유튜브에서 화제가 된 한 대학의 AI컴퓨팅학과 수업 영상이 온라인에서 주목받았다. 수학·프로그래밍·전자공학을 넘나드는 커리큘럼이 눈에 띄었다는 반응이 많았는데, 단순히 기성 도구를 쓰는 법을 배우는 수준이 아니라 처음부터 끝까지 '직접 만드는 과정' 전체가 담겨 있다는 점에서였다. 한 익명 커뮤니티의 게시글에서 이 수업을 접한 한 사람은 "이런 재미있는 수업을 받을 혜택이 있다니 부럽다"고 표현한 것으로 전해진다.

세 갈래로 나뉘는 AI 전공의 진로

AI 관련 대학 전공이 지금 어떻게 분화되고 있는지 보면 흥미롭다. 앞의 게시글 작성자가 언급한 바에 따르면, 크게 세 가지 경로로 나뉘는 추세다.

첫째는 ChatGPT 같은 기성 도구를 활용해 문제를 푸는 'AX(AI 활용)' 트랙인 것으로 보인다. 상대적으로 진입장벽이 낮고, 산업에서도 수요가 가장 많다는 점에서 주목받고 있다.

둘째는 신경망부터 손실함수까지, 모델 자체를 처음부터 설계하고 학습데이터를 만들어 훈련시키는 '모델 개발' 트랙인 것으로 보인다. 여기서는 수학과 알고리즘에 대한 깊은 이해가 전제되어야 한다.

셋째는 완성된 모델을 실제 서버나 엣지 디바이스에 배포하고, 성능을 최적화하며 안정적으로 운영하는 '시스템 운용' 트랙인 것으로 보인다. MLOps나 모델 서빙이 여기에 해당한다.

게시글 작성자가 "세 가지를 골고루 찍먹하는 상태"라고 표현한 것은, 이 대학의 AI 커리큘럼이 세 트랙을 모두 경험하게 한다는 의미로 해석된다.

'연구급' 수업이 요구하는 것

대학 수준의 AI 교육이 단순한 '공부'가 아니라 '연구 스킬'을 요구한다는 점이 관찰의 핵심인 것으로 보인다. 유튜브 영상에 나온 수업들을 보면 이미 공개된 논문을 읽고, 그 안의 알고리즘을 직접 구현해보며, 막히는 부분은 원인을 파고드는 식으로 진행된다. 일반적인 자격증 강좌나 온라인 튜토리얼과는 완전히 다른 난이도라고 평가되는 이유다.

때문에 학점을 따내는 것이 예상보다 까다로운 것으로 전해진다. 단순히 시험을 쳐서 맞히거나 과제를 제때 내는 것만으로 부족하다. 실제로 자신이 뭔가를 '구현했는가', '기존과 다른 시도를 했는가' 하는 부분이 평가 대상이 되기 때문인 것으로 보인다. 이게 가능하려면 선형대수·미적분·확률통계 같은 기초 수학이 깊숙이 내재되어야 한다.

원문의 게시글에는 "공부를 습관처럼 하던 사람 아니면 피곤한 수업이 되겠다"는 표현도 있었다. 이는 매주 새로운 개념만 배우는 게 아니라, '이미 알고 있던 기초를 응용해 더 복잡한 수준으로 나아가는' 방식이라는 의미로 읽힌다.

개인 학습이 막히는 지점

개인이 이 영역을 독학하기 어려운 가장 근본적인 원인은 '인프라'로 지적된다. 현대의 AI 모델 개발이나 고급 시스템 운용을 배우려면, 고성능 GPU는 기본이고 때로는 그 이상의 연산 자원이 필요하다. 대학이 보유한 컴퓨팅 서버나 클러스터를 써야 실제 규모의 프로젝트를 돌릴 수 있다는 뜻인 것으로 보인다.

집의 노트북으로 학습을 시도하면 금방 한계에 부딪힌다. 작은 데이터셋으로 만든 예제는 움직이지만, 규모 있는 모델이나 다중 GPU를 이용한 병렬처리 같은 것은 불가능에 가깝다. 원문의 게시글 작성자가 "개인이 함부로 공부할 수 없는 영역"이라고 지적한 것도, 이 장비와 인프라 격차를 정확히 직시한 표현으로 보인다.

클라우드 서비스(AWS, Google Cloud 등)를 활용할 수도 있지만, 장기간 학습하려면 비용이 상당하다는 점이 현실인 것으로 보인다. 결국 '인프라 접근성'이 제도권 교육과 개인 학습 사이의 가장 큰 벽이 되고 있는 상황인 것으로 보인다.

현실적인 준비 방향

대학이 AI 교육에 투자하는 이유는 이 지점에서 명확해진다. 단순히 개념을 가르치는 것이 아니라, 실제 연구급 환경에서 문제를 풀어보는 경험 자체가 학습의 핵심이기 때문인 것으로 보인다.

만약 이 분야를 목표로 삼는다면, 먼저 기초를 확실히 다져두는 게 첫 단계다. 선형대수, 미적분, 확률통계, 파이썬 같은 것들은 온라인 강좌로도 충분히 학습할 수 있다. 그 다음 개인이 할 수 있는 영역까지는 Kaggle 같은 데이터 플랫폼의 공개 데이터셋이나 GitHub의 오픈소스 프로젝트를 통해 경험을 쌓는 방식이 현실적인 것으로 보인다. 더 깊은 수준의 연구나 고급 알고리즘은 대학 과정에서 배우는 것이, 결국 '성장곡선'을 가장 가파르게 올릴 수 있는 경로로 평가되고 있다.

📌 원문 발췌

대학인데 수업 자체가 연구가 필요한 스킬을 요구할거같고... 개인이 함부러 공부할 수 없는 영역...요

원본 출처: 클리앙 모두의공원