가짜연구소의 "마법학교", <초조한 전망대>라는 이름으로 모였습니다.
첫 모임인만큼 세미나 보다는, 각자가 생각해서 들려주는 AI에 대한 이야기로 주로 진행했습니다.
첫모임은 오프라인이었지만, 사정상 못오시는 분들을 위해 하이브리드(온/오프라인) 모임을 진행했습니다. 하이브리드는 조금 어려운 점이 있었는데요, 한결님의 멋진 진행으로 부드럽게 진행을 했습니다.
서로 소개해요: 자기소개
새로운 사람이 오면 늘 소개하는 규칙을 만들었습니다. 자세한 내용은 아래 깃허브에 담았습니다.
https://github.com/Pseudo-Lab/impatient-observatory/discussions/5
오신 분들을 대략 살펴보면, 웹 개발자(프론트, 풀스택), 데이터엔지니어, AI 연구원, Youtuber, 취업준비생, 프리랜서(홈 프리텍터?) 등으로 다양했습니다. AI에 대한 지식 수준도 입문자부터 상급자에 이르기까지 다양한 스펙트럼을 이루고 있었습니다.
그리고, 4명의 MASTER(마스터)를 소개했습니다. 마스터는, 간단히 말하면 멘토입니다. 이 가짜연구소에 온전히 들어올 수 있게 도와주는 역할을 맡는 사람입니다. 한결님을 제외하고, 선모님, 홍규님, 저와 유신님 4명으로 구성되어 있습니다. 그 중에서 저와 유신님이 서포터 겸으로 마법학교 학생들을 긴밀하게 도움을 드리고자 지원했습니다.
처음은 가벼운 모임: 북클럽
후기를 메인으로, 기여해보는 모임을 구상했습니다.
매주 참여하고 후기를 가짜연구소 디스코드와 단톡방에 업로드를 합니다. 서로 친해지기 위해서 관심 갖고, 댓글 달고 카톡하는 거죠. 결과적으로 각자가 기여하면서 성장해보자는 취지로 가벼운 온보딩 미션을 수행해보는 것입니다.
주로 AI와 관련된 뉴스레터를 읽고, 본인의 의견을 피력하며 토론하는 모임이 될 것 같습니다. 각자의 의견을 모아보고, 이에 관해 심도있게 가져갈 수 있는 분들은 따로 후기에 정성스럽게 덧붙일 수 있겠네요.
한결님의 이야기: with Rise of AI Engineer
혼자 들으면서 끄적인 키워드는 아래와 같습니다.
- 머신러닝 리서쳐/엔지니어.
- 세상이 어떻게 되는가?
- 이론과 실제 개발.
- 현실의 문제를 풀기 위해 솔루션 가져오는 것, 수학 /미적분 /통계 → 이게 조화를 이루어야 최적의 문제 해결이 가능할까?
이론과 적용에 관한 논의는 역사적으로도 늘 반복된 과제라 생각합니다.
이론을 완벽히 해야 적용할 수 있다는, Bottom up 방식을 주장하는 사람이 있고, 반대로 일단 되는대로 해보면서 그때그때 필요한 것을 찾아서 채워가도 된다고 보는 Top down 방식의 사람이 있습니다. 그 두가지에 대한 차이를 심도있게 논의해보았습니다.
1. Bottom Up: 이론을 "완벽히" 알아야 AI를 할 수 있다.
https://kr.giai.org/research/2024/06/8999/
[기고] '시민 데이터 과학자'라는 어리석은 정책 - GIAI Korea
최근들어 머신러닝, 딥러닝, 생성형AI 등의 이름으로 불리고 있는 계산과학(Computational Science)을 처음 접했던 것은 박사 과정 중 시뮬레이션 관련 보조 수업을 찾던 2013년이었다. 미국 대학들의 대
kr.giai.org
이분의 입장은 다음과 같습니다. "수학과 통계를 모르면 AI를 하지 마라."
2. Top Down: 일단 써보고 그때그때 채워라.
Machine Learning mastery.
https://machinelearningmastery.com/start-here/#getstarted
프로세스 이해
필요한 도구 가져와서 공부 → 집중적으로 만드는 연습.
이 분의 조언: 다 뜯는게 아니다.
있는 거 가져다 써라.
- 전처리부터 평가의 모든 프로세스를 한번 이해.
- 문제 푸는 연습 해보기.
- 성능 향상을 위해 필요할 때 뜯어본다.
- 개발자에 맞춘 접근 방법이다.
- 몰라도 쓸 수 있다.
Rise of ai engineer
새로 AI 엔지니어 직종이 생길 것이다.
- 기존의 모델과 다르게, 오픈 AI의 상용모델 가져와서 체인을 가져오고 도구 연결하는 사람이 두각을 나타낼 것임.
- 이게 작년 6월. 이걸로 MVP 만든 사람들. 개발자가 금방들어갈 수 있는 영역임. 결과적으로 이렇게 바뀜.
모델 여러개 시도 → 영업해본 다음에 안되면 엎는다.
초기 스타트업 특징: 최소한의 돈으로 검증함.
프로덕트를 먼저 만들어볼 수 있음.
- 분류 모델을 만들고 한번 쓴다. → 폭발적 수요 → 데이터 수집 → 스케일링 되면 그 때 모델이 개발된다.
제일 중요한게 “영어”로 학습시키기.
자연어 단으로 말하면 바로 CPU등 리소스 사용.
결국 더 가까운게, 알고리즘 작성(수도코드)로 짤 수 있는 능력이 필요.
이제 AI도 API → 그 다음..
아직까지 머신러닝까지 해서 할게 아님.
하나의 문제 여러개.
앱만드는 수준으로 싸진다.
채산성 안나오던 프로젝트를 가져다가 → 현실에서 고칠 수있게 하는게 더 중요해질 것이다.
감상 이야기하기
HS님
어릴 때부터 관심이 많았음. 수포자.
GPT 전에 미드저니2 쓰고 좋음. GPT는 충격임.
파비? 4가지 관점은 완전 다른 거다.
제일 왼쪽 같은 분들은 빅테크 기준 5천명 미만이다. 다만, 비판적으로 생각을 해야겠다.
SM님
데이터 사이언티스트 분야가 일부는 병합이 들어올 수 있다.
AI 엔지니어가 담당할 때, → 분석할 때는 결국 수학이 쓰인다. → 근데 그게 데싸가 아니라 점점 AI 엔지니어로 넘어갈 수도 있겠다.
학습 곡선을 완만하게 만들 순 있지만 → 취업 생각하면 결국 데이터사이언스 역량 필요.
제로투원.
나중에는 LLM 실험하고 그렇게 하지만 → 결국 통계학으로 다시 갈 수도 있음.
웹개발도 그랬음. 과거 컴파일러만 진행.
프레임워크에 대한 지식 아는 배관공이 됨.
개발자가 엔지니어에서 테크니션 간 그런 느낌이 비슷함.
chain, agent 만으로 하는 일자리.
KP님
- 도메인 전문가가 → AI 엔지니어에 들어감.
- 선박 프로젝트. 도메인이 가진 사람이 비즈니스로 연결시키는 강점이 있다.
- 엑스퍼트들이 차지할 수 있지 않을까?
- GPT 등으로 코딩을 알게 되고
- 다만 고객사와 커뮤니케이션에 문제가 생김(데이터사이언스 역량 부족)
보편화될까? 그거는 의심이 된다.
YS님
병원: 도메인 전문가는 의사임.
그 분들이 직접 소프트웨어까지 하게 될까?
뭔가를 더 배워서 해야하는데? 그 배우는 것에 대해 비용을 지불해야한다. 돈을 주고 배우게 시킬지 결정해야한다.
도메인마다 매우 다를 수 있음.
ex) 시니어 분들이다.
본인이 하겠다고 하지 않는 이상은 어렵다. PM 위치면 밑에 부탁을 해야함.
정리)
“문은 열렸다. 근데 안 할 거야”
생각보다 알고리즘 배우는게 진입장벽이 크다.
디버그? 노력?
YNSN님
이론적 백그라운드가 필요함.
AI 엔지니어가 구분이 될 지 모른다.
수요와 공급을 생각한다.
- 만약에 그러면, 키워야하는 능력이 무엇일까 생각해야한다.
프롬프트 엔지니어?
따로 키워서 쓴다? → 기존 인력 버리고 ?
지금은 프롬프트 작성이 → 도메인 지식에 대한게 더 크다. → 더 크다.
AI 엔지니어 몸값이 훨씬 저렴할 수 있다.
임베디드보다 웹개발이 싼 느낌으로,
저렴하게 인력이 풀리고 제일 국밥 역할을 할 것이다.
JJH님
컴플레인 걸면 → 문제가되고 증명되는지 답변하기 어려우니 누군가가 하려면 → 깊은 지식이 필요하지 않을까라는 생각.
SH님
CMD가 어려운 것 같다.
개발 베이스 있는 사람들은 넘어 가기 쉽지만?
도메인 전문가가 넘어가는 건 극소수일 수 있다.
내가 쓰려면 어떻게 하는가?
진입장벽이 생각보다 문외한
JY님
문제를 푸려고 하는 사람인데, 역할이 다른 것이다.
nerf는 없고, 뎁스 추정(영상처리) - segmentation 배우고 AI 입문.
grey zone이 생긴다.
역할을 구별하다보면 사라질 것이다.
내가 어떤 역할을 하고 살아가는가?
문제를 해결한다면, 4가지 골고루 공부해야한다.
조직 운영 차원에서 어떤 방향으로 나아가는가?
AI 찍고,
약간씩 맛보면서 옮겨다닐 수 는 있음.
- 문제 해결을 위한 전략 : 스킬의 총합.
JS님
프론트엔드 끝단에서 이런 그림을 몰랐음.
그래서 AI 프로덕트로 문제를 해결을 해나아갈 텐데, 그러면 공부하면서 기여해볼 수 있지 않는가?
코드만 가지고 디자인 작업 다할 수 잇게 하자.
figma에서 AI Assistant사용해서 그린다.
컴포넌트 배치 → 경우의 수 골라서 자기가 선택해서 배치.
켄트백.
주식만큼 기술가치가 변한다.
뭐가 떡상할지 살펴보는것 자체가 풀타임 일이 될 수 있다.
YSHIN님
ML 엔지니어가 할 줄 아는 일들.
데이터 학습, 파인튜닝 등.
회사에 와보니 → AI에 가깝다. 초반의 모인 것들.
결론
차선으로 거대한 오픈소스에 붙어서, 6개월 이상을 대비해서 공부하는 건 쓸모가 없음.
바로 앞에 놓인걸 대비 공부. 장기 공부는 필요는 한데, 8:2이다.
수학 다 공부하고 AI 진입은 어리석은 것임. 당장 배워 써먹는 위태함이 맞다고 생각한다.
다음에는 어떻게 나누면 좋을지 의견 듣고 해보자.
최선이 8명. 그 이하면 ? 하나로.
참고) monocular depth estimation 소개 https://paperswithcode.com/task/monocular-depth-estimation
어디서 찾는지 확인해보고, 정리해야 한다.
자유롭게 이야기 해보고
1) 내가 팔로우할 장소들: (링크) 혹은 어떤 사람들이면 그 사람 적기.
2) 주제 한 줄 표현.
내 후기
가짜연구소에서 온보딩이 참 어려울 수 있겠다는 생각을 늘 해왔습니다.
첫 시작을 하려고 보면, 이미 진입장벽이 높아보이기도 하고, 참여하다가 중도 포기하는 경우도 많았습니다. 이를 위해 가짜연구소에서 좋은 온보딩 프로그램을 운영해서, 자유롭고 편안하게 시작하는 것부터, 나만의 가짜연 아카데미를 운영하는 빌더를 많이 만들어보자는 취지의 모임입니다. 다행히도 참여해주신 분들이 적극적으로 의견을 표현해주셔서, 첫 출발은 괜찮았다고 생각합니다.
AI에 대한 지식은 차이가 있지만, 그 열정은 동등했던 시간이었습니다. 누구나 와서 편안한 마음으로 AI에 대한 시작을 도와주는 모임이 되었으면 하네요! 함께 바라보는 AI 모임으로 성장하기를 바랍니다.
'세미나 후기' 카테고리의 다른 글
| AWS Summit Seoul Day2: 자격증 13개, 올서티의 이야기 (1) | 2024.06.04 |
|---|---|
| [Kubernetes] 쿠버네티스 / 앱 현대화 테크 세미나 후기 (2) (1) | 2024.06.01 |
| [Kubernetes] 쿠버네티스 / 앱 현대화 테크 세미나 후기 (1) (0) | 2024.06.01 |
| [가짜연구소] 인과추론으로 네트워킹 참여 후기 (0) | 2024.05.26 |
| AWS Summit Seoul Day 1 후기: 헬스케어 (0) | 2024.05.23 |