박건웅

4 Contents

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래" | 1강

데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소량의 데이터를 얻었지만, 이제는 누구나 정보를 생산하는 빅데이터 시대에 살고 있습니다. 유튜브와 SNS를 통해 쏟아지는 방대한 데이터는 인공지능이 더 똑똑하게 판단할 수 있는 기반이 됩니다. 마치 자동차가 휘발유를 동력 삼아 앞으로 나아가듯, 인공지능 역시 양질의 데이터를 바탕으로 우리 삶의 생산성을 높이고 새로운 가치를 창출하고 있습니다. 데이터의 힘은 스포츠 분야에서도 증명됩니다. 과거 농구 선수들은 직관에 의존해 슛을 던졌지만, 이제는 기대 득점 데이터를 기반으로 전략을 짭니다. 스테픈 커리와 같은 선수는 성공 확률이 낮더라도 기대 득점이 높은 3점 슛에 집중하여 현대 농구의 패러다임을 바꾸었습니다. 데이터를 통해 중거리 슛보다 골밑이나 3점 라인이 효율적임을 깨달은 팀들은 승리 확률을 높이기 위해 철저히 계산된 위치에서 경기를 운영하고 있습니다. 인공지능은 아이가 학습하듯 수많은 시행착오를 거치며 발전합니다. 자율 주차 프로그램이 수십만 번의 사고를 겪으며 주차 방식을 익히는 과정은 인공지능의 학습 원리를 잘 보여줍니다. 하지만 데이터의 양만큼이나 중요한 것이 맥락의 이해입니다. 단순히 색상이나 형태만으로 사물을 인식하면, 특정 상황에서 사람을 초밥으로 오인하는 오류를 범할 수 있습니다. 따라서 기계가 인간처럼 사고하기 위해서는 단순한 인식을 넘어선 고도화된 지능이 필요합니다. 최근 인공지능의 비약적인 성공은 하드웨어와 데이터 규모의 승리라고 볼 수 있습니다. 과거에는 최적의 모델을 설계하는 데 집중했다면, 지금은 엄청난 양의 데이터와 고성능 컴퓨터, 그리고 막대한 전력을 투입해 모델의 복잡도를 높이는 방식이 주를 이룹니다. GPT 시리즈처럼 모델이 거대해질수록 인공지능은 더욱 정교한 결과물을 내놓습니다. 하지만 이러한 방식은 데이터 생산의 한계와 에너지 소비 문제라는 현실적인 벽에 부딪히고 있습니다. 인공지능의 신뢰성은 입력되는 데이터의 질에 좌우됩니다. '쓰레기를 넣으면 쓰레기가 나온다'는 말처럼, 편향되거나 오염된 데이터는 잘못된 결과를 초래합니다. 인터넷 데이터의 대부분이 특정 국가나 계층에 집중되어 있다면, 인공지능은 전 세계의 다양한 문화를 공정하게 반영하지 못합니다. 또한 의도적으로 조작된 데이터는 구글 맵의 교통 정보를 왜곡하듯 시스템 전체를 혼란에 빠뜨릴 수 있으므로 데이터의 신뢰성 확보는 매우 중요한 과제입니다. 현재 인공지능이 직면한 가장 큰 숙제 중 하나는 인과 관계 추론입니다. 인공지능은 기저귀와 맥주가 함께 팔린다는 상관관계는 잘 찾아내지만, '왜' 그런 현상이 발생하는지에 대한 근본적인 이유는 설명하지 못합니다. 아이스크림 소비량과 익사 사고의 상관관계를 보고 아이스크림 판매를 금지하는 오류를 범하지 않으려면, 단순한 예측을 넘어 원인과 결과를 분석하는 능력이 필요합니다. 이를 위해 우리는 인공지능이 내린 판단의 근거를 이해할 수 있어야 합니다. 미래의 인공지능은 단순히 예측의 정확도를 높이는 것을 넘어, 데이터 오염과 개인정보 침해, 에너지 문제 등을 해결하는 방향으로 나아가야 합니다. 이를 위해서는 통계학이나 수학 같은 기초 과학의 역할이 무엇보다 중요합니다. 기초 지식을 바탕으로 인공지능의 한계를 극복하고 해석 가능한 모델을 만들어낼 때, 인공지능은 비로소 인간과 공존하며 진정한 도움을 주는 존재가 될 것입니다. 끊임없는 연구와 도전을 통해 우리는 더 나은 인공지능 시대를 열어갈 수 있습니다.

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

현대 데이터 과학의 핵심은 단순히 정보를 수집하는 것을 넘어, 데이터 이면에 숨겨진 복잡한 관계를 파악하는 데 있습니다. 특히 그래피컬 모델과 네트워크 분석은 변수들 사이의 함수 관계나 인과관계를 규명하는 데 초점을 맞춥니다. 기존의 인공지능이 주로 상관관계에 기반하여 미래를 예측했다면, 이 연구 분야는 원인이 바뀌었을 때 결과가 어떻게 변하는지 그 시스템 자체를 이해하고자 합니다. 이러한 접근은 인공지능이 인간의 의사결정 과정을 보다 정교하게 보조하고 대체할 수 있는 지식의 토대가 됩니다. 현재 우리가 사용하는 인공지능은 여러 한계점을 지니고 있습니다. 가장 큰 문제는 데이터의 편향성으로, 주로 선진국 위주의 데이터가 수집되다 보니 보편적인 판단을 내리는 데 어려움이 있습니다. 또한 모델이 지나치게 복잡해지면서 결과가 도출된 이유를 인간이 이해하지 못하는 '블랙박스' 현상이 발생합니다. 이는 고성능 컴퓨팅 자원의 과도한 사용으로 이어져 환경 문제까지 야기하고 있습니다. 따라서 다음 세대의 인공지능은 이러한 불투명성과 비효율성을 극복하는 방향으로 진화해야 합니다. 미래의 인공지능은 단순히 예측 성능을 높이는 것을 넘어, '설명 가능한 AI'를 지나 '해석 가능한 AI' 혹은 '인과관계 AI'로 나아가야 합니다. 이는 특정 변수가 결과에 어떤 영향을 미쳤는지 단순히 나열하는 수준을 넘어, 왜 그런 결과가 초래되었는지 논리적으로 설명할 수 있는 능력을 의미합니다. 데이터가 생성되는 시스템 자체를 이해하는 방법론이 개발된다면, 인공지능은 단순한 도구를 넘어 인간의 논리적 사고를 뒷받침하는 강력한 파트너로서 그 역할을 수행하게 될 것입니다. 인과관계를 추론하는 그래피컬 모델은 다양한 실무 분야에서 혁신적인 변화를 이끌어낼 수 있습니다. 신약 개발 과정에서는 약물이 인체 면역 시스템에 미치는 영향을 분석하여 치료 효과를 극대화하고, 예상치 못한 부작용을 사전에 예측하는 데 활용됩니다. 사회 정책 분야에서도 특정 정책이 사회 전반에 미치는 파급 효과를 분석하여 의도한 목표를 달성할 수 있는지, 혹은 예기치 못한 사회적 부작용이 발생하지는 않을지 미리 판단할 수 있게 해줍니다. 이는 데이터 기반의 정밀한 의사결정을 가능케 합니다. 과학자의 길을 걷기 위해서는 연구가 세상을 어떻게 바꿀지에 대한 거시적인 시각을 갖는 것이 중요합니다. 하지만 장기적인 레이스를 완주하기 위해서는 자신만의 스트레스 관리법 또한 필수적입니다. 운동이나 등산과 같은 신체 활동은 연구 과정에서 쌓인 스트레스를 해소하고 다시 몰입할 수 있는 에너지를 제공합니다. 결국 좋아하는 일을 지속할 수 있는 힘은 학문적 열정과 건강한 생활 습관의 균형에서 비롯됩니다. 이러한 균형은 과학자로서의 삶을 더욱 풍요롭고 지속 가능하게 만들어 줄 것입니다.

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단 | 1부

서울대학교 자연과학 공개 강연은 1994년부터 시작된 대표적인 과학 나눔 프로그램으로, 올해 31회를 맞이했습니다. 이번 강연의 주제인 '과학자의 꿈과 도전'은 세상을 바꾼 과거의 과학적 성취를 돌아보고, 앞으로 다가올 미래를 과학이 어떻게 열어갈지 탐구하는 데 목적이 있습니다. 인공지능부터 전염병, 탄소 중립, 초전도체에 이르기까지 현대 과학의 핵심 화두를 다루며 청중들에게 과학적 설렘을 전달합니다. 특히 이번 강연은 단순한 지식 전달을 넘어, 과학적 사고가 우리 삶과 사회를 어떻게 변화시키는지 깊이 있게 성찰하는 기회를 제공합니다. 데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소수의 데이터를 얻었지만, 이제는 매분 엄청난 양의 정보가 쏟아지는 빅데이터 시대에 살고 있습니다. 이러한 데이터는 스마트 팩토리의 생산성을 높이고 마케팅 전략을 최적화하며, 심지어 스포츠 경기에서 승리 확률이 높은 위치를 예측하는 데 활용됩니다. 농구 선수 스테픈 커리의 사례처럼, 데이터를 기반으로 한 기대 득점 분석은 현대 스포츠의 패러다임을 완전히 바꾸어 놓았습니다. 결국 데이터는 인공지능이 올바른 판단을 내릴 수 있도록 돕는 가장 중요한 기반이 됩니다. 인공지능은 인간의 지적 능력을 컴퓨터로 구현하는 기술로, 시행착오를 거치며 스스로 학습하는 과정을 통해 발전합니다. 자율 주차 프로그램이 수만 번의 사고를 겪으며 완벽한 주차 방법을 익히는 것처럼, 인공지능은 방대한 데이터를 바탕으로 인간의 업무를 효과적으로 대체해 나가고 있습니다. 현재의 인공지능은 시각과 청각을 넘어 후각, 미각, 촉각 등 오감을 정복하려 시도하고 있으며, 이는 궁극적으로 인간과 소통하고 공감하는 자율주행 시스템으로 이어질 것입니다. 이러한 기술적 진보는 인류의 노동을 획기적으로 줄여줄 것으로 기대됩니다. 하지만 현재의 인공지능은 데이터 편향성과 예측의 신뢰성이라는 한계에 직면해 있습니다. 특정 지역이나 문화권에 치우친 데이터는 잘못된 결과를 도출할 수 있으며, 복잡한 모델은 결과의 원인을 설명하지 못하는 '블랙박스 문제'를 야기합니다. 단순히 상관관계를 파악하는 것을 넘어, 사건의 인과관계를 추론하고 인간이 납득할 수 있는 설명을 제공하는 '해석 가능한 AI'의 개발이 시급합니다. 이를 위해서는 수학과 통계학 같은 기초 과학의 발전이 필수적이며, 미래의 인공지능 연구자들은 이러한 근본적인 문제들을 해결하는 데 도전해야 합니다. 인류의 역사는 전염병과의 끊임없는 전쟁이었습니다. 흑사병이나 천연두 같은 질병은 제국의 몰락을 가져오고 세계 지도를 바꾸는 결정적인 역할을 했습니다. 과거에는 과학적 지식의 부재로 기도나 무속 신앙에 의존했지만, 존 스노의 콜레라 역학 조사와 코흐의 세균 발견을 기점으로 전염병 대처 방식은 과학적으로 변모했습니다. 제너의 백신과 파스퇴르의 미생물학 연구는 인류의 평균 수명을 획기적으로 연장하는 기틀이 되었습니다. 이러한 과학적 성취 덕분에 인류는 보이지 않는 적에 맞서 싸울 수 있는 강력한 무기를 갖게 되었습니다. 현대 과학은 mRNA 기술을 통해 코로나19와 같은 팬데믹에 신속하게 대응할 수 있는 플랫폼을 구축했습니다. 하지만 기후 변화와 생태계 파괴로 인해 동물의 바이러스가 인간에게 전파되는 인수공통감염병의 위협은 더욱 커지고 있습니다. 앞으로의 과학은 변이 바이러스에도 대응할 수 있는 범용 백신과 코에 뿌리는 점막 백신 개발에 집중해야 합니다. 팬데믹은 더 이상 예기치 못한 사건이 아니라 충분히 예상 가능한 '회색 코뿔소'와 같습니다. 따라서 기초 과학 연구를 통해 새로운 병원체를 조기에 탐지하고 대응하는 능력을 기르는 것이 무엇보다 중요합니다. 과학의 발전은 단순히 기술의 진보를 의미하는 것이 아니라, 인류가 직면한 거대한 문제를 해결하려는 꿈과 도전의 과정입니다. 인공지능의 한계를 극복하고 새로운 전염병에 맞서기 위해서는 탄탄한 기초 과학 지식과 더불어 세상을 바라보는 넓은 시야가 필요합니다. '코이'라는 물고기가 환경에 따라 크기가 달라지듯이, 과학자의 꿈의 크기가 곧 인류 미래의 한계를 결정합니다. 미래를 이끌어갈 세대들이 기초 과학에 관심을 가지고 끊임없이 질문하며 도전할 때, 과학이 여는 미래는 더욱 밝고 풍요로워질 것입니다.

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단

박건웅, 안광석

카오스재단서울대자연과학공개강연
  • 생명과학
  • 수학

[연구뭐하지?] 설명력에 강점을 둔 통계적 인공지능, 그래피컬 모델 연구_박건웅 교수 | 서울대학교 “데이터사이언스&머신러닝 연구실”

데이터 분석 분야에서 그래프를 활용한 연구는 복잡한 변수 간의 관계를 시각화하고 분석하는 데 탁월한 도구입니다. 특히 방향성 비순환 그래프(DAG)는 변수들 사이의 인과관계나 기능적 연결성을 파악하는 데 중점을 둡니다. 이는 단순히 특정 타겟 변수를 예측하는 일반적인 통계 모델을 넘어, 전체 변수를 동등한 위치에서 바라보며 그들 사이의 구조적 메커니즘을 학습하는 과정입니다. 연구자는 동일한 표본 크기에서도 최적의 학습 결과를 도출할 수 있는 알고리즘을 개발하며 데이터 생성의 원리를 탐구합니다. 이러한 그래피컬 모델은 사회과학이나 의학 분야에서 실질적인 가치를 발휘합니다. 새로운 정책이 시행될 때 그 정책이 목표한 효과를 거두는지 분석할 뿐만 아니라, 예상치 못한 부작용이나 연쇄 반응을 미리 가늠해 볼 수 있는 지표가 됩니다. 신약 개발 과정에서도 약물이 질병 치료에 미치는 직접적인 효능과 더불어 간접적으로 발생할 수 있는 부작용을 예측함으로써 연구의 정밀도를 높이는 데 기여합니다. 이는 복잡하게 얽힌 현대 사회의 문제들을 체계적으로 이해하는 데 중요한 역할을 합니다. 연구의 여정은 긴 시간과 노력이 필요한 고된 작업입니다. 아무리 뛰어난 지능을 가졌더라도 난해한 문제를 해결하기 위해서는 수년의 시간이 필요하며, 이 과정에서 인내심과 체력, 그리고 끊임없는 도전 정신이 필수적입니다. 지도 교수는 학생들이 연구의 기초를 다질 수 있도록 세심하게 이끌어주는 역할을 수행하며, 학생들이 스스로 한계를 극복하고 독립적인 연구자로 성장할 수 있는 환경을 조성해야 합니다. 이러한 세밀한 지도는 학생들이 연구의 방향을 잃지 않고 나아갈 수 있는 나침반이 되어줍니다. 대학원 과정에 입문한 학생들은 단순히 기존의 논문을 이해하는 수준에 머물러서는 안 됩니다. 읽은 내용을 바탕으로 해당 연구의 한계점이 무엇인지, 어떤 부분을 개선할 수 있을지 비판적으로 사고하는 습관을 기르는 것이 중요합니다. 생소한 분야일지라도 새로운 지식을 습득하려는 의지와 그래프 이론에 대한 거부감 없는 태도는 연구 역량을 확장하는 밑거름이 됩니다. 지식을 수동적으로 수용하기보다 능동적으로 의문을 제기하고 대안을 찾는 과정이 진정한 학문적 성장의 시작입니다. 그래피컬 모델과 같은 희소성 있는 분야는 연구 커뮤니티가 넓지 않지만, 그만큼 개척할 수 있는 영역이 무궁무진하다는 장점이 있습니다. 석사 과정을 통해 연구의 기초를 경험하고 전문성을 쌓은 뒤 박사 과정으로 진학하는 경로는 자신의 적성을 확인하고 깊이 있는 학문적 성취를 이루는 합리적인 선택이 될 수 있습니다. 통계학적 사고를 바탕으로 끈기 있게 연구에 몰입하는 시간은 전문가로 성장하는 소중한 자산이 되며, 이는 곧 해당 분야의 발전을 이끄는 원동력이 됩니다.

[연구뭐하지?] 설명력에 강점을 둔 통계적 인공지능, 그래피컬 모델 연구_박건웅 교수 | 서울대학교 “데이터사이언스&머신러닝 연구실”

박건웅

카오스재단연구뭐하지
  • 수학