파이썬

8 Contents

기조강연 : 열린 가능성 : 오픈소스의 미래를 위한 혁신 전략

오픈소스 혁신을 위해서는 기술적 인프라뿐만 아니라 우리 사회 전반의 인식 변화가 선행되어야 합니다. 흔히 오픈소스를 단순히 소스 코드를 공개하는 것으로만 인식하지만, 실제로는 기술과 커뮤니티, 그리고 이를 뒷받침하는 자본이라는 세 가지 요소가 유기적으로 결합된 생태계입니다. 코드와 문서 같은 기술적 토대 위에 메인테이너와 사용자가 모이는 활발한 커뮤니티가 형성되고, 이를 지속시키는 정책적 지원이 더해질 때 비로소 발전이 가능합니다. 이러한 구성 요소들이 서로 긴밀하게 작용하며 선순환 구조를 이룰 때 우리가 원하는 진정한 혁신이 시작됩니다. 개인과 기업 차원에서의 선순환은 오픈소스 생태계 유지를 위한 핵심 동력입니다. 개인은 기여를 통해 실력을 쌓고 소득을 증대시키는 성장에 머물지 않고, 다시 새로운 기여자를 양성하거나 기부하는 문화에 동참함으로써 생태계를 풍성하게 만들어야 합니다. 기업 또한 필요한 기능을 직접 개발하고 유지보수하는 막대한 비용을 들이기보다, 오픈소스에 적극적으로 투자하고 기여함으로써 유지보수 책임을 커뮤니티와 분담하고 우수한 글로벌 인재를 확보하는 전략적 접근이 필요합니다. 단순한 사용자에 그치지 않고 구성원으로서 책임을 다하는 태도가 생태계 경쟁력을 확보하는 지름길입니다. 현재 국내 오픈소스 환경은 공모전 중심의 단발성 프로젝트와 실무와 동떨어진 과거의 지원 정책이라는 한계에 부딪혀 있습니다. 수상을 목적으로 만들어진 프로젝트들은 시상식 이후 사후 관리가 이루어지지 않아 생명력을 잃는 경우가 많으며, 행정 중심의 지원 제도는 실제 개발자들이 사용하는 도구조차 포용하지 못하는 괴리를 보입니다. 특히 많은 기업이 오픈소스 소프트웨어를 필수적으로 사용하면서도 정작 그 토대가 되는 핵심 프로젝트에 대한 후원에는 소극적인 것이 현실입니다. 권위와 명성을 중시하기보다 실질적인 기여와 지속성에 집중하는 방향으로 우리 사회의 인식이 전환되어야 합니다. 오픈소스 생태계의 질적 성장을 위해서는 다양성·형평성·포용성(DEI)이라는 가치가 보다 강조되어야 합니다. 특정 집단에 편중되지 않고 누구나 자유롭게 참여할 수 있는 환경을 조성하는 코드 오브 컨덕트(CoC)의 정착이 필요하며, 이는 곧 커뮤니티의 건강한 발전으로 이어집니다. 또한 단순한 교육 목적을 넘어 글로벌 네트워크를 형성하고 실질적인 영향력을 발휘할 수 있는 네트워킹의 기회를 확대해야 합니다. 혼자만의 우수한 개발 실력에 만족하기보다는 후배를 이끌어주고 시스템을 구축하여 개인의 활동을 커뮤니티의 발전으로 승화시키는 노력이 뒷받침될 때 비로소 세계적인 수준의 기여가 가능해집니다. 정부와 기업은 장기적인 관점에서 기여자를 양성하기 위한 제도적 변화를 이끌어내야 합니다. 단기 성과 중심의 행사보다는 지속적인 기여를 독려하는 프로젝트 중심의 지원이 효과적이며, 학계에서도 오픈소스 생태계에 대한 심도 있는 연구가 병행되어야 합니다. 개발자들이 글로벌 콘퍼런스에 참여해 해외 메인테이너들과 직접 교류하며 실전 경험을 쌓을 수 있도록 재정적, 시간적 여건을 보장하는 정책적 배려도 필수적입니다. 일회성 지원이 아닌 3년 이상의 장기적인 호흡으로 프로젝트와 인재를 바라볼 때, 우리는 비로소 안정적이고 혁신적인 오픈소스 강국으로 거듭날 수 있을 것입니다.

기조강연 : 열린 가능성 : 오픈소스의 미래를 위한 혁신 전략
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

[EOST2023] CPython 성능 최적화를 위한 코어팀, 커뮤니티 그리고 기업의 노력

파이썬은 오늘날 대안 언어를 넘어 기술 생태계 전반에서 압도적인 점유율을 차지하는 핵심 언어로 자리 잡았습니다. 특히 우리가 흔히 사용하는 파이썬의 표준 구현체인 CPython은 귀도 반 로섬에 의해 만들어진 이래 지속적으로 발전해 왔습니다. 최근에는 파이썬의 전력 효율성 문제가 제기되기도 했으나, 이는 역설적으로 파이썬에 대한 사회적 요구 수준이 그만큼 높아졌음을 의미합니다. 이제 파이썬 코어 팀은 대규모 사용자 기반을 뒷받침하기 위해 단순한 기능 구현을 넘어 체계적인 빌드 시스템과 보안 체크 시스템을 갖춘 전문적인 테크 부서와 같은 구조로 운영되며 성능 개선에 박차를 가하고 있습니다. 2020년대에 들어 머신러닝 수요가 폭발적으로 증가하면서 마이크로소프트, 메타, 블룸버그와 같은 글로벌 빅테크 기업들이 파이썬 성능 개선에 직접적으로 참여하기 시작했습니다. 과거에는 거대 프로젝트의 언어를 통째로 교체하는 방식이 선호되기도 했으나, 최근에는 수천 명의 개발자가 참여하는 기존 코드베이스를 유지하면서 숙련된 컴파일러 엔지니어를 투입해 언어 구현체 자체를 개선하는 전략이 훨씬 효율적이라는 인식이 확산되었습니다. 이러한 흐름 속에서 풀타임 파이썬 코어 엔지니어가 크게 늘어났으며, 기업들은 자사 코드베이스의 특성을 엔진에 반영하기 위해 적극적으로 기술력을 투입하고 있습니다. 파이썬의 최적화 역사는 꽤나 길고 다채로운 시도들로 가득합니다. 처음부터 다시 짜는 전략을 택한 PyPy는 아카데믹한 의미와 함께 훌륭한 성과를 거두었으나 C API 호환성 문제로 표준을 완전히 대체하지는 못했습니다. 구글의 'Unladen Swallow'나 드롭박스의 'Piston' 역시 LLVM 기반의 JIT 컴파일러 구현을 시도했지만, 실행 시점의 타입을 예측하기 어려운 동적 언어의 특성과 복잡한 호환성 유지의 벽에 부딪혀 프로젝트를 마무리해야 했습니다. 최근 인스타그램의 'Cinder'는 자사 워크로드에 최적화된 포크 버전을 통해 성능 향상을 이뤄냈지만, 결국 유저들이 원하는 것은 최신 기능과 완벽한 하위 호환성이라는 점이 다시금 증명되었습니다. 현재 CPython은 마이크로소프트의 주도 아래 3.10 버전 대비 5배 빠른 성능을 목표로 'Faster CPython' 프로젝트를 진행하고 있습니다. 그 첫 성과인 3.11 버전은 별도의 JIT 컴파일러 도입 없이도 인터프리터 개선만으로 약 25%의 성능 향상을 이뤄내며 큰 주목을 받았습니다. 이어지는 3.12 버전에서는 멀티 티어 인터프리터 구조를 위한 기반을 닦았고, 현재 개발 중인 3.13 버전에서는 슈퍼블록 옵티마이저 기반의 티어 2 인터프리터를 통해 더 높은 수준의 최적화를 시도하고 있습니다. 특히 플러거블 옵티마이저 API의 제공은 학계나 다른 기업들이 파이썬 엔진 최적화에 더 쉽게 실험적으로 참여할 수 있는 통로를 열어줄 것입니다. 파이썬의 오랜 숙제였던 글로벌 인터프리터 락(GIL) 제거 논의도 새로운 국면을 맞이했습니다. 최근 샘 그로스의 'nogil' 제안이 PEP 703으로 승인되면서 장기적으로 병렬성을 저해하던 제약을 해결할 수 있는 길이 열렸습니다. 비록 이 과정에서 약간의 성능 오버헤드가 발생할 수 있지만, 머신러닝 등 병렬 연산이 중요한 분야에서의 강력한 요구가 이를 뒷받침했습니다. 파이썬 코어 팀은 하위 호환성을 최우선 가치로 두기에 베타나 RC 릴리스를 통해 유저들의 피드백을 수집하며 신중하게 변화를 이끌어가고 있습니다. 커뮤니티의 목소리가 실제 의사결정에 큰 영향을 미치는 만큼, 사용자들이 새로운 버전을 미리 테스트하는 과정은 파이썬의 미래에 필수적입니다.

[EOST2023] CPython 성능 최적화를 위한 코어팀, 커뮤니티 그리고 기업의 노력
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

가상현실? 게임? 야!👋 너도 만들 수 있어! 프로그램 메이커 코딩💻ㅣ해썰이 있는 과학뉴스

코딩은 현대 사회에서 매우 익숙한 용어가 되었지만, 그 본질은 컴퓨터 프로그래밍과 맞닿아 있습니다. 프로그래밍이란 컴퓨터가 특정 작업을 수행할 수 있도록 일련의 명령어들을 순서대로 작성하는 과정을 의미합니다. 우리가 일상적으로 사용하는 스마트폰의 애플리케이션이나 컴퓨터의 운영체제인 윈도우 역시 모두 이러한 프로그램의 일종입니다. 결국 코딩은 우리가 원하는 기능을 구현하기 위해 컴퓨터와 소통하며 새로운 프로그램을 만들어내는 창조적인 작업이라고 할 수 있습니다. 프로그램을 만드는 과정에서 가장 중요한 첫 단계는 해결하고자 하는 문제를 명확히 정의하고 이를 해결할 아이디어를 구상하는 것입니다. 이를 '알고리즘'이라고 부르는데, 이는 어떤 문제를 해결하기 위한 논리적인 절차나 방법을 뜻합니다. 알고리즘은 반드시 복잡한 코드로 작성될 필요는 없으며, 일상적인 언어나 그림 형태의 순서도, 혹은 약속된 기호를 사용한 의사코드로도 표현될 수 있습니다. 이러한 논리적 설계가 탄탄해야 비로소 효율적인 프로그램이 탄생할 수 있습니다. 알고리즘이 설계되었다면 이를 컴퓨터가 이해할 수 있는 프로그래밍 언어로 변환해야 합니다. 세상에는 수많은 언어가 존재하며, 각 언어는 용도에 따라 특화된 강점을 가집니다. 최근 가장 주목받는 언어인 파이썬은 데이터 처리와 인공지능 분야에서 압도적인 성능을 발휘하며 프로그래밍 세계의 대세로 자리 잡았습니다. 이외에도 시스템 구축에 강한 C 언어나 범용성이 높은 자바 등 개발 목적에 맞는 적절한 도구를 선택하는 것이 성공적인 코딩의 핵심입니다. 단순히 결과가 나온다고 해서 모두 좋은 프로그램이라고 할 수는 없습니다. 우수한 프로그램은 '시간 복잡도'와 '공간 복잡도'라는 성능 평가 기준을 충족해야 합니다. 즉, 같은 결과를 내더라도 더 적은 연산으로 빠르게 처리하고, 메모리 자원을 효율적으로 사용하는 것이 중요합니다. 또한, 나중에 코드를 수정하거나 기능을 개선할 때 사람이 쉽게 읽고 이해할 수 있도록 가독성을 높이는 작업도 필수적입니다. 주석을 달거나 구조를 깔끔하게 정리하는 습관이 필요한 이유입니다. 4차 산업혁명 시대를 살아가는 우리에게 코딩은 이제 특정 전문가만의 영역이 아닌 필수적인 기본 소양으로 자리 잡고 있습니다. 코딩 교육의 목적은 단순히 복잡한 문법을 외우는 것이 아니라, 컴퓨터의 사고방식을 이해하고 논리적으로 문제를 해결하는 능력을 기르는 데 있습니다. 인공지능이 코드를 대신 작성해 주는 시대가 오더라도, 문제를 정의하고 해결 절차를 설계하는 인간의 논리적 사고는 여전히 중요합니다. 따라서 코딩은 디지털 세상을 살아가는 우리 모두에게 강력한 도구가 될 것입니다.

가상현실? 게임? 야!👋 너도 만들 수 있어! 프로그램 메이커 코딩💻ㅣ해썰이 있는 과학뉴스
국립과천과학관요즘과학👏
  • 수학
  • 융합

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강 | 10강

액체나 기체 속에 떠 있는 미세한 입자들이 불규칙하게 움직이는 현상을 브라운 운동이라고 합니다. 1827년 식물학자 로버트 브라운이 물 위의 꽃가루 알갱이를 관찰하며 발견한 이 운동은 초기에는 생명 현상으로 오해받기도 했으나, 이후 무생물에서도 나타나는 물리적 현상임이 밝혀졌습니다. 알베르트 아인슈타인은 이 불규칙한 움직임에 대한 수학적 모델을 제시하여 분자의 존재를 증명하는 데 기여했으며, 노버트 위너는 이를 엄밀하게 정의하여 '위너 과정'이라는 이름을 남겼습니다. 브라운 운동의 개념은 물리학적 증명보다 앞서 금융시장에 도입되었습니다. 1900년 프랑스의 수학자 루이 바슐리에는 주식 가격의 변동을 브라운 운동으로 모형화하여 옵션 가격을 결정하려는 시도를 담은 박사 학위 논문을 발표했습니다. 당시에는 수학자와 금융 전문가들 사이의 소통 부재로 큰 주목을 받지 못했으나, 이는 훗날 금융공학이라는 거대한 학문의 기원이 되었습니다. 주가의 무작위적인 움직임이 미세 입자의 충돌과 유사하다는 통찰은 현대 금융 이론의 기초가 되었습니다. 1960년대에 이르러 바슐리에의 이론은 새뮤얼슨에 의해 '기하 브라운 운동'으로 발전되었습니다. 이는 주가가 항상 양수여야 한다는 현실적인 조건을 반영한 모델로, 현대 금융공학의 정점인 블랙-숄즈 옵션 가격 결정 모형의 토대가 되었습니다. 블랙과 숄즈는 이 모형을 통해 옵션의 적정 가격을 산출하는 공식과 리스크를 회피할 수 있는 복제 전략을 제시했습니다. 이 공헌으로 그들은 노벨 경제학상을 수상했으며, 이후 파생상품 거래는 전 세계적으로 폭발적인 성장을 거듭하게 되었습니다. 옵션은 기초자산을 정해진 시기에 정해진 가격으로 사거나 팔 수 있는 '권리'를 의미합니다. 이는 의무가 수반되는 선물이나 선도 계약과는 차별화되는 특징을 가집니다. 옵션 투자자는 시장 상황이 자신에게 유리할 때만 권리를 행사하고, 불리할 때는 권리를 포기함으로써 손실을 제한할 수 있습니다. 그러나 적은 금액으로 큰 수익을 노리는 레버리지 효과가 크기 때문에, 예상과 반대로 시장이 움직일 경우 투자 원금 전체를 잃을 수 있는 높은 위험성도 동시에 내포하고 있습니다. 복잡한 옵션 구조가 초래한 대표적인 리스크 사례로 '키코(KIKO)' 계약을 들 수 있습니다. 이는 환율이 일정 범위 내에서 움직일 때는 기업이 이익을 보지만, 범위를 벗어나면 막대한 손실을 입는 배리어 옵션의 일종입니다. 2008년 금융위기 당시 환율이 급등하자 많은 수출 기업들이 예상치 못한 손실을 입으며 사회적 파장을 일으켰습니다. 이는 금융상품의 손익 구조가 비대칭적일 때 발생할 수 있는 위험을 보여주며, 투자자가 상품의 리스크를 충분히 파악하는 것이 얼마나 중요한지 시사합니다. 금융시장에는 예외적으로 발생하지만 일단 일어나면 엄청난 충격을 주는 '검은 백조(Black Swan)' 사건들이 존재합니다. 1987년의 블랙 먼데이, 2008년 글로벌 금융위기, 그리고 최근의 코로나19 팬데믹 등이 이에 해당합니다. 이러한 사건들은 과거의 데이터만으로는 예측하기 매우 어렵지만, 발생 이후에는 논리적인 설명이 가능하다는 특징이 있습니다. 통계학적으로는 분포의 꼬리 부분에서 발생하는 극단적인 사건들에 해당하며, 이를 관리하기 위해 극값 이론과 같은 고도의 통계적 기법이 동원됩니다. 현대 금융기관은 리스크 관리를 위해 'VaR(Value at Risk)'나 '기대 쇼트폴'과 같은 지표를 활용합니다. 이는 발생 가능한 최대 손실액을 통계적으로 산출하여 자본의 건전성을 유지하기 위한 도구입니다. 최근에는 머신러닝과 딥러닝 등 데이터 과학 기술이 발전하면서 방대한 데이터를 분석해 수익률을 예측하고 리스크를 정교하게 관리하려는 시도가 이어지고 있습니다. 통계적 사고를 기반으로 한 자료 분석과 해석은 불확실성이 가득한 금융시장에서 더욱 중요한 역할을 수행하게 될 것입니다.

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강

송성주

카오스재단카오스강연
  • 수학

EOST2021 내가 해온 연구에 데이터 분석 끼얹기

4차 산업혁명의 물결 속에서 인공지능과 빅데이터가 강조되고 있지만, 실제 많은 연구 현장은 여전히 과거의 방식에 머물러 있는 경우가 많습니다. 대중은 자율주행차와 인공지능의 창조성에 열광하지만, 정작 실험실에서는 엑셀(Excel)조차 사용하기를 꺼리며 계산기에 의존하는 구시대적인 모습이 보이기도 합니다. 이는 단순히 도구의 문제가 아니라 시대의 변화를 받아들이는 속도의 차이에서 기인합니다. 급변하는 기술 환경과 전통적인 연구 방식 사이의 간극을 좁히는 것이 오늘날 과학자들에게 주어진 중요한 과제 중 하나라고 할 수 있습니다. 연구실은 크게 화학 반응이 일어나는 '웨트 랩(Wet Lab)'과 컴퓨터로 수치 해석을 수행하는 '드라이 랩(Dry Lab)'으로 나뉩니다. 하얀 가운을 입고 약품을 섞는 과학자의 모습은 우리에게 익숙한 웨트 랩(Wet Lab)의 풍경이지만, 최근에는 이곳에도 조금씩 변화의 바람이 불고 있습니다. 실험 장비 옆에 배치된 컴퓨터가 측정 데이터를 파일로 저장하고 처리하는 모습은 컴퓨터 기술이 실험 현장에 스며들고 있음을 보여줍니다. 웨트 랩(Wet Lab)과 드라이 랩(Dry Lab)의 경계가 서서히 허물어지면서, 데이터 분석 능력은 이제 모든 연구자에게 필수적인 역량으로 자리 잡고 있습니다. 최근 리버풀 대학교에서 발표한 '로봇 화학자'는 인간보다 수천 배 빠른 속도로 실험과 데이터 분석을 수행하며 연구의 효율성을 극대화하고 있습니다. 이 로봇은 며칠 만에 기존 성능을 수 배 뛰어넘는 광촉매를 개발해냈을 뿐만 아니라, 실험 결과에 따라 다음 단계의 실험 계획까지 스스로 수립하는 놀라운 능력을 보여주었습니다. 국내외 유수의 연구 기관에서도 로봇 팔을 이용해 물질을 합성하고 특성을 측정하는 자율 수행 시스템을 도입하고 있습니다. 이러한 자동화 시스템의 확산은 연구의 패러다임이 인간 중심에서 데이터 중심으로 이동하고 있음을 시사합니다. 많은 연구자가 20년 전과 다름없는 방식으로 엑셀(Excel)이나 오리진(Origin) 같은 유료 소프트웨어를 사용해 그래프를 그리고 데이터를 분석합니다. 하지만 이러한 도구들은 고유한 한계를 지니고 있으며, 연구자의 창의적인 아이디어를 자유롭게 구현하기에는 부족함이 있습니다. 이에 대한 대안으로 파이썬(Python)을 활용하면 판다스(Pandas), 사이파이(SciPy), 맷플롯립(Matplotlib) 등 강력한 라이브러리를 통해 데이터 로드부터 복잡한 신호 처리와 시각화까지 모든 과정을 정교하게 제어할 수 있습니다. 오픈소스 도구를 익히는 것은 단순한 기술 습득을 넘어 연구의 자유도를 획기적으로 높이는 길입니다. 코딩을 배우는 과정에는 심리적인 장벽이 존재할 수 있지만, 이는 결코 지적 능력의 부족 때문이 아닙니다. 파이썬(Python) 기반의 오픈소스 생태계는 누구나 배울 수 있을 만큼 접근성이 높으며, 일단 시작하면 인공지능 분석 기법으로 곧장 연결되는 가능성의 세계를 제공합니다. 과거의 익숙한 방식에서 벗어나 용기를 내어 한 발짝만 내디딘다면, 이제까지 가보지 못했던 밝고 넓은 데이터 과학의 바다를 만날 수 있습니다. 연구자들에게 지금 필요한 것은 기술에 대한 두려움을 떨치고 새로운 오픈소스 도구를 받아들이는 도전 정신입니다.

EOST2021 내가 해온 연구에 데이터 분석 끼얹기
한국전자통신연구원오픈소스 테크데이
  • 화학
  • 융합
  • 공학·기술

[해SSUL이 있는 과학뉴스] 딥페이크 영상 다들 어떻게 만드나?

딥페이크 기술은 이제 우리 일상에서 흔히 접할 수 있는 현상이 되었습니다. 최근 언론 보도에 따르면, 2013년 별세한 애니메이션 <심슨 가족>의 성우 마샤 월리스의 목소리를 재현하거나 틱톡의 톰 크루즈 가짜 영상, 유튜브의 링컨 전 대통령 영상 등 놀라운 사례들이 잇따르고 있습니다. 과거에는 상상하기 어려웠던 고인의 목소리 복원이나 유명인의 정교한 합성 영상이 대중에게 공개되면서, 딥페이크는 단순한 기술적 호기심을 넘어 사회적인 관심사로 급부상했습니다. 딥페이크 기술이 대중화된 결정적인 계기는 기술의 공유 정신에 있습니다. 과거에는 전문가들만 접근할 수 있었던 복잡한 알고리즘이 오픈 소스 형태로 공개되면서, 전 세계 개발자와 일반인들이 이를 자유롭게 연구하고 활용할 수 있게 되었습니다. 특히 개발자 커뮤니티를 중심으로 관련 라이브러리가 빠르게 확산된 점은 기술의 문턱을 낮추는 데 핵심적인 역할을 했습니다. 이러한 공유 문화 덕분에 오늘날 우리는 다양한 플랫폼에서 창의적이고 놀라운 딥페이크 영상들을 손쉽게 접할 수 있게 된 것입니다. 일반인들도 기본적인 운용법만 익히면 딥페이크 영상을 직접 제작해 볼 수 있는 시대입니다. 파이썬(Python)으로 작성된 오픈 소스를 활용하면 직접 복잡한 코딩을 하지 않더라도 이미 구축된 프로그램을 통해 정보를 입력하고 실행하는 것이 가능합니다. 물론 영상 하나를 제작하는 데 여전히 상당한 시간이 소요되기도 하지만, 단계별 가이드를 따라가다 보면 '컴알못'이라 불리는 비전문가들도 기술의 문턱을 넘을 수 있습니다. 이러한 접근성은 딥페이크 기술이 특정 전문가의 전유물에서 벗어나 대중적인 도구로 자리 잡게 했습니다. 기술의 발전 속도 또한 놀랍습니다. 불과 몇 년 전만 해도 특정인의 목소리를 구현하기 위해 수십 시간의 데이터가 필요했지만, 이제는 단 10분에서 20분 정도의 분량만으로도 충분한 수준에 이르렀습니다. 이는 단순히 데이터가 많이 쌓였기 때문이라기보다, 기존에 학습된 인공지능 모델을 기반으로 새로운 데이터를 적용하는 방식이 효율적으로 변했기 때문입니다. 인공지능이 처음부터 학습을 시작하는 것이 아니라, 이미 축적된 지능을 바탕으로 특정 분야에 최적화되면서 시간과 비용이 획기적으로 단축된 것입니다. 딥페이크의 비약적인 발전 뒤에는 소프트웨어뿐만 아니라 하드웨어의 진화도 큰 몫을 차지하고 있습니다. 과거에는 연산 능력이 부족해 결과물을 얻기까지 막대한 시간이 걸렸으나, 현재의 고성능 하드웨어는 복잡한 알고리즘을 빠르게 처리해 냅니다. 또한 인공지능은 그림이나 음성 등 각 분야에 특화된 형태로 발전하고 있습니다. 이러한 분야별 전문화와 기술적 뒷받침이 결합하면서 딥페이크 기술은 더욱 정교해지고 있으며, 앞으로도 우리 삶의 다양한 영역에서 변화를 이끌어갈 전망입니다.

[해SSUL이 있는 과학뉴스] 딥페이크 영상 다들 어떻게 만드나?
국립과천과학관요즘과학👏
  • 융합

[연구뭐하지?] 이상훈 교수_서울대학교 '인지 및 시스템 신경과학 연구실' | 신경과학을 연구하는 융합인재들의 플랫폼!(찡긋)

서울대학교 인지 및 시스템 신경과학 연구실은 인간의 마음과 뇌의 메커니즘을 잇는 '연결'을 핵심 가치로 삼고 있습니다. 마음은 행동을 통해 관찰되는 현상적인 영역이며, 뇌는 생물학적인 현상이 발생하는 물리적 영역입니다. 서로 다른 차원에서 기술되는 이 두 도메인을 하나로 통합하여 이해하는 것이 연구의 본질입니다. 이를 통해 보이지 않는 마음의 작용이 어떻게 구체적인 뇌 활동으로 발현되는지를 심도 있게 탐구하며 인간 이해의 지평을 넓히고 있습니다. 불확실한 정보와 제한된 시간 속에서 인간이 내리는 합리적인 의사결정 과정을 연구하기 위해 수리 모델을 적극적으로 활용합니다. 마음의 활동을 수학적으로 정립하여 뇌 활동을 설명하고, 반대로 뇌의 신호를 통해 마음의 작용을 역추적하는 방식입니다. 이러한 수리 모델링은 서로 다른 언어를 사용하는 심리학과 생물학 사이의 가교 역할을 합니다. 단순한 관찰을 넘어 시스템적인 이해를 가능하게 함으로써 복잡한 인지 과정을 정교하게 분석해 냅니다. 연구실에서는 시각 자극에 따른 행동과 뇌 현상을 측정하기 위해 다양한 최첨단 기술을 동원합니다. 뇌파(EEG) 측정 장비부터 안구 추적 데이터, 뇌 영상 분석, 그리고 인과 관계 파악을 위한 전기적 자극까지 폭폭넓은 방법론을 사용합니다. 다양한 전공 배경을 가진 연구자들이 모여 수평적인 분위기 속에서 협력하며, 인공지능과 신경과학의 접점을 찾는 융합 연구도 활발히 진행 중입니다. 이는 인간의 지각과 심리 정보처리를 다각도에서 조명하는 토대가 됩니다. 뇌인지과학 분야를 깊이 있게 연구하기 위해서는 탄탄한 기초 역량이 필수적입니다. 통계학이나 수학과 같은 양적인 방법론에 대한 이해는 물론, 매트랩(MATLAB)이나 파이썬(Python) 같은 프로그래밍 언어를 다루는 능력도 중요하게 요구됩니다. 또한 최신 연구 동향을 파악하고 국제적인 학술 교류를 원활히 하기 위해 영어 의사소통 능력도 갖추어야 합니다. 인턴십 과정을 통해 실제 연구 현장을 미리 경험해 보는 것은 자신의 적성을 확인하고 연구자로서의 길을 준비하는 데 큰 도움이 됩니다. 훌륭한 연구자가 되기 위해서는 열정과 역량, 그리고 확고한 직업 윤리가 조화를 이루어야 합니다. 특히 스스로 문제를 정의하고 해결책을 찾아야 하는 신생 학문의 특성상, 어려움에 직면했을 때 더욱 몰입하는 태도가 중요합니다. 자신의 연구가 왜 중요한지 타인을 설득하고 정립되지 않은 길을 개척해 나가는 과정은 결코 쉽지 않습니다. 하지만 인간의 행동과 신경 과정의 관계를 밝혀내겠다는 강한 의지가 있다면, 뇌과학의 미래를 이끄는 주역으로 성장할 수 있을 것입니다.

[연구뭐하지?] 이상훈 교수_서울대학교 '인지 및 시스템 신경과학 연구실'  |  신경과학을 연구하는 융합인재들의 플랫폼!(찡긋)

이상훈

카오스재단연구뭐하지
  • 뇌인지과학

BeeAI 활용 교육 영상(06) - [2단계] Python 사용자 정의 함수(UDF)를 만들어서 데이터 처리하기

파이썬(Python)은 방대한 라이브러리 생태계를 보유하고 있어 데이터 분석과 과학 계산 분야에서 필수적인 언어로 자리 잡았습니다. 그러나 분산 환경인 스파크(Spark) 기반 시스템에서 개별 파이썬 스크립트를 통합하여 실행하는 과정은 기술적인 복잡함을 수반합니다. BeeAI는 이러한 허들을 낮추기 위해 파이썬 UDF(사용자 정의 함수)를 도커(Docker) 이미지 기술과 결합했습니다. 이를 통해 개발자는 익숙한 언어로 로직을 구성하면서도 플랫폼 내에서 안정적으로 데이터 처리 기능을 확장할 수 있게 되었습니다. 이 기능의 핵심은 온디맨드 익스터널 서빙(On-demand External Serving) 엔진을 활용하는 것입니다. 사용자는 엔진 설정에서 포트 번호와 도커 이미지 이름, 그리고 파이썬 코드가 저장된 경로를 지정하기만 하면 됩니다. 설정을 마치고 실행하면 시스템은 사용자의 코드를 포함한 도커 컨테이너를 자동으로 빌드합니다. 이렇게 컨테이너화된 환경은 독립적인 실행을 보장하며, 지정된 포트를 통해 데이터가 유입되면 컨테이너 내부의 파이썬 라이브러리가 로직을 수행한 뒤 그 결과를 다시 외부로 전달하는 구조를 가집니다. 파이썬 UDF를 구현할 때 주의할 점 중 하나는 REST API의 입출력 형식이 현재 문자열 위주로 구성되어 있다는 점입니다. 따라서 이미지나 수치 배열 같은 복잡한 데이터를 처리할 때는 이를 바이트 데이터(Byte Stream)나 문자열 형태로 변환하여 전송해야 합니다. 파이썬 코드 내부에서는 전달받은 문자열을 다시 원래의 데이터 형식으로 복원하여 연산을 수행하고, 결과물을 다시 문자열로 인코딩하여 반환하는 과정이 필요합니다. 이러한 처리 방식은 데이터의 종류에 상관없이 일관된 통신 인터페이스를 유지하게 해줍니다. 라이브러리 의존성 관리는 텍스트 파일을 통해 간편하게 이루어집니다. 필요한 라이브러리 목록을 파일에 적어두면 도커 이미지가 생성될 때 해당 라이브러리들이 자동으로 설치되어 환경이 구축됩니다. 실제 실습에서는 JSON 문자열 처리부터 넘파이(NumPy)를 활용한 난수 평균 계산, 그리고 필로우(Pillow) 라이브러리를 이용한 이미지 변환까지 다양한 사례가 확인되었습니다. 이는 개발자가 익숙한 도구를 그대로 사용하면서도 플랫폼의 워크플로우에 자신의 로직을 쉽게 통합할 수 있음을 보여줍니다. 파이썬 UDF의 통합은 데이터 개발 주기의 효율성을 극대화하는 중요한 요소입니다. 이를 통해 사용자는 데이터 수집과 적재라는 1단계를 넘어, 배치 처리와 스트림 처리 그리고 사용자 정의 함수를 활용한 고도화된 2단계 데이터 처리 과정까지 완벽하게 수행할 수 있습니다. 스파크의 강력한 분산 처리 능력과 파이썬의 방대한 분석 기능을 하나의 플랫폼에서 유기적으로 연결함으로써, 복잡한 데이터 파이프라인을 더욱 정교하고 유연하게 설계할 수 있는 기반이 마련된 것입니다.

BeeAI 활용 교육 영상(06) - [2단계] Python 사용자 정의 함수(UDF)를 만들어서 데이터 처리하기
한국전자통신연구원ETRI 클래스
  • 공학·기술