AI 엔지니어가 되는 전략
최근 중국의 지방 법원에서는 인공지능 (AI)이 판결문을 작성하고 있다. 법원에서 사건 데이터를 입력하면 ,AI가 초안을 작성하고 판사가 최종적으로 보완하여 완성하는 방식이다. 법원은 '생성형 AI를 활용한 법률 문서 가운데 사건 관계자와 사실관계 확인 부분의 정확도는 95%를 넘었고, 판결문의 완성도는 70%에 달한다'라고 밝혔다. 한 사람의 운명을 가를 수 있는 재판을 마침내 기계에게 맡기게 된 것이다. AI의 사용은 공정성이 더 높을 것이란 기대만큼이나 편향에 대한 우려도 높다. 그럼에도 불구하고, AI 개발과 도입은 늘어나는 추세이다.
'인공지능' 키워드 검색량, 구글AI는 최고의 전문직으로 손꼽히는 직업들을 위협하고 있다. 이미 여러 개의 AI가 변호사 시험과 의사 시험을 통과하였다. 당장 변호사와 의사를 대체하지는 못한다. AI가 변호사와 의사를 완전히 대체할 수 있는 시점이 오겠지만 당분간은 인간이 AI를 활용하여 생산성을 높이는 방향으로 나아갈 것이다.
우리나라는 97개 대학에 AI관련 학과가 신설되었다. AI 엔지니어는 가장 유망한 직업이 되고 있다. 유망한 AI분야와 학습하는 방법에 대해 살펴보자.
AI와 머신러닝
AI는 인간의 지능을 흉내 내는 기계이다. AI는 과거의 데이터를 이용해서 스스로 학습을 한다. AI는 인간의 말을 이해하고 이미지를 처리한다. AI를 탑재한 기계는 인간이 하던 업무를 단순화시키거나 대신할 수 있다. 현재 AI의 키워드는 자연어처리(natural language processing와 딥러닝(deep learning)다. 이 기술들은 많은 양의 데이터를 처리해서 패턴을 찾아낸다. 정보를 더 빠르게 분석하고 인간이 미처 고려하지 못했던 점까지 분석하여 창의적인 결과를 내놓을 수 있다. 예컨대 이세돌과 바둑을 두었던 딥마인드는 37번째 수에서 인간이라면 절대 두지 않았을 수를 두어 사람들을 당혹시키고 결국 이세돌을 이겼다.
AI 기술은 머신러닝(machine learning)을 기반으로 한다. 이 용어는 기계학습으로 번역되기 때문에 큰 기계를 조작하는 모습을 연상시킬 수 있다. 그러나 머신러닝은 소프트웨어 수준에서 알고리듬을 만드는 것을 말한다. 스탠퍼드 대학의 AI 석학인 앤드류 응은 3년 내에 가장 많은 가치를 창조해 낼 AI기술을 다음과 같이 예측한다. 지도 학습(supervised learning)이 가장 유명하고 다음으로 생성형 AI (generative AI)와 비지도학습(unsupervised learning)이 많이 활용될 것이다.
AI 엔지니어가 되기 위한 역량 개발
AI 엔지니어는 기술적인 역량과 비즈니스적 역량이 필요하다.
AI 기술 역량
AI엔지니어는 데이터를 수집해서 머신러닝 알고리듬을 만든다. AI 엔지니어가 되기 위해서는 데이터 과학, 소프트웨어 개발과 프로그래밍을 알아야 한다.
알고리듬은 광범위한 수학 지식을 기반으로 한다. 통계가 가장 중요하며 미적분 또는 대수학이 사용된다. 가장 많이 사용되는 알고리듬으로는 은닉 마르코프 모델, 가우시안 혼합 모델, 나이브 베이즈가 있다. 머신러닝 알고리듬은 대개 공개되어 있고 무료이다. 데이터분석 수준에는 알고리듬에 대한 깊은 이해가 없어도 되지만, 알고리듬을 수정하고 최적화하려면 수학적 이해가 필요하다.
파이썬, C++, 자바, R과 같은 프로그래밍 언어에 적응한다.
자연어 처리가 중요하다. 인간은 언어를 통해 의사결정을 하고 다른 사람과 소통하기 때문이다. 컴퓨터 과학과 정보처리로 대량의 언어를 처리한다.
비즈니스 역량
소통 능력을 개발한다. 마케팅 전문가, 데이터 사이언티스트, 데이터 분석가, 연구자, 소프트웨어 엔지니어, 제품개발자들과 협업하여 프로젝트를 진행한다.
비즈니스는 문제를 올바로 정의하는 것이 가장 중요하다. 분석적 사고와 비판적 사고로 해결이 필요한 문제를 정의하고, 문제해결을 위한 AI를 개발하거나 AI를 이용해 해결책을 찾는다.
해당 산업의 지식을 익힌다.
AI엔지니어 학습
AI엔지니어는 통계학, IT, 컴퓨터 과학, 수학을 학습해야 한다. AI개발은 광범위한 지식이 필요하며 협업이 필요하다. 현실세계의 문제 해결을 위해서는 마케팅 지식도 필요하다. 학위를 취득한다면 데이터 과학, 수학, 인지과학, 컴퓨터 과학 분야를 선택한다. 스스로 학습하려면 AI관련 온라인 코스를 듣고 자격증을 취득한다.
AI엔지니어의 진로
금융은 전통적으로 통계와 컴퓨터 과학이 가장 일찍 도입되고 활용된 분야이다. AI로 시장을 분석하여 투자결정을 하거나, 투자를 자동화할 수 있고, 의심스러운 활동(사기 예방)을 발견할 수 있다.
제조업체들은 AI로 공급망을 발전시키고 있다. AI로 공급과 수요를 예측하고 물류의 운송과 보관을 최소화하여 생산성을 높일 수 있다.
헬스케어는 가장 많은 데이터가 쌓이는 분야이다. 영상 이미지와 건강 관련 데이터로 질병을 예측하고 치료하고, 웨어러블 장치를 통한 AI헬스케어에 대한 수요가 높다.
모든 비즈니스는 고객 분석과 시장분석을 하려고 애쓴다. AI를 통하여 고객의 행동 패턴을 밝히고 기회를 활용할 수 있다.
AI관련 온라인 코스
무크 (mook)를 통하여 AI학습이 가능하다. 앤드류 응이 설립한 코세라(coursera)는 전 세계 대학에서 제공하는 고품질의 강의를 들을 수 있는 플랫폼이다.
AI for Everyone by Andrew Ng (코세라):- 앤드류 응 교수의 강의로 AI알고리듬의 핵심 원리를 배울 수 있다. 스탠퍼드 대학은 AI관련 많은 강좌를 제공하고 학습자의 선호도가 높다.
IBM Applied AI Professional Certificate (코세라):- IBM은 AI관련 강좌를 계속 업데이트하고 있으며 실습을 할 수 있는 환경을 제공한다. 구글에서도 비슷한 강의를 제공하는데 R을 사용하며 IBM은 파이썬을 사용한다는 차이가 있다.
AI관련 자격증
국내에서는 데이터 분석과 IT관련 자격증을 취득할 수 있다. AI를 내세우는 자격증들이 많이 생겼지만 공인되지 않은 민간자격으로 실용성이 확인되지 않았다. 다음은 한국데이터진흥원과 산업인력공단에서 주관하는 자격들이다.
ADsP, ADP:- ADsP는 데이터분석 준 전문가로 이론만 본다. 통계와 머신러닝 알고리듬 지식을 측정한다. ADP는 ADsP의 상위 자격증으로 실기의 난이도가 높다. 능숙한 프로그래밍을 통한 데이터 분석 능력을 측정한다.
빅데이터분석기사:- 최근에 생긴 기사급 자격증임에도 인기가 매우 높다. 이론 시험은 난이도가 낮지 않지만 실기는 초보적인 수준의 프로그래밍 능력만 있어도 합격이 가능하다.
정보처리기사:- 대표적인 IT분야의 자격증으로 컴퓨터 활용과 알고리듬에 대해 묻는다. 정보보안기사와 전자계산기조직응용기사도 관련이 높다.
