서울대 산업공학과 조성준 교수: 1980-90년대만 해도 컴공에서 AI가 차지하는 비중은 5%, 그 5% 중에서도 연역형 AI가 95%고, 귀납형 (빅데이터 기반) 머신러닝이 5%에 불과했지만, 지금은 컴공의 90%가 머신러닝 AI에 집중하고 있다; 10년 전에는 금융사, 제약사, 존슨앤존슨 같은 회사들이 매출 최상위권 기업들이었지만, 지금은 AI 기업들이 최상위권 - 미칠듯한 속도로 시총 2위로 치고 올라온 엔비디아가 그 예; AI 소프트웨어 (GPU)를 만드는 엔비디아 같은 회사는 어떤 AI 소프트웨어 회사 (구글, 메타, 아마존, MS)가 승리하든 위너다 - 캘리포니아 골드러쉬 때 곡괭이와 청바지를 팔던 장사꾼들이 큰 돈을 번 것처럼 말이다; 엔비디아의 GPU는 게임에서 복잡한 컬러와 움직임을 구동하기 위한 용도로 개발되었지만, AI 머신러닝과 잘 어울려 수요가 폭발적으로 증가하고 있다; 이 GPU를 10분의 1 가격으로 내놓는 중국 회사나, GPU 대신 더 효율적인 성능의 (전기료를 덜 쓰는) AI칩을 개발할 수 있는 회사가 등장하면 돈방석에 오를 것; 한국 대학과 미국 대학의 결정적 차이는 전공 결정의 flexibility - 스탠퍼드 대학교에서는 아무 때나 전공을 정할 수 있고, 한국 같은 '전과'의 제한이 없어서, 많은 인력이 빠르게 AI테크로 넘어갈 수 있다; 세계 최고의 AI 선진국은 단연 미국이고, 두번째는 중국 - 중국의 경우 환경이 열악하지만, 1) 데이터 프라이버시가 없어 자기들 멋대로 데이터를 활용할 수 있고, 2) 14억 인구라는 엄청난 데이터를 확보할 수 있다는 점에서 강점을 갖고 있다; 자율주행차는 이미 완성되었다 - 수백건의 사고들을 문제삼는데, 일반 자동차의 사고들을 문제삼으면 뉴스 전체를 다 사고기사로 채워야 할 것; 자율주행차의 맹점은 변수에 취약하다는 것 - 과거에 학습한 귀납적 AI 모델에 기반하기 때문에, 안전성이 100%가 될 수 없다; 빅테크 중 최고봉은 구글 - 오픈AI의 트랜스포머 구조를 개발한 것이 구글; 구글은 잘 만들고, 메타와 아마존은 상용화를 잘 한다; MS는 AI 분야 3등 기업이었지만, 오픈AI에 투자하고 자기 것으로 만들면서 업계의 판도를 뒤흔들고 있다; "한번 해보자"는 급한 성격과 저돌성이 한국인 및 한국 기업의 장점 - 일본식 아날로그 TV에서 LCD TV로의 전환에 성공한 삼성 - 이 '도박'으로 자칫 잘못했으면 회사가 날아갈 뻔했다 / IT통신의 3,4세대 모델을 소비자에게 적용하는 모험을 한 것도 한국의 이통사들 - 한국인들의 이런 장점을 잘 살리면 AI application 분야에서 빠른 두각을 나타낼 수 있을 것; 반면, 일본은 아직도 '안전' 중심의 나라 - 팩스로 보낸 것을 이메일로 확인하고, 이메일을 보낸 것을 전화로 확인하는 문화; AI 머신러닝의 두 종류는 주관식 답을 내는 '생성형 모델'과 단답, 사지선다, OX에 적용되는 '분석형 모델' - 자율주행은 분석형으로, 0.1초마다 엑셀과 브레이크를 빅데이터 자료에 기반해 판단하는 식; 컴공과, 통계학과, 산업공학과 등 '이공계' 전공 데이터 엔지니어의 수요가 높아지고 있다 - 이들의 역할은 AI에 적용될 분야에 대한 빅데이터를 수집, 보관, 학습하는 것; AI는 문과에게도 기회가 많다 - 자기 분야에서 어떤 데다 어떤 형태의 AI를 적용해야 생산성이 높아지는지는 엔지니어들이 모른다; '문맹'의 시대가 가고, '컴맹'의 시대가 갔듯이, 언젠가는 'AI맹'의 시대가 갈 것이다 - 현재는 'AI맹'들이 넘쳐나기 때문에, 바로 지금 여기서 세계적인 성공을 거둘 기회가 있다
1980-90년대만 해도 컴공에서 AI가 차지하는 비중은 5%, 그 5% 중에서도 연역형 AI가 95%고, 귀납형 (빅데이터 기반) 머신러닝이 5%에 불과했지만, 지금은 컴공의 90%가 머신러닝 AI에 집중하고 있다; 10년 전에는 금융사, 제약사, 존슨앤존슨 같은 회사들이 매출 최상위권 기업들이었지만, 지금은 AI 기업들이 최상위권 - 미칠듯한 속도로 시총 2위로 치고 올라온 엔비디아가 그 예; AI 소프트웨어 (GPU)를 만드는 엔비디아 같은 회사는 어떤 AI 소프트웨어 회사 (구글, 메타, 아마존, MS)가 승리하든 위너다 - 캘리포니아 골드러쉬 때 곡괭이와 청바지를 팔던 장사꾼들이 큰 돈을 번 것처럼 말이다; 엔비디아의 GPU는 게임에서 복잡한 컬러와 움직임을 구동하기 위한 용도로 개발되었지만, AI 머신러닝과 잘 어울려 수요가 폭발적으로 증가하고 있다; 이 GPU를 10분의 1 가격으로 내놓는 중국 회사나, GPU 대신 더 효율적인 성능의 (전기료를 덜 쓰는) AI칩을 개발할 수 있는 회사가 등장하면 돈방석에 오를 것; 한국 대학과 미국 대학의 결정적 차이는 전공 결정의 flexibility - 스탠퍼드 대학교에서는 아무 때나 전공을 정할 수 있고, 한국 같은 '전과'의 제한이 없어서, 많은 인력이 빠르게 AI테크로 넘어갈 수 있다; 세계 최고의 AI 선진국은 단연 미국이고, 두번째는 중국 - 중국의 경우 환경이 열악하지만, 1) 데이터 프라이버시가 없어 자기들 멋대로 데이터를 활용할 수 있고, 2) 14억 인구라는 엄청난 데이터를 확보할 수 있다는 점에서 강점을 갖고 있다; 자율주행차는 이미 완성되었다 - 수백건의 사고들을 문제삼는데, 일반 자동차의 사고들을 문제삼으면 뉴스 전체를 다 사고기사로 채워야 할 것; 자율주행차의 맹점은 변수에 취약하다는 것 - 과거에 학습한 귀납적 AI 모델에 기반하기 때문에, 안전성이 100%가 될 수 없다; 빅테크 중 최고봉은 구글 - 오픈AI의 트랜스포머 구조를 개발한 것이 구글; 구글은 잘 만들고, 메타와 아마존은 상용화를 잘 한다; MS는 AI 분야 3등 기업이었지만, 오픈AI에 투자하고 자기 것으로 만들면서 업계의 판도를 뒤흔들고 있다; "한번 해보자"는 급한 성격과 저돌성이 한국인 및 한국 기업의 장점 - 일본식 아날로그 TV에서 LCD TV로의 전환에 성공한 삼성 - 이 '도박'으로 자칫 잘못했으면 회사가 날아갈 뻔했다 / IT통신의 3,4세대 모델을 소비자에게 적용하는 모험을 한 것도 한국의 이통사들 - 한국인들의 이런 장점을 잘 살리면 AI application 분야에서 빠른 두각을 나타낼 수 있을 것; 반면, 일본은 아직도 '안전' 중심의 나라 - 팩스로 보낸 것을 이메일로 확인하고, 이메일을 보낸 것을 전화로 확인하는 문화; AI 머신러닝의 두 종류는 주관식 답을 내는 '생성형 모델'과 단답, 사지선다, OX에 적용되는 '분석형 모델' - 자율주행은 분석형으로, 0.1초마다 엑셀과 브레이크를 빅데이터 자료에 기반해 판단하는 식; 컴공과, 통계학과, 산업공학과 등 '이공계' 전공 데이터 엔지니어의 수요가 높아지고 있다 - 이들의 역할은 AI에 적용될 분야에 대한 빅데이터를 수집, 보관, 학습하는 것; AI는 문과에게도 기회가 많다 - 자기 분야에서 어떤 데다 어떤 형태의 AI를 적용해야 생산성이 높아지는지는 엔지니어들이 모른다; '문맹'의 시대가 가고, '컴맹'의 시대가 갔듯이, 언젠가는 'AI맹'의 시대가 갈 것이다 - 현재는 'AI맹'들이 넘쳐나기 때문에, 바로 지금 여기서 세계적인 성공을 거둘 기회가 있다
Work Experiences
현재 정부3.0추진위원회 빅데이터전문위원장을 맡고 있으며, 한국BI데이터마이닝학회 회장을 역임하였다. 주 연구 분야는 데이터 선택, 앙상블, 분류예측 및 이상탐지 알고리즘 개발 및 제품개발, 공정분석, 마케팅, 인사, 파이낸스, 의료진단 및 생체보안과 같은 다양한 비즈니스 분야에서의 응용이다. Pattern Recognition, Neural Computation, IEEE Transactions on Neural Networks, Artificial Intelligence in Medicine, Computer and Security, Journal of Interactive Marketing 등의 top journal에 150 여 편의 논문을 발표하였고, 다수의 특허와 상용 소프트웨어를 개발하였다. 현재 International Journal of Operations Research and Information Systems(IJORIS) 및 International Journal of Cognitive Biometrics 편집위원을 맡고 있다. 삼성전자, 현대자동차, 포스코, 대우조선해양, 현대중공업, SK텔레콤, LG전자, 삼성카드, CJ제일제당 등과 관련 분야의 연구과제 및 자문을 수행하여왔다. 지금까지 60여명의 석박사를 배출하였으며, 현재 20여명의 석박사과정 학생들을 지도하고 있다. 서울대 산업공학과 학부와 석사과정에서 경영과학, 확률모델링, 통계학, 인간공학을 공부하였고 Dial-a-Ride 문제의 배차 최적화 알고리즘으로 석사학위를 받았다. 풀브라이트 장학생으로 선발되어 미국 시애틀 소재 워싱톤대학교 컴퓨터사이언스 학과에서 이미지 프로세싱 연구로 석사학위를 받았고, 미국 칼리지파크 소재 메릴랜드대학교 컴퓨터사이언스 학과에서는 기계학습, 회귀 신경회로망, 브레인 모델링, 학습기반 자동진단 연구로 박사학위를 받았다. 포스텍 컴퓨터공학과 조교수, 호주 University of New South Wales 의 Anthony Mason Fellow, 미국 워싱톤대학교 포스터 경영대학 방문교수를 역임하였다.
Comments
Post a Comment