brunch

매거진 근본적 한계에 대한 단상들

라이킷 19 댓글 3

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by Amang Kim Nov 21. 2017

25. AI기술, 인재 확보에 관한 전략적 접근 (하)

AI, 인공지능, 인재, 원류, 기초 그리고, 교육

이전 글에서는 AI관련 제품을 만들 때의 인재나 기술 확보를 위한 전략 접근에 대해서 이야기 했는데, 이번엔 보다 미래지향적 관점인 (인재)교육에 대한 이야기를 해보고자 한다. 이 글만 독립적으로 읽어도 무방하지만, 혹시라도 이전 글에 관심있다면 지난편(중편)을 참고 하시라[링크 참조].

예전에 페이스북에 위와 같은 낙서(?)를 올린 적이 있다. 이렇게 적었던 낙서가 생각보다 인기가 많았었는데(?) 전 직장의 보스께서 재미있는 댓글을 달아 주셨는데, 조금만 소개하자면 아래와 같다. 위에 포함되지는 않았지만, 통상적으로 말하는 "소프트웨어" 또한 위의 단어 중에 포함이 가능하리라.

오늘은 이에 대한 이야기를 해볼까 한다. 과연, 오늘의 이야기가 인공지능(AI)와 관계 있는지, 없는 지는 이 글을 읽는 여러분들의 판단에 맡길까 한다. 다들 아시겠지만, 필자의 낙서에 포함된 단어들의 공통점은 요즘 인터넷 및 언론에서 인기리에 언급되고 있는 하이테크 관련 단어들이라는 점이다. 여기에

4차 산업혁명, IoT, Cloud, Software, Coding

과 같은 단어들을 추가 할 수 있을 것이다. 예전엔 이런 단어들이 한때 미디어를 주름 잡은 적이 있었다:

Convergence(융합), Innovation(혁신), Design(디자인), Nano Tech(나노기술)

위의 단어들이 매력 있기는 하지만 정작 따져보면 기존에 있던 개념이나 기술(혹은 과목)의 조합(혹은 분해)에서 크게 벗어나지 않는다. 각 단어들에 대해서 그에 해당하는 원론적인 분야들을 설명할 수 있지만, 여기서는 인공지능(AI)를 예를 들어 설명하겠다. 머신런닝(ML)쪽, 특히 신경망(Neural Network)은 선형대수학(Linear Algebra)과 확률(Probability)이 그 원류라 할 수 있다. 인공지능 분야가 ML만 있는 것은 아니다. 정책을 기반(policy based)으로한 전문가시스템(Expert System) 또한 인공지능 분야 가운데 하나이고, 여러분들이 이쪽으로 인공지능을 공부한다면, Software설계(Software Architect), 알고리즘(Algorithm) 분야가 그 원류가 된다. 위에 언급된 인기를 끌었던 단어들도 인공지능을 뜯어서(?) 원류를 이야기 했던 것처럼, 찬찬히 분석을 하면 그 단어(혹은 분야)의 원류가 무엇인지 파악하는 것이 가능하다. 그리고, 이러한 방식의 분석은 원류로 정의했던 분야의 원류를 또한 찾아 낼수 있다. 예를 들자면, 선형대수(Linear Algebra)의 원류는 대수학(Algebra)이고, 확률론의 원류는 해석학(Real Analysis)정도가 될 것이다. 이런식으로 원류의 원류, 그 원류의 원류, 또 그 원류의 원류 찾아가 보면, 지금 막튀어 나온 혹은 미래기술을 대표하는 최신 단어들도 따지고 보면 이제까지 해왔던 고전적인 분야로 부터 그 출발이 있다.

학위(혹은 학문; Knowledge)와 스킬(Skill)

내가 이런 원류(?)에 대해서 이야기하는 이유는 이런 식의 원류찾기를 해보면 미래를 대비하기 위해 필요한 것이 무엇인지 파악 할 수 있기 때문이다. 이러한 원류 찾다보면, 그리고 여러분들이 다양한 학문 분야를 알고 있다면, 이러한 원류들 중에 예전부터 배웠던, 혹은 고등학교때까지 배우는 기초 교육과정에 포함이 되어있는 것들이 보일 것이다. 이런류의 작업은 앞서 이야기 했던 기술 분해와 비슷한데, 이렇게 분해를 하다가 보면 바뀌는 부분과 바뀌지 않는 부분이 있는데, 인문학(Liberal Art)과 과학(Sciences)으로 갈수록 바뀌는 분야가 적고, 공학(Engineering)으로 갈 수록 바뀌는 분야가 많아진다. 그리고, 위로 고등학교까지 국(영), 수학, 과학이 중요한 이유는 이러한 과목들이 바로 기술(Technology)로 대표되는 모든 공학 분야의 원류(혹은 기초)가 되기 때문이다. 이 글을 통해서 학문의 원류에 대한 분석을 논하기는 어려울 것이다. 하지만, 우리가 배우는 학문분야를 대학전공 수준에서 펼쳐 놓고 보면, 학위(학문; knowledge)와 스킬(수준) 사이에 (대체로) 양의 상관관계가 있는 분야가 있는 반면, 학위와 스킬 사이에 거의 관계가 없는 분야가 있다. 예를 들어, 물리학, 수학, 경제학과 같은 분야는 학위가 올라 갈 수록 그 학위를 가진 사람들이 아래 학위를 가진 사람들보다 (문제를 해결하는) 스킬이 좋은 경우가 많다. 다시 말해, 많이 공부한 사람이 대체로 좋은 스킬을 갖는다. 하지만, 미술이나 음악, 그리고 컴퓨터(코딩)은 박사학위를 가졌다고 해서 반드시 그 사람이 스킬(잘 만들거나, 잘 짜는 능력)이 좋은 것은 아니다.

그리고, 처음엔 지식적인 측면이나 스킬이 혼재 되어, 소위 말하는 "학위(간판)"가 되는 경우가 많다. 하지만, 이러한 (원류적) 학문과 스킬은 시간이 지날수록 자연스럽게 분리가 된다. 예를 들자면, Literature(문학)는 문학사(혹은 작가연구)와 글쓰기(Writings)로 나뉜다. 예전엔 글쓰기라고 하면, 문학을 하는 사람들만 하는거라 생각 했었지만, 지금은 아니다. 공학이나 과학을 전공한 이들 조차도 글쓰기가 중요하다는 것을 안다. 여기서 글쓰기는 학문이 아니라, 스킬이다. Linguistics((영어)언어학)의 경우를 보자. 특히, 국내에서 전공하는 영어 언어학의 경우, 언어학과 영어(사용)으로 나뉜다. 예전엔 영어를 사용할 줄 안다고 하면, 영어언어학(혹은 영문학)을 전공한 사람들만 하는거라고 생각했었지만, 지금은 아니다. 여기서, 언어학은 학문이지만, 영어(사용)은 스킬이다. 인공지능(AI)의 핵심인재 이야기를 하는데 갑작스럽게 문학이나 언어학 전공을 이야기하느냐고 한다면, 더이상 어찌 설명을 해야할지 모르겠다만, 계속 해보겠다.

컴퓨터를 기반으로 한 모든 학문분야를 보자. 컴퓨터관련 분야도 학문적 원류로 분해할려고 하면 한도 끝도 없지만(그만큼 복잡한 분야이기 때문이다), 그냥 간략하게 이야기하자면 컴퓨터는 크게 이론(학문)과 코딩 내지는 이용법(스킬)로 나뉜다. 예전엔, 코딩을 하기위해서는 컴퓨터(관련)학과를 전공해야만 할수 있다고 생각했었고(실제로 그렇기도 했다), 그보다 예전에는 컴퓨터(관련)학과를 전공해야지만 컴퓨터를 이용할수 있었다. 다만, 컴퓨터 분야는 스킬에 대해서 다시 두가지로 나눌수 있는데, "코딩"은 말그대로 특정 언어(Programing Language)를 이용하여, 컴퓨터가 동작할 수 있는 명령어를 줄수 있는 능력이고, "이용법"은 엑셀이나 파워포인트, 포토샵같은 어플을 사용할줄 아는 능력을 말한다. 컴퓨터관련 전공은 분야적 특수성 때문에 스킬에 있어서 "코딩"과 "이용법"이 섞이기도 한다. 가장 대표적인 것이, 코딩에 할때 Library를 불러서 사용하는 경우이다 (코딩을 해본 경험이 있다면, 이 의미를 잘 알것이다) 컴퓨터를 기반으로 한 분야인 AI 또한 이러한 분류법에서 크게 벗어나지 않는다. 즉, 이론(학문)과 코딩 내지는 이용법(스킬)로 나눌수 있다. 그리고 여기서 중요한 한가지,

AI를 학문적으로 전공했다고 해서 코딩(내지는 이용)을 잘하는 것은 아니다

라는 점이다. 그리고 또 한가지, 코딩은 코딩이지 "AI용 코딩"라는 것이 존재하지 않는다. 코딩을 잘하는 친구에게 라이브러리(혹은 AI엔진)와 사용법을 주고, 어플을 짜라고 해보라. 실력좋은 친구라면 하루면 인공지능이 탑재된 쳇봇을 뚝딱하고 만들어 낸다. 이 코딩을 잘하는 친구가

AI의 핵심(core)이 되는 이론들을 잘 아는가?

인공지능이 탑재된 챗봇을 만들기 위해 AI의 핵심이론을 알아야 하는가?

다들 예상하겠지만, 위의 두질문에 대한 대답은 "No"이다. 이들이 잘하는 것은 프로그래밍 스킬(코딩)이다. 불행인지 다행인지 모르겠지만, 내 주위에는 코딩을 천부적으로 할 줄 아는 선배/동기/후배분들이 많다 (덕분에 나는 일찌감치 프로그래머의 길을 접었다..ㅎ). 그들 중에는 이름만 대면 알만한 분들도 있다. 그들에게는 코딩은 코딩일 뿐이다.

결국 중요한 기초(혹은 원류)

당신(혹은 국가)이 어떤 분야에 관심있다고 할때, 우선적으로 파악해야할 것은 해당 분야가 어느만큼이 학문적인 이론인 영역인지, 어느만큼이 스킬의 영역인지를 아는 것이다. 그리고, 그 분야를 차지고하고 있는 대부분이 스킬의 영역이라면, 그 분야를 학문적으로 연구(즉, 박사학위를 위해 공부하는)하거나 전공을 하는 것이 무의미 할 수 있다. 또한 학문적인 이론의 영역이 대부분을 차지고 하고 있더라도, 그 영역의 대부분이 다른 원류에서 온 것이라면, 그 분야 자체보다는 그 분야의 원류가 되는 분야를 공부하는 것이 이후 미래를 대비하는데는 보다 올바른 선택일 가능성이 높다.

언론에서 혹은 인터넷에서 어떤 기술 단어(분야)가 뜬다는 것은 "학문"적인 영역이 강조되기 보다는, "스킬"적인 부분이 강조 되는 경우가 많다. 왜냐하면 스킬적인 부분이 있어야지만, 가시적인 성과(Output)를 해당 분야를 정확히 모르는 대중적으로 보여줄 수 있기 때문이다. 문학을 학문적으로 설명하는 것보다 잘 쓰여진 명문이 더 영향력이 있고, 미술의 학문적인 지식보다 잘 그려진 그림 한장이 더 영향력이 있다. AI를 대중에게 알리는데 있어서도 AI의 기초가 되는 선형대수학을 설명하는 것보다는 잘 만들어진 챗봇이나 알파고가 훨씬더 대중에게 파급력이 크다. AI의 학문적 원론이 되는 분야는 전산학(그중에 (세부전공에 따라 차이가 있겠지만) 알고리즘, 컴퓨터구조 혹은 분산컴퓨팅), 수학(그중에 선형대수학 내지는 응용대수학), 전자공학(그중에 칩셋설계)이다. 물론, 스킬을 익히는데 있어서 최소한의 학문적인 이론이 필요하기는 하다. 하지만, 이러한 스킬에 대한 설명은 굳이 학위과정을 가지지 않아도 되는데, 그 이유는 스킬에 대한 이해를 위한 학문적 분량이 그리 많지 않기 때문이다. 그리고, "스킬"에 해당하는 분야라는 의미는 시간이 지나고 세월이 지나면 변화하거나 없어지는 분야라는 것이다. 물론, 스킬도 제대로 쓸려면 오랫동안 사용해온 경험이 중요하다. 하지만, 경험을 쌓는다는 것은 스킬을 높인다는 의미이고, 공부를 한다는 것은 학문분야의 지식을 쌓는다는 의미이다. 스킬은 그일을 계속하면 늘지만, 학문은 공부를 해야 는다. 그리고, 사회가 요구하는 스킬은 시대에 따라 변한다. 예전에 주산(암산)이 그랫고, 일반상식이 그랫다. 그리고, 지금은 한창 떠들고 있는 코딩(소프트웨어라고 쓰지만, 코딩이라 읽는다-내가 이렇게 이야기하는 이유에 대해서는 다음 글에서 이야기 하도록 하겠다)이 그렇다.

이즈음에서 여러분들 중에는, 그래서 뭐가 중요하다는 거냐? 라고 질문할지도 모르겠다. 지금 중학생인 딸래미가 진로에 대해서 질문해 왔을때, 내가 해줬던 이야기로 이 글을 마무리 하고자 한다.

나: 우선은, 어떤 분야를 전공하던지 관계없이 익혀야할 것(스킬)은, 글쓰기, (영어)말하기, 컴퓨터(코딩)이야. 이건 너가 어떤 전공을 하던지 익혀 놓으면 좋은거다. 하지만, 아빠는 너가 굳이 그걸 전공으로 선택하기를 원하지는 않아. 너가 좋아서 하고 싶은 전공을 해.

딸래미: 만약, 내가 대입 때까지 하고 싶은 전공을 모르면 어떻게 하지?

나: 너가 과학쪽에 관심이 있으면, 수학(혹은 통계)이나 물리도 괜찮고, 전산(이론), 전자공학이나 기계공학도 괜찮다. 만약에 문과쪽이라면, 경제학이나 심리학쪽도 나쁘지 않지.

딸래미: 나 물리 싫은데(참고로 딸래미는 생물을 좋아한다)... 왜 굳이 아빠가 말하는 과를 택해야 하는데?

나: 아빠가 나열한 과목들은 나중에 너가 좋아하는 분야가 생겼을때, 얼마든지 자유롭게 이동이 가능한 기초(원류) 분야이기 때문이야. 지금 뭘 할지 몰라도 그쪽에 바탕을 두고 여러가지를 접하다 보면, 정작 하고 싶은게 생겼을때, 그 분야로 쉽게 이동이 가능하지.

딸래미: 난 아직 내가 뭘 좋아하는지 잘 모르겠어.

나: 자신이 뭘 좋아하는지를 찾아가는게 인생 아니겠어?

기술력이 급변하는 이 시대에 당신이 무엇을 전공해야 미래에 살아남을 수 있을까를 질문 한다면, 나는 내가 딸래미에게 했던 저 이야기를 해줄 것이다. 결국 중요한것은 기초라고...