AI 박사과정 vs 산업 연구, 구글·마이크로소프트를 거친 CMU 연구자가 말하는 선택 기준

핵심 메시지

• 산업 연구소에서 모델을 실제 제품에 넣어 본 경험이 이후 연구 질문의 기준을 '현실에서 쓰이는가'로 바꿨다.
• 연구용 데이터셋과 실제 사용자 데이터는 난이도가 전혀 다르며, 그 간극을 메우는 데만 1년 가까이 걸렸다.
• 박사과정을 택한 이유는 특정 주제 자체보다 '한 문제를 아주 깊이 파고들 자유'에 있었다.
• 박사과정은 자기 규율·자원 확보·독립적 사고 같은 메타 수준의 기술을 훈련하는 과정이기도 하다.
• 아이디어를 실제로 구현 가능한 규모로 좁히는 능력은 박사과정이든 산업 경험이든 훈련을 통해 얻어진다.

쉽게 이해하기

이 영상은 카네기멜런대 박사과정 연구자가 구글 리서치 인도와 마이크로소프트 리서치를 거쳐 다시 학계로 돌아간 과정을 인터뷰 형식으로 풀어낸 대담이다. 연구자는 다국어·다중모달 기반 모델을 통해 서로 다른 언어와 문화권의 사용자에게 AI가 실제로 쓸모 있게 만드는 문제를 다루고 있다.

산업으로 먼저 간 것은 절반은 우연이었다. 학부 논문 과정의 일부로 마이크로소프트 리서치 인턴십을 했고, 이어 싱가포르 연구실에서 연구조교로 일할 계획이었지만 코로나로 모두 취소됐다. 그 대신 당시 문을 연 지 1~2년밖에 되지 않았던 구글 리서치 인도의 프리닥터럴(pre-doctoral) 프로그램에 합류했다.

구글에서의 작업은 연구로 끝나지 않았다. 인도 언어를 위한 다국어 모델을 만든 뒤, 그 모델의 성능을 실제 제품에 넣는 일을 맡아 6개월간 연구 프로토타입을 만들고 이후 1년 가까이 제품화에 매달렸다. 연구자는 이 경험을 통해 잘 정리된 실험용 데이터와 지저분한 실제 사용자 데이터 사이의 격차를 체감했다고 말한다.

그럼에도 이 경험을 긍정적으로 평가하는 이유는 '현실의 필요 → 연구 → 다시 제품으로 환원'이라는 순환 고리를 직접 닫아 봤기 때문이다. 지금도 연구 질문을 세울 때 '이것이 실제로 쓸모가 있는가'를 먼저 묻게 됐고, 광고·교육·영화 등에서 문화적 현지화가 필요하다는 실무적 요구가 현재의 이미지 트랜스크리에이션 연구로 이어졌다.

박사과정을 택한 이유에 대해서는 솔직하게 답한다. 학부 3학년 때부터 막연히 원했고 당시에는 구체적인 답이 없었으며 다소 낭만화된 이미지도 있었다는 것이다. 다만 분명한 것은 하나의 문제를 아주 깊이 파고들고 싶었다는 점, 그리고 산업에 비해 제약이 훨씬 적은 환경에서 자기 주제를 스스로 고르는 경험을 해 보고 싶었다는 점이다.

주요 인사이트

• 산업 연구 경험은 '무엇을 연구할 것인가'보다 '왜 그것을 연구해야 하는가'의 기준을 바꾸는 방식으로 오래 남는다.
• 모델을 만드는 것과 제품에 올리는 것은 별개의 일이며, 실제 사용자 데이터의 지저분함이 그 차이의 상당 부분을 만든다.
• 박사과정의 접근은 크게 두 갈래로 나뉜다. 여러 주제를 폭넓게 탐색한 뒤 논문으로 묶는 방식과, 하나의 문제를 깊이 파고드는 방식이다.
• 진행자와 게스트 모두 박사과정의 실질적 효용으로 '아이디어를 실현 가능한 규모로 구체화하는 감각'을 꼽는다. 이는 산업 경험으로도 어느 정도 얻을 수 있다.
• 코로나로 모든 협업이 온라인화되면서 지리적 제약 없이 미국·독일·일본의 연구자와 협업할 수 있었던 시기가 있었고, 이는 이후 되돌아가기 어려운 특수한 환경이었다.

자주 묻는 질문

관련 AI 소식