기더라구요
컴퓨터공학을 선택한 이유기도 합니다. 다른 학과는 들어가면 그것 밖에 못하는데, 컴퓨터공학은 익혀두기만 하면 뭘 하든 도움이 될 거 같아서요. 젠슨 황의 생명공학 발언도 그렇고, 최근에 하사비스도 케임브리지 강연에서 젊은 대학생들에게 학제 간 연구가 유망하다고 한 거 보면, 근미래에 이쪽이 상당히 유망해질듯 하네요 ㅎㅎ
암기를 그렇게 잘하신다니 비결이 뭔지 어쭤봐도 될까요?
별 거 없습니다 ㅎㅎ 그냥 최대한 많이 반복하고, 반복의 과정을 거치면서 폴더 정리하듯이 각 지식들을 연관성을 기준으로 묶어냅니다. 암기 과목 공부할 때 이 과정을 수 차례 반복하면 항상 책 하나가 (물론 분량에 따라 달라지지만) A4 5장 정도로 압축되더라구요.
아… 그렇군요. 감사합니다. 👍 저는 암기를 거의 못하는데 암기 잘하시는 분들 보면 참 신기하고 부럽습니다.