7bb9807fe3d36cf33ce683ed10d77d681f5605ae065b755cbaad82f59d074b37f9010841ae7dfd6af3736253e57ed1b6


일단 수학 잘한다고 많은 게 해결될 거였다면

몇년 전부터 딥러닝 바닥에 쏟아지던 수학과 출신들한테 컴사나 컴공쪽 전공인들 싹다 폐사 당했지

현실적으론 수학보다 훨씬 더 중요한 게 트렌드를 읽고 대응하는 능력과 협업력임. 특히 후자.

애초에 딥러닝의 굵직굵직한 발견들 상당수는 수학적 통찰 못지 않게, 경험-직관적 통찰에서 비롯된 게 많음. 오히려 수학적 증명과 통찰은 그에 대한 후속 연구로 뒤따르는 경우가 많았지.

그리고 딥러닝 논문의 수식들은 진짜 수식이 아님. 그건 그냥 리서쳐들이 읽기 쉽게 표현하기 위한 미사여구지, 그 수식 자체가 찐으로 새로운 지식을 창발하고, 그게 방법론으로 이어지는 건 진짜 보기 드묾.

말마따라 CLIP이나 ViT, 근래 LLM논문들이 수학적 직관에서 출발한 것 같지는 않잖아. 대다수 논문이 VAE 수준이라도 됐다면 수학 죽어라 공부하라고 입에 달고 살았음.

최소한 이 바닥에 있으면서, 혹은 진입하면서 "수학이 정말 중요한가요?"라고 묻고 있다면, 그 사람은 수학으로 승부볼 수 있는 사람이 아님.

물론 수학에 시간 더 투자해서 좋은 연구자-개발자가 될 수 있긴 함. 그리고 어느정도는 공부를 하는 게 좋긴 하지.

근데 그렇게 수학에 시간과 노력을 들여도, 실제 효율은 그에 못 미치는 경우가 부지기수라는 걸 고려하라는 거임. 수학 자체는 다른 사람과 차별화하기에 정말 좋은 진입장벽이긴 한데, AI쪽은 그걸 우회할 수 있는 빈틈이 너무 많음.

수학 공부? 시간나면 해. 누가 말려. 근데, 그 이전에 다른 능력상의 공백이나 결점을 먼저 해결하는 게 현실적으로 더 중요하다는 거임. 그리고 그건 논문이나 과제 참여하면서 채워지는 거고. 솔직히 평균적인 석사라면 수학 공부하겠다고 시간을 낼 짬이 얼마나 있을까 의문임.

시간이 많다고? 그럼 수학을 공부하고 있으면 안되지. 그 시간에 논문이라도 더 읽고, 실험이라도 더 짜고, 과제 참여해. 그렇게 해서 네임드 컨퍼런스 1편이라도 갖고 나가는 게 현실적으로 취업에 훨씬 더 도움됨