무엇이든 물어보세요. (묻고 답하고)
여기는 '무엇이든 물어보는 게시판'입니다.
(과학과 SF에 대한 질문은 'SF/과학 포럼'쪽에서 해 주세요.)
( 이 게시판은 최근에 답변이 추가된 순서대로 정렬됩니다. )
저는 지금 고등학교 3학년입니다.
이제 수능이 100일도 안남은 시점이라 정말 정신없이 살고 있는 것 같습니다.
이번 여름 방학동안 해야할 일이 빡세게 공부하는 일 외에, 대학교에 써 보낼 자기소개서를 쓰는 일도 있습니다.
자기소개서를 쓰는 과정에서 대학 입학 후 학업 계획과 향후 진로 계획에 대해 쓰라는 항목이 있더군요.
막연하게 제가 가지고 있던 꿈이 SF소설에 자주 등장하는 로봇의 인공지능을 만드는 것입니다. 특히 신경망 컴퓨터 뭐 그런것에 관심이 있구요. 그런데 문제가 너무 막연해서 구체적인 계획에 관해서 아는게 없다는 점입니다 흑흑..
종종 이 사이트에 들어와서 좋은 정보를 많이 얻어가곤 하는데, 특히 인공지능에 관해서도 알게된 점이 참 많은것 같습니다.
그런데 여기에 계신분들중에 인공지능에 관해서 공부하신 분들이 몇분 계신것 같아서 이렇게 질문드립니다.
인공지능과 관련해서 계속해서 공부한다면 정확히 어떤 분야들이 있고, 전망이 어떤지좀 알려주셨으면 좋겠습니다.
인공지능과 관련되서 글을 찾다보면, 뭔가 암울한 전망들을 보곤 했던거같습니다.. 사실 최근엔 제 꿈이 그냥 허황된게 아닌가 싶기도 하구요.
그리고 하나 더하자면 구체적으로 어떤 학교, 연구실, 기업같은 곳에서 어떤 인공지능 관련해서 직업을 가질 수 있는지도 만약 알려주실수 있다면 감사하겠습니다..
관련되서 아는게 많지가 않다보니 질문 범위가 너무 넓은듯 싶기도 하네요.
답변해주시면 감사하겠습니다. 꾸벅
아래에도 적었지만 순수하게 인공지능을 연구하는 곳은 세계적으로도 거의 없다고 보면 됩니다.
현재의 인공지능 연구실에서 연구하는 분야는, 기존 인공지능 연구의 성과를 현실적으로 적용하는데 중점을 둡니다.인공지능 연구실은 정보학과 인지학을 연구하는 곳이 대부분인데, 그 이유는 인공지능의 한 분야였던 학습이 "무엇이 정보인가?" "정보를 어떻게 정리하는가?" 등을 연구하던 학문이기 때문에, 그 성과를 활용하기 쉽기 때문입니다.
하지만 학습이 능동적인 부분이 있다면, 정보학과 인지학에서의 정보는 수동적인 부분이 있기 때문에 인공지능 연구와는 거리가 멉니다. 머리속에 지식을 쌓는 것(진짜 지식)과 책장에 지식을 쌓는 것(가짜 지식)의 차이죠.
여기서 신경망이나 유전자, 기계학습등을 활용하므로 원하시는 바와 가까운 것 같지만, 현실은 진짜 인공지능과는 관계없는 곁다리에 불과합니다. 연구하는 사람들조차 학습이 무엇인지 모르기 때문이죠.
인공지능 연구실에서 공부하는 논리학은 가공된 정보를 이용해 판단하는 학문이므로, 그나마 전통적인 인공지능 연구에 가장 가까운 편입니다만, 논리학의 특성상 다른 학문의 바탕이 될지언정 현실적인 학문이 되기 힘들기 때문에 원하시는 바와 가까우면서도 먼 분야입니다. 그래서 현존하는 논리학자들은 모두 뛰어난 수학자이지 뛰어난 공학자라고 하기는 힘듭니다.
논리학의 문제는 정보학과 인지학과는 반대로, 계량적으로 정보를 쌓거나 논리를 쌓아가는게 어렵다는 겁니다. 정보가 쌓여있어야 판단을 하는데, 정보 쌓는게 쉬운게 아니거든요. 또한 판단의 과정도 점차 다양한 방법으로 판단할 수 있게 해야하는데, 이게 쉬운게 아닙니다. 코드가 스스로의 코드를 작성해야 하니까요. 이것 역시 사람이 판단이라는게 뭔지 몰라서 벌어지는 사태인거죠.
논리학을 활용한 현실적인 분야는, 게임을 비롯한 수많은 산업에서 활용되며 무궁무진하며 상당히 다양하지만, "학습"해서 "활용"할지언적 "공부"하는 곳은 드뭅니다. 책만으로도 쉽게 공부할 수 있지만, 이쪽으로 가면 스스로 진짜 인공지능을 만드는 것은 불가능하죠.
하지만 제 말은 그저 몇 발자국 앞서갔던 선행자의 넋두리에 불과하므로, 겨우 이런 글 하나에 좌절하지 말고 열심히 노력하시기 바랍니다.
공부 열심히 하셔서 외국 유명 대학 진학을 목표로 삼으세요.
우수한 교수님 만나서 우수한 교육을 받고 같이 공부하다보면 뭔가 방법이 나올지도 모르지요.
SF 소설에 등장하는 대화에 능하며 자율적으로 사고하는것이 가능한 로봇의 인공지능은 현재로는 기반조차 존재 하지 않고
기반이 무엇인지 연구하고 있는 수준입니다.
괴개님이 말씀하신것 처럼 학습이라는 개념이 어떤 식으로 이루어지는지에 대해서 조차 아직 연구가 이루어지고 있는 것이 현실이죠.
나포님이 궁금하신건 어떤쪽으로 진학해야지 인공지능 연구를 할수있는가 같은데 작금의 수준은 인공지능이라는건 없다는게 현실이네요.
인공지능 분야에 돈을 아낌없이 쓰는 회사는 전 세계에 딱 한 곳 있습니다.
IBM의 왓슨 연구소입니다.
정말로 SF물에서 다루어졌던 바로 그 꿈을 이룩하기 위해 돈을 쓰고,
현실적으로 당장 이룩될 수 없다는 것을 알면서도 끊임없이 투자하는 유일한 곳입니다.
아직 걸음마 수준에 불과한 거 사실이고, 퀴즈쇼에서 얼마간 성과를 거둔 것도 "So What"이라고 하면 할말 없는 레벨이지만
그래도 그 정도 성과를 위해 돈이 되지도 않는 데 오히려 돈을 쏟아븟는 유일한 곳이 IBM 왓슨 연구소밖에 없습니다.
인공지능 컴퓨터는 IBM의 실질적인 창업주였던 왓슨 그의 꿈이자 회사 창립 이래로 계속된 꿈이기 때문에,
본질적으로 인공지능 실현의 꿈은 IBM 존재의 이유이므로 당장 돈을 못벌어도 투자하고 있는 겁니다.
따라서 님이 인공지능 실현이라는 꿈을 위해 달리고자 한다면,
현실적으로 IBM 왓슨 연구소에 가는 게 가장 바람직합니다.
하지만 전 세계에 실제로 인공지능 실현을 위해 돈을 때려 넣고 있는 회사의 연구소가 딱 한 곳 밖에 없고,
그래서 오늘날 전 세계에서 인공지능 연구해 보고 싶어하는 날고 기는 잘난 사람 뛰어난 인재가 모두 몰립니다.
그렇기 때문에 그 곳에서 일하고 싶으시다면... 황당한 레벨의 인재가 되어야 합니다. 농담이 아니라 진담입니다.
따라서 세계 최고의 대학에서, 세계 최고의 논문 써서 학위 받고, 세계 최고의 역량을 인정받아야 합니다.
박사학위는 당연히 기본이고, 이름만 딱 들어도 모두 고개를 승복하는 학교에서 최고 레벨 논문을 써야 합니다.
참고로 IBM 연구소에서는 (순수학문을 하는 곳이 아닌데도 불구하고) 노벨상 수상자가 2명 나온 바 있습니다.
그곳 연구소는 인공지능이 아니더라도 경영 쪽에서 생산계획의 기본인 MRP, 유통업의 바코드를 발명한 곳이고,
노벨상도 순수학문이 아니라 응용학문하다가 어쩌다 발견한 것이지만 워낙 치열하게 연구하니 큰 상을 받은 겁니다.
그 정도이니... 왠만한 레벨의 인재가 아니어서는 감히 진입하는 게 불가능에 가깝습니다.
다시 말해 왓슨 연구소는 IBM이 최상위 가치를 두고 최고 인재에게 최고 연봉을 주며 투자하는 곳입니다.
한국의 S대와 K모 공대는 세계 150위 80위 권이므로, 세계 최고 레벨과 어깨를 나란이 하기에는 한참 떨어집니다.
따라서 아예 목표를 한국에서 알아주는 그런 대학에 둘 경우 왓슨 연구소에 절대로 갈 수 없습니다.
무조건 세계 최고 대학에 초점을 맞추어야 하고, 그 곳에서 무조건 탑이 되어 학계를 지배하는 레벨이 되어야 합니다.
역으로 말하자면,
세계에서 제일 잘난 그런 외계인 레벨의 최고 인재들이 모여서
워커홀릭 소리들으며 매달려도 겨우 나온 게 "인공지능이라고 하기엔 우습다"는 말을 듣는
퀴즈쇼 대답하는 것 정도가 현재 수준이고, 아직도 걸음마도 간신히 하는 레벨이라는 것이죠.
가전 산업에서부터 자동차, 로봇 산업, 그리고 소프트웨어 산업에 이르기까지 인공 지능을 활용하려는 노력이 많습니다.
인공지능이라고 막연하게 이야기되지만, 사실 분야가 매우 다양하고 다양한 분야에서 적용하려고 노력 중입니다.
지금은 한물 간 이야기이지만, 한때 유행하던 '퍼지 기술'이라는 것도 인공 지능을 실현하려는 방법의 한가지 사례이지요.
스마트폰에서 주 기술로 내세우는 '사람의 얼굴을 인식하는 카메라' 같은 것도 인공 지능 기술의 한가지 사례입니다.
대개의 경우, 인공 지능에 대해서는 소프트웨어 공학에서 접근하는 사례가 많습니다만, 컴퓨터 공학 쪽에서도 나름대로의 방법으로 실현하려고 노력하고 있습니다. 반도체 공학 분야에서도 인공 지능을 실현하기 위한 반도체 회로 연구를 진행하고 있는 것으로 알고 있습니다.
어느 쪽이건 "인공 지능을 개발"하려는 것이라면 공학 분야. 특히 컴퓨터와 관련한 '컴퓨터 공학', '전자 공학', '소프트웨어 공학', '반도체 공학' 등의 분야를 배워야 하며, 가능한 소프트웨어와 하드웨어를 함께 배우는 것이 좋습니다.