AI로 보는 기업에서 원하는 인재

AI는 컴퓨터가 인간과 유사하게 또는 더욱 정확하게 판단하고, 응답하도록 하는 것을 지향합니다.

이런 AI의 발전을 위해 다양한 연구가 진행되고 있는데, 반대로 AI의 발전을 위해 하는 연구들은 결국 인간에게도 적용되지 않을까 하는 생각을 합니다.

input data의 작은 특징들을 잘 잡아내기 위해 데이터를 잘게 쪼개는 방식은 업무를 잘게 나누어 하나씩 처리해 나가는 방식이라던가,

나눈 데이터를 각각 다음 조각의 데이터에 반영하는 Attention 방식은 업무에 관해 문서화하고, 이런 문서를 보며 업무를 진행해 나가는 방식에 비유할 수 있겠습니다.

더 나은 성능을 위해 아주 많은 데이터를 학습 시키는 것은 기업에서 경력자를 원하는 것과 비슷하고, 꾸준히 공부하고 성장하는 것은 모델을 fine tuning 하고 추가 학습을 하는 것과 비교 할 수 있습니다.

근래에 많은 연구가 이루어지고 있는 퓨샷 러닝 (Few-Shot Learning) 이라는 학습 방법이 있습니다.

적은 데이터로 효율적인 학습을 하는 것을 목적으로 하고 있는데, 이를 위해서는 메타 러닝이 중요합니다.

메타러닝은 학습하는 방식을 학습한다는 것 입니다.

데이터가 적은 신입들은 내가 빠르게 좋은 결과를 낼 수 있는 사람이다 라는 것을 보여줘야 하고, 이를 면접관에게 어필해야합니다.

그러니, 이력서에 프로젝트의 나열 보다는 "어떤 어려움이 있었고 어떻게 해결했다." 이렇게 쓰는 것은 어려움을 해결 할 줄 아는 메타러닝이 가능한 인재다 라는 것을 보여줄 수 있겠습니다.

그리고 더 나아가, 이 경험을 바탕으로 다음 프로젝트에서는 이를 반영해 어떻게 더 성능 향상을 이루었고, 이를 통해 어떤 것을 느꼈다 라고까지 쓴다면,

메타러닝의 방법 중 하나인 최적화 학습 방식(optimizer learning) 처럼, 새로운 학습 데이터를 추가했고, 이를 통해 나온 gradient를 이전 내가 학습했던것에 반영하여 성능을 향상했다는 말이 되겠습니다.

금요일이기도 하고, 아직 머리가 딱딱해서 좀 말랑말랑 하게 하고 일 시작하려고 헛소리좀 해봤습니다 ㅎㅎ

당연한 소리를 했지만 너그러이 봐주시고 어려운 시기 잘 견뎌내시길 바랍니다...