Transcription
세상의 모든 지식 언더스탠딩, 네 자 언더스탠딩 시작하겠습니다.
시작하기 전, 공지 사항 하나 말씀드리겠습니다.
음, 야 언더스탠딩 모회사인 3프로 TV의 미국 투어를 지금 하고 있습니다. 하고 있는 것은 아마 방송 보신 분은 아실 텐데, 미국 놀러가는 거 아니고, 뭐 사실 약간 놀기도 하겠습니다만, 주 공부하러 간다는 네, 미국 파이낸스 앤 칼리지 투어인데, 거기 가보셨어요? 뉴욕 익스체인지 가본 사람을 만나봤습니다. 되게 멋있습니다. 저는 한번 가봤거든요.
되 월가, 월스트리트. 예, 거기 가면은 뉴욕 스타 익스체인지, 거기 현지 투어도 하고, 토리도 만나서 뭐 강연도 듣는다고 하고, 또 보스턴에 가서 MIT, 하버드도 자 견학하고 오는 뭐 이런 일정이라고 하니까.
그런데 얼마 안 남았어요. 이 말 서울 연휴 이번에 길잖아요. 어, 그때 다녀오는 건데 아마 다 찼다고 제가 들었는데, 한두 분 정도가 이 다른 일이 생기셔서 자리가 난 모양입니다.
네, 저희가 가고 하니까 링크를 뭐 남겨 놓을 테니까 관심 있으신 분들은 아마 가서 보시면 될 거 같아요. 조금 가격이 있습니다만, 1천만 원 안 바인데, 현지에서 합류하시는 방법도 있고, 아니면 그냥 여기서 비행기 표까지 사시는 방법도 있고, 그럼 이제 가격 차이는 좀 있겠죠.
김 프로랑 저녁 식사도 한답니다. 가면. 그리고 원하시면 그거는 빼드립니다. 나는 다 좋은데 김 프로님이랑 저녁 식사는 안 하고 싶다. 그거는 저한테 말씀주시면 그거 가 따로 얘기했 거 빼줄 수도 있 아.
이런 거 하면 우리도 좀 보내주고 하든지 해야지. 우리는 아, 자 저기도 가고 싶습니다.
네, 자 여기까지 공지사항은 여기까지고, 오늘 진짜 중요한 분을 또 모셨습니다. 한국 HBM 아버지, 음 한국의 반도체를 그냥 어깨에 그냥 온몸으로 지고 계신 분을 다시 모셨습니다.
네, 예음, 카이스트 오늘 반도체의 속 깊은 이야기를 좀 들어보려고 하는데요. 네, 가이스트 김정호 교수님 오시고, 자 반도체 이야기 좀 더 배워보겠습니다. 어서 오십시오.
네, 안녕하십니까. 초대해 주셔서 감사드리고요. 새 복 많이 받으세요. 주 올래 좋은 일이 더 많았으면 좋겠습니다. 감사합니다.
저희가 인사를 먼저 드렸어야 되는데, 지난번에 우리 김 교수님 나오셔서 그때 HBM 얘기 해 주셨는데, 아 굉장히 공부도 많이 되고 심각성도 많이 느끼고 그랬다고 들었어요.
근데 지금 교수님 이제 학교에서 학생들 가르치고 계신데, 네, 우리나라 이게 다 반도체 앞으로 인력을 키워내야 되는데 이래 가지고 안 된다. 오늘 그런 하실 말씀이 있다고 들었습니다.
네, 그니까 우리나라를 지탱해 주는 게 지금 이 순간에도 결국 산업이 아닌가 싶어요. 또 수출해야 되고, 어 그런데 국제 정치, 군사 입장에서 또는 산업 입장에서 앞으로 제일 중요한 게 AI, 아는 생각에 변함이 없고요.
그건 2025년 지금도 마찬가지고, AI 가능하게 하는 게 반도체. 우리 두 가지를 반드시 이제 잡아야 되겠다고 생각을 하는데, 거기서 우리 산업 경쟁력을 가지려면 어 기술도 있어야 되고, 투자도 해야 되고, 인프라도 갖춰져야 되는데, 결국 세계적으로 미국, 중국, 일본, 대만 다 가장 부족한 게 인재가 아닌가.
그래서 오늘 우리는 어떤 인재를 길러야 되는지, 우리 대학이나 중고등학교 시스템, 어 영어 유치원까지 어떤 문제들이 있는지 한번 우리 라에서는 왜 젠슨 왕이 안 나오나, 젠슨 왕이 안 나오나, 왜 샘 알트만이 안 나오나, 아 이런 얘기를 오늘 해 보려고 그러는데.
저 아님이 이번에 입시 있잖아요, 있었잖아요. 예, 이번에 입시에서 반도체 관련 학과가 약간 이렇게 떨어졌습니다. 이유가 진짜 민감하라 요즘 우리나라 반도체 한풀 꺾인 거 아니야. 아 그래서 뭐 그런 것 때문에 학생이 학부모님들이 또 우리 사회가 여러 가지 문제가 있지만 현상적으로 드러나는 건 이제 수도권 집중, 강남 집값, 또 이제 의대 쏠림 현상, 거기에 이제 고령화, 뭐 저출산 문제가 다 있는데, 어 조금 가치관이나 인생을 사는 방법 이런 게 좀 다양화 됐으면 좋겠습니다.
음, 좀 쏠림 현상이 큰데 오늘 그 그거를 한번 제가 깨 드리고 싶은데, 얼마나 AI고 반도체 공학자가 신나는 직업이고 가능성이 많은지 이 얘기도 해 보고 싶습니다.
예음, 반도체 하청업체 분은 이제 손자들이 이제 태어나고 이럴 텐데, 손자손녀가 미래의 직업은 전 세 개밖에 없다고 봐요.
음, AI 개발하거나, 음 예 AI 어디에 적용하거나, 예 그다음에 어 오오 오토 바이탈 일밖에 없다. 배달, 배달, 배달. 아, 배달을 누군가 해. 밥은 먹어야 되니까. 그러니까 그걸 배달을 로봇이 하기엔 좀 비싸거든요.
그래서 대부분의 일이 다 자동화 될 것이다. 인공지능 AI 하고, AI로 로봇이 노동은 로봇이, 정신노동 AI. 그러면 이제 소득이 극단화 이렇게 되는 거죠. 국가 간의 이제 패권 극단화 되고.
그래서 이게 어 이제 이런 흥미 위주 얘기도 할 텐데, 제가 오늘 인재 주제부터 시작한 이유는 어 여러분들이 자녀분들이 이제 있잖아요. 그분들의 진로를 정할 때 그분들이 다 로스쿨 가고 이대 가는 건 아니잖아요. 또 본인이 좋아하는 일이 있고 그러면 어 대학생 자녀들 아니면 뭐 중고등 학생이든 제가 얘기한 주제를 가지고 한번 이야기해 보고 자녀 진로 지도를 한번 삼아 봤으면 좋겠다는 생각이 들고요.
또 하나는 어 제가 가 얘기한 이런 인재들을 잘 키워내는 기업을 유심히 보셨다가 주가 투자하실 때 그런 회사들 하시면 되겠습니다.
네, 알겠습니다. 음, 그러면 일단 필요한 인재상은 어떤 거라고 보세요?
어, 제가 두 가지로 오늘 준비해 왔는데 하나는 인공지능, 또 하나는 이제 반도체인. 예, 인공지능을 가능하게 하는 기술은 세 가지가 있습니다. 하나가 알고리즘, 우리가 이제 트랜스포머 모델이라고 하는 뭐 이런 알고리즘. 두 번째, 컴퓨터. 세 번째, 빅데이터.
네, 그 세 가지를 주무를 줄 알아야 기본적으로 이제 AI 엔지니어가 되는 거죠. 그거 하나당 연봉이 1억씩 될 것이다. 그니까 우리나라에서는 그렇고, 실리콘 밸리 가면 이제 열 배가 더 높아집니다.
근데 실리콘 밸리에 살려면 세금도 많이 내고 아파트 값이 비싸고 뭐 그러니까 그게 그거인 한데, 예 그렇습니다. 일단 그 세 가지를 아는 인재를 길러내야 되는데 학교에서 어, 아 그리고 조금 더 들어가면 그 알고리즘이 중요하잖아요.
알고리즘은 결국은 수학이 예, 예 수학이 다섯 분야가 있는 제네 개인데 하나가 선형 대수라고 이제 벡터 행렬. 근데 지금 고등학교 때 아마 안 배우잖아요. 그러니까 상당히 지금 벗어나 있는 거죠 우리 교육 체계가.
그다음에 이제 확률 통계음이라는 거 엔트로피 그래가지고 어떻게 해야 좋은 분포를 가지나 뭐 이런 거고, 그다음에 이제 마지막에 미적 분인데 어 제프리 힌튼 교수가 노벨상 받은 그 원리 백 프로파게이션이라 그러는데, 인공지능 학습할 때 고쳐가는 과정에서 미분을 이용해서 최소값을 찾아 찾는 방향으로 이렇게 업데이트하는 거거든요.
그니까 미적분을 알아야 되는데, 그렇습니다. 그래서 결국은 수학을 잘해야 돼요. 예, 그래서 제가 학생들 우리 연구실의 학생들 길러보면 어 잘한 학생이 좀 있어요. 굉장히 잘해서 어 캐나다 토론토대학교 인턴 갔는데, 어 그래서 이제 얼마 전에 디펜스를 했는데 어 잔루 어 프랑스 그 5대 AI 천왕이라 얘기하는 분이 당신이 자기가 봤던 학생 중에 가장 잘한다 이런데 그 학생이 학부를 수학을 했어요.
음, 수학 수학과를 나왔고 과학고등학교 나오고 그래서 수학 밖에 몰라요. 그래서 근데 저희 연구실로 온 거예요. 그러면 저희는 응용을 하잖아요. 음, 그러면서 불꽃이 확 튀어 버린 거. 대학원 때, 대학원 때.
그러니까 학부에서 무슨 인공지능을 배운다던가 양자 컴퓨터를 배우는 게 의미가 없는 거죠. 그게 뭐 안 하는 거보다, 물리, 화학, 수학 중에 배우고 가는 게 결국 수학 밖에 안 남는 거 같아.
수 제가 요즘 공부해 보면 물리 양자 역학도 결국은 그 얘기를 제가 양자 컴퓨팅 얘기를 좀 언젠가 해보고 싶은데, 예, 그에 숨는는 다 수학으로 표현되고 다 수학이라고 저는 봅니다.
제가 어 대학교 때 이제 양자역학에 또 꽂혀 있었어요. 제가 이제 꽂히면 또 열심히 하는 경향이 있는데 현대물리 양자역학 대학원 대학교 수업까지 가서 물리학과 수업 3학년 수업을 들었는데 처음부터 그까지 수학이라고.
근데 제가 어 메이트릭스 표현하는 불확실성, 그 이제 확률을 계산하는 건데 전자가 존재할 확 뭐 이런 거 계산하는데 너무 재미없더라. 저는 뭐 물리적인 인사이트를 가지려고 그랬는데.
근데 나중에 요즘 생각해 보니까 그때 제가 수학 실력이 충분했으면 그 아름다움과 미닝 충분히 요즘 양자 컴퓨팅에서 뭐 중첩이 어떻고 뭐 얽힘이 어쩌고 다 수학으로 표현을 하는 거거든요.
예, 오늘은 이제고 얘기 고객까지 하고 근데 그 수학, 그 학생이 수학을 잘해요. 근데 제가 그 학생 지도 잘한 거는 있어요. 음, 어 뭐냐면 이 학생이 얼마 전에 장가를 갔어요.
예, 뭐 AI 다 장가가는 게 더 중요하지 않겠어요? 왜냐면 수학하고 AI 전문에서 빠지면 이 학생은 뭐 그 생각만 하루 종일 하고 사니까. 아 그러면 뭐 결혼도 못 하고 너무 불행한 인상을 살까 봐 결혼을 해야 된다. 그게 더 중요하다.
아, 그 훌륭한 학생을 장가 보낸 게 내가 그 제가 주를 갔다는 거 아니에요. 그래갖고 월세집, 월세집 어 전세집 어느 동네에 구해야 되나 이거 학생들 잘 모르잖아.
지지 치 보다이 학생은 이제 한 1년쯤 있다가 이제 미국 어 어 제가 이제 토론토 대학 가서 교수 좀 하다가 어 뭐 오픈 AI 이런데 10억 받고 어 가라 그래서 거기서 배우고 나중에 한국에 와서 뭘 해라면서 부인한테 어 좀 힘든 기간이 있을 거다. 그렇지만 10억 벌 때 다 통장을 그인 결한 부인한테 주기로 약속하고 결혼 시켰죠. 잘하셨습니다.
와, 일해도 되나요? 괜찮습니다. 괜찮습니다. 큰일 하셨네. 잘한 건네. 어쨌든 그 학생이 수학을 잘한 학생이에요.
근데 제가 그러면 뭘 잘했냐. 예, 제가 원래 반도체 전에 박사학위는 물리학을 했어요. 그러다가 이제 삼성전자에서 반도체 하다가 카이스트 와서 이렇게 하는데 어 뭐 그 반도체 중에서도 양자 물리적인 현상도 있고 전자파 현상인데 그게 다 또 HBM 연관이 돼요.
그래서 이제 하는데 그 다양한 분야를 했 했단 말이죠. 근데 AI 제가 2010년에서 15년부터 혼자 공부해서 여기까지 왔거든요. 예, 어 그런데 뭐 제 실력이 얼마나 되겠어요.
근데 이제 말기는 알아들어요. 좀 무슨 얘기 하는지. 근데 이 학생 보고 이 학생은 최신의 논문을 읽어 갖고 막 새로운 모델을 막 제시하고 이러는 거예요.
내가 나한테 설명해 봐라. 음, 내가 그래도 대한민국의 교수니 뭐 카이스트 교수니 중간은 하지 않겠냐. 나한테 설명을 못 하 하면 너는 그거 모르는 거다.
한 1년 지나니까 제 귀에 들어오더라고요. 어, 그리고 그림을 그려서 설명하는데 최대한 쉽게 해라. 나한테 설명할 때 몇 마디만 내가 알아듣게 해라 이랬는데 이 학생이 토론토 대학교에 얀르쿤 교수가 테 인턴으로 갔는데 너무 설명을 잘한다고 자기하고 통한다고 큰 인물이 될 것 같다고.
음, 아 그래서 제가 그렇게 여튼 그랬습니다. 근데 그 얘기를 하고 싶은 게 뭐냐면 수학이 백그라운드가 됐다. 예, 그 그런 얘기를 하고 수학적인 생각 이걸 이렇게 배치하면 그래서 저희 연구실은 그 AI HBM 설계 이제 적용을 하는데 AI 중에서 뭐 강화 학습이라는 게 있습니다.
또 모방 모델 LM, 다양한 그 모델이 존재를 해요. 그 오픈 소스를 갖다가 조립해서 우리식으로 학습을 시켜서 어떤 결과를. 그래서 저희는 저는 요즘 그 AI 아키텍트는 표현을 쓰는데 참 재밌습니다.
예, 그래서 일단 수학을 잘해야 되는데 수학도 여러 과목, 그다음에 이제 컴퓨터와 컴퓨터를 알아. 컴퓨터를 잘한다는 건 GP HBM 슈퍼 컴퓨터를 알아야 그래야 이제 효율적으로 AI 모델을 설계할 수 있으니까 하드웨어를 알아야 되는 거예요.
컴퓨터 하드웨어 구조를. 그럼 아무리 모델을 해도 같은 GPU 만대 써야 될 거를 천대로 쓰면 잘 도는 거 아니에요. 그러니까 그다음에 이제 계산 시간을 빨리 해서 누구는 어 뭐 그림 그려 내라고 하면 1초 만에 한데 누구는 10분. 그 차이가 결국은 어 알고리즘 반 제 생각에 반은 하드웨어 GP HB 아키텍처네.
이 사업을 키우기 위한 인재 중에는 수학을 잘하는 인재도 필요하고 말씀하신 대로 컴퓨터 하드웨어 구조를 잘 이해하는 학생도 필요하다는 말이에요. 아니면 다음 세대에서 토 바이로 안 가려면.
네, 둘 다 잘해야 된다 뜻입니까? 어 하나 잘하는데 이럴 테면 뭐 알고리즘만 잘하는데 10년 걸리는 거 같고요. 컴퓨터 이해하려면 10년 걸리 한 30년 걸리는 거 같아요.
그러면 30년을 끌어갈 만한 내적 에너지, 흥미 뭐 이런 게 있어야 돼. 아니면 사회적인 서포트, 기업에서 그런 사람이 살에 대학 가서 30년 걸리면 50살 되면 이제 10억 받는 전문가가 된다는 건데 너무 늦지 않습니까?
아, 더더 주겠습니다. 제가 기업이라면 젠슨 황이 되려면 그렇게 해야 되고, 세 아트만이 되려면 그렇게 해야 되는 거죠.
예, 그런데 또 하나의 방법은 자기가 한 분야가 전문가가 되잖아요. 그 이제 기둥을 설치한다 그러는데 보통 그 10만 시 몇 만 시간이 걸린다고 책에 나와 있죠.
10만 시간 법칙이 하여튼 만 시간의 법칙이라고 들었어. 하루에 세 시간씩 10년을 몰입해야 되는 거예요. 그 자기가 한 분야의 전문가가 확실히 된 다음에 딴 사람들 말을 기구로들을 수 있는 능력이 필요해요.
음음, 허트 듣지 않고 내 세계에 갇히지 않고 그 사람들하고 협력하고 그 사람들의 말길을 알아. 그 뭐 그거 아니겠어? CEO, CTO 되려면 끊임없는 대화하면서 무슨 일이 벌어지고 자기 밑에 사람들이 뭘 하는지 그런 소통 능력, 그다음에 그걸 제가 이제 벽을 허물다 그러는데 벽을 허물고 다가가는 능력.
제가 이제 반도체 하다가 AI 넘어갈 때 AI 책들이나 자료를 봤어요. 초창기 이제 어 인공지능이 나오는 2010년대 예 완전히 제가 평생 살아온 기술 용어 다르더라고요. 전혀 다른 단어를 제가 한국 말이고 영어고 사전은 이해하지만 의미가 완전히 다르더라고.
그거를 제가 채득하고 그 사람들하고 용 이제 대화를 할 수 있는데 한 3년이 걸리더라고요. 알고 나니까 별거는 없던데 어느 분야는 좀 그런 게 있습니다. 그 사람들하고 대화가 시작되면 아 저 사람 어디서 못 얘기할 수하고 있는 거구나.
그게 되면 이제 젠슨 황도 나오고 샘 알트만 나오는 거죠. 우리나라 이제 그동안 인제는 한 분야만 잘하는 사람. 그거를 이제 이건희 회장께서는 한 사람이 뭐 10만 명 먹여 살리는데 한 사람이 아니라는 저는 그런 전문가, 뭐 100명, 100명, 100명, 한 천명이 기업의 집단에서 모여 있어야 아 천만 명을 먹여 살린다.
이렇게 조금 그러니까 어 이제 그거는 기술적인 면이고 예, 그 뭐 젠슨 왕 같은 사람이 되려면 기술만 아는 게 아니라 그러니까 이제 그런 기술을 종합적으로 아는 것도 중요하지만 과거 지식이 아니라 미래를 예측할 수 있어야 되잖아요.
근데 미래를 예측한다는 거는 자본이 어디 투자돼야 되고 어 뭐 패권이 어디 가고 정치 게임이 어떻게 되고 뭐 이런 지정학적인 문제까지 알아야 되는 게 하나가 있고, 그다음 이제 어 미래에 대한 인사이트가 있다고 보면 그다음에 이제 반도체 설계 분야도 알아야 되고 그 기업들 엔비디아 같은 기업하고 일해야 되고, 그다음에 파운더리 기업 TSMC 하고도 일해야 되고, 패키징 기업, 그다음에 이제 자본을 끌어와야 될 거 아니에요.
그럼 자본 투자 시장 한 다섯 여섯 개 분야고 종합적으로 커뮤니케이션 할 수 있어야 된다. 그렇게 가는데 알아야 되네요. 그 성장 과정이 결국은 엔지니어로서 30대, 40대, 50대, 60대 이렇게 가야 되는데 그거를 이제 기업이 기다려 주고 서포트해 주고 성장을 시켜 줘야 되는 거죠.
그런 시스템이 우리가 되고 있느냐? 기업에서 어너 너는 시킨 일만 잘해. 왜 딴 소리 얘기해? 뭐 이렇게 가면 이제 그런 사람이 안 크는 거죠.
근데 지금까지 우리나라 기업은 제조업 중심이지요. 메모리라 하더라도 어 기본 설계나 컨셉은 인텔이 준 거고 퀄컴이 정한 거고, 지금 이제 비디아 시장이 바뀌었으니까 다들 당황하는 건데 우리가 그런 인재가 좀 약하죠.
예, 그런 인재를 성장시키려면 기업 문화도 어 바뀌어야 되는데 자체 성장시키거나 M&A 통해서 흡수하거나 뭐 그런. 그니까 우리 학교, 우리 학생들은 모르겠어요. 고등학교까지는 세계적인 수준인 거 같고 수학 잘하는 거 그것도 잘 모르겠습니다.
아닌가요? 뭐 나온 문제 잘 푸는 게 얼마나 중요한지 잘 모르겠습니다. 그는 인공지능이 더 오히려 반대로 수학을 못 하는 학생도 있잖아요. 수학을 못 하는 학생은 네, 이 AI 시대에 할 수 있는 게 없습니까?
좀 분리합니다. 제가 보기 진짜 그 결정적으로 불리해요. 결정적으로 분리한 이제 AI 어 그 개발하는 사람도 있지만 잘 쓰려면 예 AI 어떻게 구동되는지 알아야 되잖아요. 그렇죠?
어 물론 우리 엑셀 수학 물어도 엑셀 잘 쓰긴 하네요. 뭐 그래도 뭐 엑셀 그래프 잘 그리고 엑셀표 소팅고 뭐 배열하고 그래도 수학적인 개념이 있어야 될 거요.
예, 네 어 결국은 수학인. 수학이라는 게 문제 잘 푸는 이런 거 제가 정석 책을 다시 샀다는 거 아니에 2년 전에 다시 옛날 그 그 공부할 때 생각하고 그런데 아니면 제가 은퇴하고 이제 카스에서 저 다 안 필요다. 은퇴하고 수학 강사를 아니면 유튜브 수학 선생님을 해 볼까.
아 뭐냐면 AI 필요한 수학을 가르킨다. 뭐 그런데 아 문제를 위한 문제. 제 또 인터넷 찾아보니까 경성제국 대학교에 의과 들어가는 수학 문제하고 지금 문제하고 패턴이 똑같아.
예, 그래서 이런 문제들이 뭐 어 어디서 왔을까 보니까 일본에서 왔고 그 전에는 독일에서 온 거 같아요. 그러니까는 독일은 효율적으로 전쟁하기 위해서 효율적으로 문제 빨리빨리 푸는 사람을 만드는 그 커리큘럼이 수학이 된 거 같고 요즘 필요한 수학은 토론하고 생각하는 뭐 논리적으로 이게 좋을까 좋을까 내가 어떤 순서로 일해야 될까 어 어떻게 그러면 내가 최선의 선택을 할까 이런 생각 있잖아요.
왜 어떻게 어 나만의 생각 사람마다 일하는 방식이 조금씩 다르잖아요. 그죠? 어 어떤 사람은 중요한 순서로 중요하다는 게 사람마다 또 알고리즘이 다르잖아. 지금 말씀하시는 게 수학 이야기예요. 수학 이야기죠. 수학이 그런 거예요. 그런 거라고 저는 본질적으로 생각합니다.
중요한 거를 찾아가고 뭐가 중요한지 정하고 순서로 정하고 그건 문과가 하는 일이잖아요. 그러니까 문과도 수학을 잘해야 되는 건데요. 인공지능 이제 알고리즘.
아, 오늘 이름은 3천. 요번에 이제 요번 강의, 요번 저 토론하고 이제 뭐죠? 언더스탠딩 잘려도 됩니다. 인공지능 안으로 들어가 보면 예 정답을 마치는 이제 그 그거를 이제 뭐 뭐 무슨 학습이라 그래요.
그니까 정답이 있는 걸 잘 맞추는 훈련을 하는 거죠. 지도 학습이라 그는 아마 그렇게 얘기를 할 겁니다. 그러면 잘 마친다는 거는 어떻게 수학으로 변할 거냐. 인공지능이 하여튼 잘하는 걸 개발해야 되잖아요.
예, 그걸 이제 하기 위해서 학습을 하는데 뭘 잘했다라고 얘기하느냐. 다 수학이음 내가 원래 정답이 있다. 근데 얘 인공지능이 학습을 통해서 정답을 찾아가려면 정답과 내 인공지능이 만든 결과의 차이를 수학적으로 표현해야 될 거음 아니에요.
그렇죠? 어 그다음에 피카소가 그린 그림이 잘 그린 그림인지 아니면이 어 뭐죠? 그 인공지능 생성 인공지능이 만든 그림이 잘 그린 그림인지 인간은 딱 눈을 보면 알잖아요.
예, 그 컴퓨터한테 어떻게 입력할 거예요? 그 이제 수학으로 엔트로피는 개념이 거기 들어가고요. 그다음에 이제 강화 학습이라고 하 데는 알파고는 게임을 이기는 거를 잘하도록 훈련을 시켜요.
그 이긴다는 걸 이제 수학으로 표현하는 거죠. 근데 우리가 그거 말고 또 다양한 게 있거든요. 비용을 줄여라, 음 뭐 우리가 인간이 주는 생각들을 거기 또 반영을 하는데 그런 면에서 이제 수학이 들어가는 그걸 수학적으로 다 표현해서 입력해야 되니까.
아, 컴퓨터는 수학 인간의 언어를 이해 못 하니까 우리가 이제 수학으로 표현해서 하는 거. 수학은 이해를 해요. 덧셈, 곱셈, 나눗셈 뭐 이런 걸 하니까.
그러면 거기서 필요한 수학이라는 건 우리가 중고등학교 때 배우는 수학하고 예 같은 겁니까? 즉 중고등학교 때 그 수학이 재밌으면 말씀하신 그 그 수학도 잘는 거 중등학교에서 배운 수학 중에 원리가 재밌으면 아 이게 뭐지? 미분이란 건 뭐지? 기울기라도 왜 존재하지? 왜 어 자연 현상은 삼각 함수로 표현해야 되지? 삼각 함수는 왜 이렇게 아름답게 생겼지? 왜 삼각 함수 미분하면 또 삼각 함수지? 뭐 로그는 뭐야? 어 자연 자연수는 뭐야? 이런 거 왜 등장? 파이 3.1은 왜 등장했어? 왜 그건 무한 수야? 왜 중간에 안 끊어져? 이런 의문점을 그 끊임없이 가지고 토론하고 생각하는 거 맞느냐 틀리냐? 이가 아니고 그런 게 더 중요한 거 같습니다.
우리가 변 수학이 아닌데 그거 그러니까요. 그거는 수학을 열심히 했어도 모를 것 같습니다.
그 그래서 이게 참 아니요 다 배웠어. 근데 그런 거 쓱 지나가고 문제풀이 중심으로 가니까 기억이 없고 재미없다고 생각하는. 그래서 우리나라도 그 이과 인재가 필요한데요 교수님.
네, 왜 이과 인재가 잘 안 나오냐면 그 수학을 그렇게 배우니까. 네, 수학을 잘하는 사람도 수학이 싫어요. 그렇습니다.
예, 예 그러니까 이제 그게 이제 대학 입시 뭐 시험 이런 거와 다 관련이 있는 거죠. 이제 변별력을 줘야 되고 그 이걸로 평생 먹고 살아야 된다 이 수학을 어 어 토할 거 같아 이런 생각이 드는 거죠.
네, 네 그래서 우리나라 학생들이 수학 잘하는 거 같지만 저는 아니 이라고 이렇게 문제 푸는 문제 주어진 문제 푸는 건데. 예, 네 그러면 그러면 수학을 중고등학교 수학도 이런 걸 하면 안 되지 않습니까?
그래서 제가 은퇴하고 유튜브 강좌를 개설해서 뭐 새로운 형태 수학 방법을 한번 전달해 볼까. 어 고등학교 때 매운 미분 우리 그 포물선 미분 하면은 제로가 되는 점이 그 최저점이 있어요.
그거하고 인공지능 학습하고 무슨 상관이 있는지 음를 엮. 이런 생을 그니까 그렇게 배웠으면 아 수학은 이런 거구나. 그럼 난 수학이 재밌어 하는 있고 그럼 나 수학과를 갈래 이럴 텐데.
그렇습니다. 첫 경험이 안 좋은 거지 수학과 가려 그러니까 수학을 못하면 당연히 못 가는 거고.
라고 생각하고 들어보니까 그것도 아니네요. 중고등학교 수학을 못한다고 말씀하신 그 수학을 못하는 거는 는 아닐 것 같은데요. 제가 그이 이런 말로 바꾸겠습니다.
제가 이제 연구실에 석박사 학생이 명인지 27명인지 그런데 네, 숫자가 왔다 갔다 하는 게 지금이 겨울에 많이 몇 명 졸업하고 있네. 과학고등학교 나오고 완전히 영제 트랙으로 온 학생들 반 뽑고요.
예, 그다음에 이제 대학 완전히 안 가리고 음 대학 가서 철들은 학생들 아 이제 놀았으니까 공부 해볼까 눈빛에서 좀 살아 있어요. 놀다 온 애들은 음 걔네들 하고 반반씩 정확하게 뽑아요.
아 대학원에서 대학원에서 카이스트에서 제 아 카이에서 일단 뽑고 그다음에 인터뷰 통해서 이제 연구실을 정할 때 어 제가 또 뽑. 그니까 이제 선택하면 제가 어떤 학생은 저를 찾아와야 일단 제가 면담을 하는 거고 뭐 제가 받을 수 있는 학생이 1년에 세 명인데 넘으면 미안하다 딴 데로 가라 뭐 이렇게 한 인터뷰를 할 때 그런 조건이 반반 영 영제 좋은 트랙을 밟은 네 반 제 좋은지는 모르겠는데 우리가 알고 있는 사회적인 영제 트랙 반반 섞어서 딱 합쳐 버려요.
그러면 졸업할 때 완전히 좋은 어떻습니까? 반반씩 섞는 게 딱 좋은 거 같아요. 왜 그 중에서 어떻 괜찮은 양쪽에서 괜찮은 인재들이 나와요. 나와요 서로 배워요.
서로 배운다는 게 무슨 말입 릭 일하는 방법 뭐 이제 그 너무 제가 이제 그러면 학점 3.3을 좋아하는 편인데요. 예, 거의 수석만 학생 받으니까 연구를 잘 못하는 경우가 있더라.
다는 아닌데 왜 그러냐 보니까 제가 연구할 때 나도 모르고 해 본 적 없는 거 같이 하자고 던지자아요. 문제를 그러면 허우적거리는 허우적거리는 대답이 없으니까.
그리고 먼저 논문부터 보는 경향이 있어요. 저 우리 학생들한테 논문 보지 마라 그래요. 우리 연구실의 룰은 그 논문은 이미 남들이 그 결과 내려면 10년 전부터 시작한 거거든요. 지금 시작하면 그 사람 머리를 벗 할 수가 없는 거예요.
예, 그래서 저는 오히려 산업계에서 아이디어를 받아서 이렇게 한 HBM 그래서 어 인사이트를 얻은 건데 예 그렇습니다. 그 양쪽에 성실함 뭐 집요함 이런 것도 있어요.
영제 쪽에서 이쪽은 이제 다양성 오픈 마인드 그렇지만 결정적인 순간 또 이쪽은 포기하지 않고 교수를 믿고 가는 그런 또 그게 있어요.
아, 좀 교수에 대한 불신이 좀 있 아니 없어요. 없는데 저하고는 잘 지냅니다. 그런데 하여튼 다 장점이 있어요.
그 제가 저식 자식키 봤잖아요. 와 어떻게 그래서 제가 좀 공통적으로 우리 학생들을 조사해 얘네들은 어떻게 해서 이렇게 잘할까. 음 제가 물만 주고 햇볕만 주면 음 뭐 요번에도 한 명 우리 삼성 하이닉스도 많이 가는데 한 명은 미국의 퀄컴에 이제 여러분에 인턴을 갔다 왔는데 비행기표 비즈니스를 끊어 주더라.
비즈니스 표도 회에서 회사에서 저는 이제 해외 갈 때 보통 비즈니스를 잘 안 타는 게 학생 한 명 더 데려갈 수 있으니까 이제 안 타는데 그렇더라고요.
또 한 명은 애플에 가서 저희 기술을 접목했을 영주권까지 주겠다고 음 그런데 어튼 그렇습니다. 그 반반씩 섞어서 제가 잘한 거 같습니다.
근데 어쨌거나 공통적으로 수학을 수학적인 머리가 있다 그러니까 수학이라는 게 문제 잘 푼다면 얘기해 보면 논리적인 표현을 하잖아요. 저한테 설명 그래프 하나 그리거나 플로우차트 하나만 봐도 논리적인 그 완성도가 얼마지 점 하나 찍은 거만 봐도 저는 알거든요.
그 논리적인 수학적인 논리성 어 그다음에 성격 좋은 거. 그 제가 학생들 뽑을 때 운동하거나 연애 잘하는 학생들을 뽑는 걸 좋아해요. 감정적으로 어려운 걸 잘 겪으니까.
아니 수학을 그렇게 잘하는데 그 사이에 운동도 잘하고 연애도 잘해요. 그래서 이제 그 학생은 운동은 잘 안 해서 너 배가 근데 그런데 그 연애는 제가 가르쳤다. 다도 인커리지 했죠.
이렇게 결혼이 중요하다. 어 그렇게 그분들은 결혼도 중요하다 그러면 그냥 빨리 딱 숙제하듯이 해버리고 그럼 또 공부해야지. 어 결혼할 때 쓰레기 음식 쓰레기 버리는 거 아기 기저기 가는 거 해야 될 일 다 이렇게 농담 상 밥하면서 다 얘기하죠.
예, 그 안 그래도 저 저는 교수님 보면 여쭤볼게 하나 있었어요. 네, 그 이제 진로를 고민하는 젊은이들이 있지 않겠어요?
예음, 이제 그런 젊은이들이 이 분야로 많이 가 줘야 거기서 인재가 나오기도 하잖아요. 그렇습니다. 제가 아이고 질문을 끊었어. 죄송합니다. 계속 가시죠.
예, 예 죄송합니다. 그 하는데 음 교수님 입장에서는 많이 지원하면 좋을 것 같아요. 그중에서 좋은 사람 뽑으면 되니까.
그 100명이 지원하면 그 중에서 10명만 그런 인재가 나와도 어딥니까? 그런데 나머지 금 90명은 뭐가 냐는 그 질문인데.
음, 그니까 제 생각니까 누가 그런 질문 하더군요. 고등학교 3학년이네 저희 아들은 고등학교 3학년 그런 질문 안 했는데 제가 보니까 우리나라의 공대라고 하는 이 그 과학이라고 하는 건 네 전 세계에서 제일 잘해야 그게 빛을 바라는 거 같다.
네, 인공지능도 전 세계에서 제일 잘해야지 전 세계에서 2등 해 봐야 뭐냐 이게 삼성전자 2등 하니까 바보 되잖아요 지금.
네, 그런데 이 공학이라고 하고 과학이라고 하는 이 분야는 우리나라에서 뭐 날고 기어도 전 세계에서 1등, 2등 못 하는 거 같다. 그거를 제가 이렇게 얘기를 해 보겠습니다.
두 가지 측면에서 얘기를 할 텐데요. 그럼 공대 좋은 점은 뭘까 이렇게 보면 저는 세계적으로 일할 수 있다. 제가 일래 보면 새벽에 실리콘 밸리 하나로교회 [음악] 는 전 세계고 요즘 이제 AI 우주까지 가니까 더 넓죠.
로스쿨 가서 변호사 사무실 제가 한번 가 보니까 열평 안 되던데 예 거기하고 법정을 왔다 갔 그다음에 개업해도 30 열평 안 되죠. 예, 게 하나가 있고 그다음에 이제 치과 간다면 입만 바라보면 10cm 평생 보고 사는데 그게 이제 하나가 있고 넓다 훨씬 더.
음, 그다음에 되게 창조적이다. 공대가 어 그렇죠. 뭘 설계해 보고 만들어 보는 거 아니에요. 음음, 얼마나 지적인 그 재미가 있는가.
세 번째는 그래서 제가 이제 옛날에 플레이스테이션에 들어가는 칩도 했었고 뭐 그런데 실제 제가 하던 요즘은 HBM이지만 그게 실제로 사회 기업에 적용되고 생산되고 경제가 발전하자 사회에 기여할 수 있지 않는가.
이제 다 단점은 아까 말씀하신 대로 뭐 제도나 뭐 라이센스 가지고 이제 받지 못한다는 측면은 있죠. 예, 근데 인생 자체가 다 불확실한 거 아닌가요?
그데 문제는 우리나라에서도 젠슨황 같은 분이 나오 된다는 거. 그러니까 나와야 그래 나도 잘하면 저렇게 해도 되는구나 싶은데. 그래서 이제 교 말고는 안 나왔잖아요.
아니 그래서 교육 모델이 이제 좀 바뀌는 시대가 돼야 된다. 그래서 이제 이게 % TV 언더스탠딩 있도 얘기하고 대학 총장들 테도 얘기를 하는데 언젠가는 이제 그게 뭐 영향을 미칠 것 같습니다.
예, 조 반도체로 하면 예 젠슨 황은 왜 우리 우리나라에서 안 나오나 이렇게 보면 어 아까 이제 AI 하고 비슷한 측면은 있는데 하나가 반도체를 잘한다는 거는 음 제일 기초에 물리, 화학, 수학을 잘해야 돼요.
재료 그 위에 이제 반도체 공정을 할 수 소자 공정을 할 수 있어야 되고 그 위에 이제 설계, 음 그 위에 뭐가 들어가냐 이제 패키징이 또 들어가고 그 위에 컴퓨터 아키텍처가 들어가야 돼.
컴퓨터 아키텍처 모르고 새로운 재료 해봐야 쓸 일이 없어요. 어떤 컴퓨터에 들어가냐 GPU HBM이나 CPU 어떤 구조를 갖고 있어야 되고 슈퍼 컴퓨터를 만들. 그니까 그 컴퓨터 아키텍처 위에 또 슈퍼 컴퓨터를 알아야 돼요.
요즘은 브로드 컴이 뜨는 이유가 바로 거긴데 그 위에 그거를 구동할 와 컴파일러는 소프트웨어가 있어야 되고 그 위에 인공지능 이제 알고리즘을 알아야 돼요.
그 위에 이제 인공지능 서비스가 있는 거예요. 그 전체 한 여섯 일곱 단계를 다 꿰뚫어야 새로운 사업 분야를 결정하고 이 기술에 투자 할지 말지 이런 사람을 어떻게 키워야 될지를 정할 수 있습니다.
그 역시 아까 말씀대로 한 30년 걸리고 어 근데 이제 30년 걸리는 동안 자기 공부 많이 하잖아요. 회사에서 계속 월급 주잖아. 월급 받으면서 공부한다 이렇게 생각하면 좋고 또 자기가 모르는 분야라도 같이 이렇게 협력해서 할 수 있는.
그러니까 어 우리가 좀 문화적으로 조금 너무 단선적, 단일 민족적이고 단일 이념적이고 더 갈등이 많은 또 다른 갈등이 있는 거 같습니다.
그 근데 이제 조금은 우리가 다양성을 이렇게 추구해야 되지 않느냐. 그렇게 교육에서 교육에서 인재에서 평 기업 내에서 평가도 미국 교육 돼지는 미국 기업과 한국의 교육과 한국 기업의 차이는 다양성의 결여라고 보십니까?
어 미국대학 본 수학이 일본 학 예, 미국 대학도 위기를 맡기는 마찬가지예요. 예, 그런데 조금 더 미국은 다양하지 않지. 카이스트 같은 경우는 대학교 2학년 때 자기가 과를 다 선택할 수 있고 그래서 뭐 전자 전산 쪽이 뭐 반 50%이 학생 가도 아무런 문제.
그다음에 과 옮기거나 뭐 이런 게 다 자유로워요. 뭐 이런 게 하나의 방법이 아닐까 이렇게 예 그렇게 생각.
근데 이제 대학에서 공부하는 내용으로 평생 살 수가 없어요. 아 대학은 아주 기초적인 건데 기업에서 그렇게 인재가 성장하도록 계속 트랙을 만들어 지 않냐. 계속 교육을 시킨다던가 석박 사기를 보낸다던가 어 또는 부서 배치 이동을 한다든가 &를 통해서 새로운 인력들을 또 집어 넣는다든가.
근데 이제 어 AI 반도체 입장에서도 제가 보니까 어 뭐 HBM이 나오든 GPU 나오든 열이 많이 나오고 전력 소모가 많고 이래서 물리적인 한계에 점점 다다르고 있는 거예요.
그래서 소프트웨어가 더 중요해지고 있는 거음. 그런데 우리나라 반도체 기업에서 소프트웨어 전공하면 어 그 성장하기가 쉽지 않죠. 승진하기 왜냐면 기업 내에서 임원 평가가 매출액 기준이 되기 쉽거든요.
그걸 뭐라 그러죠? 뭐 목표 목표 정하고 연말에 평가받는 거. 예 그걸 뭐라 그러죠? 경제학 하시니까 막 뭐라 그러 모르겠습니다.
예, 하여튼 기업에서 임원들은 세가 지나기 전에 자기 목표를 정합니다. 그중에 가장 평 보이는 KPI, 키 어 무슨 퍼포먼스 인덱스 그죠? 그거를 표현할 수 있는 방법 쉬운 게 뭐냐면 숫자.
아, 그러면 어 그럼 매출 얼마 잡히냐 뭐 이러니까 소프트웨어 같은 경우는 그렇게 잡힐 수가 없잖아요. 예, 그런 그런 이제 위험성이 있어서 우리 KPI 바꿔야 된다는 거고 대학 교수들도 마찬가지입니다.
요즘은 주로 논문을 많이 써요. 그 그런데 그 논문이라는 거하고 산업계 하고 굉장히 그 갭이 커요. 음, 그래서 이게 산업화 안 되면 특히 카스나 공대 같은 경우는 이게 사실은 어 그 뭐 카이스 같은 경우는 존재 의미를 찾기가 어려운데.
그 KPI 논문으로 하면 논문만 쓰는 거죠. 논문 숫자로 하는 게 무슨 의미가 있느냐. 그 논문 그래도 카이스트는 논문 한 편 없어도 정교수가 될 수 있게 바꿔야 된다. 뭐 이런 얘기도 우리는 하기도 합니다.
너무 많이 쓰는 게 뭐 그렇게 중요한가 이렇게. 음, 근데 어쨌거나 어 소프트웨어가 중요하고 그러니까 임원 평가도 바뀌어야 될 것 같습니다.
예, 그러다 보면 또 그런 인재들이 성장할 수 있지 않을까 이렇게 그동안에는 팔로워, 패스트 팔로워 하느라고 모든 구조나 인재 양성이나 그런 거가 맞춰져 있다 보니까 그렇습니다.
예, 원리를 이해하는 것까지는 크게 바라지 않 제조업 중심 그냥 빨리 만들어서 값싸게 만드는 거. 그러니까 이런 창의성이나 수학적인 논리보다는 성실한 근면성 어 일하는 시간 이런 게 더 중요했을 수가 있겠습니다.
예, 야 그럼 그거를 근본적으로 바꿔야 우리 사회나 경제가 여기까지 엄청 발전했지요.
유사 1에 우리가 그 뭐야 뭐죠? 그 GP GPU 아니라 GDP 그러나요? 그런 걸로 보면 세계 몇일쯤 되나요? 지금 뭐 12권 안 합니다. 추출액으로 보면 우리가 1조 달러를 넘어 가까이 간다 뭐 이런 얘기도 있. 엄청나잖아요 그죠.
그렇게 성장했는데 여기서 한 번 더 성장하려면 선진국이 되려면 결국 우리 교육문화 인재 어 성장 방식 궁극적으로 어 기업과 국가의 운영 방식이 바뀌어야 되지 않느냐 이렇게 생각합니다.
앞으로 인공지능 시대가 오면 인공지능을 만들거나 인공지능을 활용하거나 오토바이로 배달하거나 셋밖에 없다. 그때는 오토바이 배달도 굉장히 경쟁력이 있지 않을까요? 한 사람이 많지가 않아가지고.
아닌가? 노도 나도 다 배달. 제 생각에 배달 알고리즘도 배달 알고리즘도 비가 올 때는 뭐 나오는 사람이 저을 되니까 좀 더 주고 뭐 거기도 또 AI 알고리즘 집어넣어서 그 어떤 그분들의 생산성을 극대화 하겠죠.
그래서 그 AI 개발하는 사람은 수학이 제일 중요하다는 게 제 생각이고, AI 그를 자기 분야에 적용하는 사람, 그걸 저는 AI 그래요.
음, 그 사람은 두 멀티 도메인을 그 여러 영역을 알아야 되거 경제학 하면서 AI 활용한다, 공학에서 사용한다. 제조 양 분야를 넘 낮을 수가 있어야 되는 거예요.
그 우리나라는 어떻게 보면 순수 수학자가 많지 않기 때문에 AI 개발은 어 뭐 자본 투자 입장에서 GPU 개수나 여러 가지 분리할 수 있는데 우리 산업에는 AI 적용하는 엔지니어를 많이 길러서 어 많은 산업을 일으키는 게 어떤가 하는 게 요즘 제 생각에 그걸 제가 A라고 그러는데요.
예, 그게 우리가 우리 산업고 더 맞지 않을까. 그러면 공대 최대한 공대나 이공계는 필수적으로 AI 수업은 다 듣고 AI 뭐 실습 정도는 하고 졸업해야 되지 않을까 이렇게 경제학도 마찬 그렇겠죠. 당연히 컴퓨터 쓰듯이 모든 학과에서 컴퓨터가 다 필요하듯이.
네, 그렇습니다. 야, 진짜 지금보다는 훨씬 더 공대나 AI 쪽으로 많이 가야 되겠네요 사람들이. 제가 10년 전에 중국 대학들을 한 10억에 돌았는데 예, 한 대학마다 반도체 전공 대학원생이 한 1천명이 되더라고요. 한 대학마다.
네, 칭화대, 뭐 북경대, 상하이 아동 대학교, 시안대학교 제가 아 뭐 그런 웬만한 대학들은 다 아. 그래서 제가 공부하는 학생들 자리를 가 봤어요.
예, 수업 시간 중간에 학생들이 공부하지아요. 예, 카이스트 하고 책이 똑같더라고요. 음, 예. 그러니까 우리가 절대적으로 부족하다.
그래서 저는 국립대학교 열군데 어대 과기원 전부 AI 학과고 어 반도체 학과를 만들어서 그러면 천명은 배출할 거잖아요. 그래도 10년 한 만 명밖에 안 돼요.
예, 그래서 우리가 좀 어 숫자인 면에서도 상당히 위기다. 그러니까 인프라적 면에서는 GPU 우리가 아직 슈퍼 컴퓨팅 데이터 센터도 없잖아요.
우리나라의 제일 큰 데이터센터가 아마 어 H1에도 2,200 돼 있는가 그래요. 제게 올해 어 마이크로소프트가 AI 100조 이상 투자안 되는 거 같아요. 그중에 아마 5, 6조는 아마 GPU 사는데 쓰지 않을까 싶어요.
그래서 상당히 우리가 어 좀 위기 쪽에 가까이 오고 있다 이런 생각이 듭니다.