Upstage 송인서 강사님께서 OT에서 AI Engineer로의 첫 걸음이라는 주제로 특강을 진행해주셨다. 강의는 AI 변화와 흐름, AI Engineer로서의 업무, 그리고 취업 준비에 대한 내용이었다. 강의를 들으며 중요하다고 느낀 점, 새로 알게 된 점을 정리했다. 여기에 강의 후 궁금해서 찾아본 내용도 함께 추가했다.
AI, ML, DL
AI 기술은 계층적으로 이루어져있다. AI는 가장 포괄적인 개념으로 머신러닝과 딥러닝은 AI의 하위 기술이다.
- 인공지능(AI): 인간처럼 생각하고 문제를 해결하는 기술
- 머신러닝(ML): 데이터를 학습해 패턴을 찾아내는 기술
- 딥러닝(DL): Neural Network(신경망)를 사용해 데이터를 처리하고 학습
딥러닝에서 중요한 특징은 "데이터를 통해 스스로 패턴을 학습"한다는 점이며, "Neural Network"는 계층적 구조를 통해 데이터를 처리하고 점진적으로 더 복잡한 특징을 학습하는 딥러닝의 핵심이다.
AI Engineer
AI Engineer로서의 AI 기술 개발 과정은 다음과 같이 이루어진다.
- 문제 정의: 어떤 모델과 데이터가 필요한지 명확히 정리
- 데이터 수집: 모델 학습에 필요한 데이터 수집 및 전처리하는 과정
- 모델 개발: 데이터를 학습시켜 문제를 해결할 모델을 설계
- 벤치마크 평가: 모델이 잘 작동하는지 성능 평가
- 필드 테스트: 실제 현장에서 모델을 검증하고 개선
회사나 포지션 별로 다를 순 있겠지만 크게 데이터 엔지니어링, 모델링(모델 개발), 모델 평가, 시스템 개발로 세부 역할이 나뉜다. 아직 어떤 역할에 더 끌리는지는 잘 모르겠다. 경험을 쌓으면서 잘 맞는 분야를 찾아볼 계획이다.
Foundation Model
Foundation Model은 그 이름처럼 AI 개발의 기초가 되는 모델이다. 데이터 사이언티스트는 처음부터 인공지능 모델을 개발하지 않고, 이미 만들어진 Foundation Model을 활용해 새로운 애플리케이션을 더 빠르고 효율적으로 지원하는 모델을 개발한다. Foundation Model의 대표적인 예는 바로 GPT나 LLaMA(Large Language Model Meta AI)같은 텍스트 기반 LLM이다. 이 LLM들을 기반으로 만들어진 서비스로는 AskUp(챗봇 서비스), Perplexity(대화형 검색 서비스), Copilot(코드 생성)이 있다. 또한, Foundation Model은 AI Engineer가 수행하는 데이터 준비, 모델 설계 등의 일부 업무를 간소화하거나 효율적으로 처리할 수 있도록 돕고 있다. 기술 변화 속도가 너무 빠르기 때문에 Foundation Model을 효과적으로 활용하고 변화하는 환경에 적응하기 위해 지속적으로 배우고 적응하는 능력은 필수가 되었다.
글을 쓰며 정리하다 보니, 강사님께서 짧은 시간 안에 중요한 주제를 명확하게 전달하셨다는 것을 새삼 느꼈다. 정리한 내용 외에도 많은 내용을 알려주셨는데 앞으로 이런 현직자 특강들이 자주 열렸으면 좋겠다.