매번 느끼지만 AI는 팔로업이 중요한 게 아님
물갈이 되는 속도가 워낙 광적으로 빨라서 팔로업이 제일 중요한 것처럼 보이는데
그래서 더더욱 수학을 공부해야 하는 거임
수학을 조금이라도 더 알고 있으면, 똑같은 모델을 보더라도 생각할 수 있는 깊이가 달라짐
어떤 게 가능하고, 어떤 게 불가능한지를 딱딱 명확하게 기술적으로 설명 가능함.
근데 한국, 특히 GPT가 급부상하면서 더욱 두드러졌는데,
요즘 들어오는 애들은 그냥 최신 논문만 허겁지겁 주워먹고, 팔로업하는 것에만 너무 에너지를 쓰더라
예전보다 기초적인 수준의 수식적 증명이나 통계적인 모델 분석을 너무 도외시하는 것 같고
약간 블랙박스라는 면죄부때문인 것 같기도 한데, 그 정도만 볼 거면 굳이 대학원까지 올 필요도 없지 않나 싶기도 하고
해당 댓글은 삭제되었습니다.
수식 이해 없어도 좋은 연구자가 될 수 있긴 함. 근데 그게 오히려 훨씬 더 힘든 듯...아까 누가 이야기하길래 생각나서 써봄ㅋㅋ
최신 논문 무지성 팔로업 할꺼면 사실 석사, 박사라는 이름만 남고 깊이는 전혀 없긴해
심지어 정보력도 여기 백수 특붕이들보다 떨어질수도
실제로 정보력 떨어지는 거 맞음ㅋㅋ추론 모델 버전 꿰차고 있고, 걔네 장단점까지 심도 있게 논의하는 건 의외로 연구실에서 보기 힘듦..아무래도 자기꺼 더 공부하고 실험하기 바쁘니까
석사만 하다가 탈출해서 회사에서 구르고 있는 사람 입장에서 결국 대학원에서 진짜 남는건 논문 하나 더 내는 것보다 AI 관련 기초 수학, 통계 공부였다는 생각이 들긴함
석사 자체가 뭔가를 깊게 해보기에 긴 시간은 아니라서..사실 논문 하나 쓰는 것도 결국 많은 팔로업이 필요한 거라 어쩔 수 없는 문제인 듯
근데 수학도 공대 학부 수준 수학에서 크게 벗어나지 않던데
그리고 요즘 ai 연구에선 일부 분야 제외하고 그렇게 빡쎈 수식 잘 안씀
ㅇㅇ그래서 "기초적인" 수학지식이 중요하다는 거임. 적어도 엔지니어라면 MLE나 MAP, UAT정도는 증명할 줄 알고, 그게 모델에서 어떻게 실현되는지를 명확히 구상할 수는 있어야 한다는 거임. 진짜 엄밀한 수학을 말하는 건 아니지
해당 댓글은 삭제되었습니다.
오히려 그래서 너무 퍼포먼스 싸움에 연연하지 않았으면 함. 어차피 연구실에서의 성능 테이블을 회사에서 면밀히 살펴볼 것도 아니고, 결국 개개인의 진짜 실력이 중요한 듯
뉴비인데 수학 뭐 공부하면 되나요? - dc App