2019.02.15

이재용 칼럼 | 지능정보기술 인력 양성에 대하여...

이재용 | CIO KR
2018년 말 MIT의 인공지능 교육을 위한 교육 개혁안이 발표됐다. 우리나라도 인공지능 전문대학원을 설치하려 하고 있으며 K대학의 심리학과는 학부를 확대 개편할 움직임을 보이고 있다. 이미 지능정보기술자들이 미국으로 빠져나가는 현상으로 고충을 토로하는 이들이 있다 이번 컬럼에서는 2019년도에 예상되는 인공지능의 발전 양상에 대하여 생각해 보고, 지능정보기술자 양성을 위한 고등교육과 대안교육에 대하여 생각해본다.

2019년 인공지능의 발전 양상
많은 학자들이 4차산업혁명의 시작으로 바라보는 시점은 제프리 힌튼 교수의 토론토대학팀이 세계 최대 이미지 인식 경연대회 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 영국, 일본, 독일 등을 물리치고 우승한 2012년이다. 

다른 팀의 오답율이 26%대던 반면 토론토대학팀은 딥러닝(Deep Learning) 기법을 이용하여 오답율을 15%대로 낮췄다. 신경망 기법을 도입하여 인공지능을 연구상황에서 산업현장으로 응용할 수 있음을 증명한 최초의 이 사건 이후 2016년 봄 구글의 딥마인드의 알파고와 이세돌의 바둑대결로 대중이 인식하게 되었다. 그이후 CNN으로 대별되는 연결주의 인공지능이 많은 성과를 만들었다. 2019년이 올해에 전개될 다양한 변화 양상 중 크게 주목할 만한 2가지 경향을 살펴보자.

- 대화형 AI에서의 결과물
- 설명가능한 인공지능(XAI)

2010년이후 AI의 발전을 이끌어온 것은 영상처리중심의 AI였다. AI가 수백 만, 수천 만 장의 사진 및 이미지나 영상을 학습하고 여기서 정보를 추출하여 학습하여 인식율을 높여온 것이다. 따라서 자연스럽게 방사선 의학을 중심으로 영상처리 분야에서 두드러진 진보를 보여왔다. 

이에 반해 음성 기반의 AI는 성장의 속도가 더뎠다. 영상 및 이미지를 통한 영상학습방법은 언어 처리 문제의 복잡성에 비해서 상대적으로 단순하다. 훨씬 복잡한 인간의 언어체계를 처리함에 있어 정보가 뒤로 갈수록 사라지는 현상이 발생하는 RNN(순환신경망모델)로 구현하는 것에는 한계가 존재했던 것이다. 

그러나 2018년 10월 구글이 발표한 대화형 인공지능 언어 BERT(Bidirectional Encoder Representations from Transformers)는 자연어처리시스템(NLP)에 커다란 변화를 보여주고 있다. BERT는 학습 속도의 향상시킬 수 있도록 병렬처리형 범용 딥러닝 모듈 아키텍처인 Transformer를 양방향으로 설계하고 있다. 이러한 구조와 더불어 CNN 기반에서 벗어서 언어사용자의 중요한 단어에 집중해 의도와 문맥 분석에 집중하는 범용 어텐션(Attention) 모델을 채택했다. 

그 결과는 매우 놀랍다. 자연어처리 평가지표인 GLUE(General Language Understanding Evaluation)와 SQuAD 2.0(Stanford Question Answering Dataset 2.0)에서 인간의 언어 능력에 육박할 정도다. 높은 수준의 대화형 인공지능이 인공지능 스피커에 연결된다면 매우 빠르게 실용화 될 것으로 예상된다. 물론 어텐션의 개념을 다양한 언어에 적용헤야 하는 과제는 남아 있다.

2019년에 주목할 만한 또 다른 인공지능의 변화는 설명가능한 인공지능 문제이다. 신경망 기반 시스템들의 결과물들이 어떠한 과정을 거쳤는지를 알 수 없는 문제가 윤리문제로 크게 대두된 이후에 이를 대체할 방법론으로 널리 인정받고 있다 ‘Interpretable AI’ 또는 ‘eXplainable AI’로 표현되는 설명가능한 인공지능은 인공지능이 블랙박스화 되는 것을 막고 알고리즘의 조작가능성, 의사결정의 편향성 등 부작용에 대처하여 윤리문제, 규정, 신뢰성의 문제 등에서 대안으로 받아들여 지고 있다. 

이를 위해서는 2가지 방향성이 제시되고 있다. DRAPA가 추진하는 XAI는 인공지능에 설명 모델(Explainable Model)과 설명 인터페이스(Explainable interface)로 구성되며 2021년 목표로 하고 있다. 다른 하나는 심층신경망에 설명 가능성을 부여하려는 노력으로 다윈AI社의 생성합성(Generative Synthesis) 기술이다. 

생성합성 기술은 심층 학습 설계를 위한 핵심기술로 신경망을 이용하여 신경망을 탐색하고 이해하며 신경망의 비효율성을 식별한다. 따라서 신경망의 효과성을 볼 때 윤리적 이슈에서 벗어나 인류를 행복과 안녕을 위하여 안전한 방향을 제시할 것으로 기대된다.  

이와 같이 인공지능 연구가 진보하는데 반하여 이러한 인력을 양성하는 고등교육에서는 어떠한 변화가 진행되고 있는지 살펴보자.

고등 교육을 중심으로 한 지능정보화 교육
인공지능 측면에서 최근에 관심을 가질 만한 고등교육에서의 변화들을 다음과 같이 정리할 수 있을 것이다. 

- MIT의 교육 개혁 방향
- 인공지능 전문대학원 설치
- 2021년 고려대학교 심리학과의 학부로 전환

인공지능으로 대별되는 인지공학 기술은 하나의 학문에 기반하는 것이 아니다. 우리나라의 인지과학의 발전을 이끌었던 이정모 교수는 다음과 같이 설명하고 있다.

인지과학은 수학, 철학, 심리학, 언어학, 인공지능학, 인류학, 커뮤니케이션학, 사이버네틱스 등의 분야를 연결하여 인지주의라는 새로운 다학문적 과학으로 등장함으로써, 학문 간 수렴과 융합이 개념적으로, 학문 체계적으로, 그리고 또 테크놀로지적 응용의 현실 측면에서 가능하며 또 이루어져야 함을 보이는 새 흐름을 대표하였다고 할 수 있다. (발췌 : 한국사회과학 통권 제32권 - 인지과학과 학문 간 융합의 원리와 실제 – 이정모)

이글에서 알 수 있듯이 지능정보화사회에 필요한 인재 양성을 위해서는 다양한 분야의 학문적 접근이 필요한 것이다. 이미 우리는 인공지능을 이해하기 위해 지도학습, 비지도학습, 강화학습 등 심리학의 개념들을 차용했고 신경망이라는 생물학적 정보전달 방법에 대한 원리로 인공신경망을 구현하고 있다. 이러한 문제에 접근하기 위한 다양한 노력들 중에서 첫 번째로 관심을 끄는 것은 역시 MIT의 교육 개혁안이다. 

2018년 10월 미국의 매사추세츠 공과대학은 "모든 학생을 이중 언어자로 키우겠다"는 캐치플레이로 생물학·기계공학·전자공학, 사회·경영·역사를 전공하는 학생들도 AI라는 언어를 각개인의 전공과 함께 의무적으로 배우도록 하겠다는 투트랙 전략을 발표하였다. 투자비용은 자그마치 10억달러다. 더 이상 인공지능이 IT 전문가들의 만의 영역이 아니라 각 분야의 인력들이 자신의 분야의 전문적인 업무를 인공지능으로 구현할 개발 팀에 함께 참여할 수 있는 인력을 양성하겠다는 구상인 것이다. 지능정보기술의 많은 부분이 비IT 분야에서 기반한 것을 적극적으로 반영한 것이다. 이를 위해 MIT는 과학·공학·경영·인문사회 전문가 가운데 컴퓨터와 AI 전문 지식을 갖춘 전문가를 교수로 선발하려고 한다.

우리나라에서는 2019년 9월 개교를 목표로 인공지능 전문대학원을 설립하려는 시도가 정부지원사업으로 진행되고 있다. AI 석·박사급을 오는 2028년까지 1,200여명 양성하고 세계 컴퓨터 사이언스(CS) 랭킹 상위 50위 내 진입 대학을 육성하는 것이 목표다. 현재 12개 대학이 신청한 것으로 알려져 있으며 2월말까지 3개 대학을 선정한 후 4월 협약체결과 동시에 사업을 착수한다. 

한편 고려대학교에서 2021년에 심리학과를 학부로 편성하여 융합학문으로써 중추적 역할로 자리매김하려고 시도하고 있다. 심리학부에서는 문과뿐 아니라 이과 전공 학사 학위도 취득할 수 있게 하려고 한다니 매우 반가운 소식이다. 당연히 교과과정도 다양하게 개편될 것으로 보인다. 심리학을 통해 인공지능(AI), 공공성, 고령화 등 다양한 사회 문제에 대한 해법을 모색하려는 시도로 뜻을 높이 살 만하다. 딥러닝의 의사결정과정이 설명할 수 없는 현재의 인공지능은 당장은 위험하지 않겠으나 학문간 경계에서 벌어질 위험성을 준비하지 않을 수 없기 때문이다.

-> 인공지능의 위험성, '학문 간 경계'에서의 시야가 필요하다

따라서 이러한 위험성에 대처할 수 있는 의사결정 방법은 인간 존재적 사고에 기반한 인문학 중에서 인지공학과 직접적으로 접목이 가능한 심리학과에서 주도하는 것이 매우 합리적이라고 생각하기 때문이다. 다시 말해서 인간을 다루는 학문이 융합학문의 중심이 되어야 위험에 대처하는 방향이 더 안전할 수 있기 때문이다.

더불어 공학자들이 연구방법은 인문과학적 개념의 적용이 없은 방식으로 이루어지기 때문의 결과의 효용성을 확인하는데 부적절하여 낭비적 요소가 많으므로 심리학적 검증력이 IT 기술과 인공지능의 결과물에 대한 효용성을 훨씬 높일 수 있는 방법이 될 것도 기대된다.

미국으로 빠져나가는 기술자들 
이러한 노력에도 불구하고 2019년 초입부터 들려오는 인재 유출에 대한 많은 기사들은 미국과 중국의 사이에서 심각한 인력유출을 걱정하게 한다. 국내의 인재 양성 속도는 늦고 그나마 있는 국내의 고급 기술자는 미국으로 빼앗기는 양상이다. 미국의 페이스북, 아마존, 넷플릭스, 구글, 애플, 마이크로소프트 등이 석사급 고급인력을 채용해 간다. 삼성, 네이버와 카카오 C 레벨들이 인재 확보의 어려움을 공개적으로 토로하고 정부차원의 대책을 요구하고 있다. 한 연구 기관의 조사에 따르면 2022년까지 부족한 개발자가 3만 2,000명 달할 것으로 예측하고 있다.

더욱이 대학의 학제가 경직되어 단기간에 개발자를 양성하지 못하자 정부에서는 프랑스의 대안 교육 시스템인 에콜42을 모방하여 ‘이노베이션 아카데미’를 설립하겠다고 발표했다. 이 아카데미는 2년제로 정원이 2,500명이다. 학력이나 전공 제한 없이 학생을 선발해 코딩교육에만 집중한다는 점은 에콜42와 같으나 설립주제가 정부라는 점이 프랑스와는 달라 경직되고 자율적이지 못한 모습으로 운영될 것을 걱정하는 분위기이다.

이제까지 급변하는 인공지능 발전방향을 살펴보았다. 또 이에 대응할 고등교육 시스템을 구축하는데 수년의 세월을 보내는 사이에 실리콘 밸리로 고급기술자들을 빼앗기고 있으며 대안교육시스템도 잘 동작할지 알 수 없는 불확실한 상황에 머물러 있다는 것을 확인했다. 2019년도에도 지능정보화사회는 빠르게 변화하며 새로운 도전이 일어 날것으로 예측되는 바 산학연이 합심하여 중지를 모아야 할 것이다.

* 한서대학교에 근무하는 이재용 교수는 ICT 목표 카운셀러로서 프로그래밍심리학을 활용한 교육, 상담을 통하여 IT기술자들을 돕고, IT리더들과 CIO들이 IT팀을 이끄는 과정에서의 기업의 어려움을 해결하도록 돕고 있다. 또 인공지능 원리교육을 통하여 비전공자에게도 인공지능 프로그래밍을 가르치는 심리정보과학자이다. 심리정보과학(Psychological Informatics)을 통하여 특정 프로젝트나 제품, 연구가 4차 산업혁명의 지향점 중 어떤 위치에 해당하는지를 확인해 볼 수 있는 <특이점 지도>를 만들기 위해 노력하고 있다. ciokr@idg.co.kr



2019.02.15

이재용 칼럼 | 지능정보기술 인력 양성에 대하여...

이재용 | CIO KR
2018년 말 MIT의 인공지능 교육을 위한 교육 개혁안이 발표됐다. 우리나라도 인공지능 전문대학원을 설치하려 하고 있으며 K대학의 심리학과는 학부를 확대 개편할 움직임을 보이고 있다. 이미 지능정보기술자들이 미국으로 빠져나가는 현상으로 고충을 토로하는 이들이 있다 이번 컬럼에서는 2019년도에 예상되는 인공지능의 발전 양상에 대하여 생각해 보고, 지능정보기술자 양성을 위한 고등교육과 대안교육에 대하여 생각해본다.

2019년 인공지능의 발전 양상
많은 학자들이 4차산업혁명의 시작으로 바라보는 시점은 제프리 힌튼 교수의 토론토대학팀이 세계 최대 이미지 인식 경연대회 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 영국, 일본, 독일 등을 물리치고 우승한 2012년이다. 

다른 팀의 오답율이 26%대던 반면 토론토대학팀은 딥러닝(Deep Learning) 기법을 이용하여 오답율을 15%대로 낮췄다. 신경망 기법을 도입하여 인공지능을 연구상황에서 산업현장으로 응용할 수 있음을 증명한 최초의 이 사건 이후 2016년 봄 구글의 딥마인드의 알파고와 이세돌의 바둑대결로 대중이 인식하게 되었다. 그이후 CNN으로 대별되는 연결주의 인공지능이 많은 성과를 만들었다. 2019년이 올해에 전개될 다양한 변화 양상 중 크게 주목할 만한 2가지 경향을 살펴보자.

- 대화형 AI에서의 결과물
- 설명가능한 인공지능(XAI)

2010년이후 AI의 발전을 이끌어온 것은 영상처리중심의 AI였다. AI가 수백 만, 수천 만 장의 사진 및 이미지나 영상을 학습하고 여기서 정보를 추출하여 학습하여 인식율을 높여온 것이다. 따라서 자연스럽게 방사선 의학을 중심으로 영상처리 분야에서 두드러진 진보를 보여왔다. 

이에 반해 음성 기반의 AI는 성장의 속도가 더뎠다. 영상 및 이미지를 통한 영상학습방법은 언어 처리 문제의 복잡성에 비해서 상대적으로 단순하다. 훨씬 복잡한 인간의 언어체계를 처리함에 있어 정보가 뒤로 갈수록 사라지는 현상이 발생하는 RNN(순환신경망모델)로 구현하는 것에는 한계가 존재했던 것이다. 

그러나 2018년 10월 구글이 발표한 대화형 인공지능 언어 BERT(Bidirectional Encoder Representations from Transformers)는 자연어처리시스템(NLP)에 커다란 변화를 보여주고 있다. BERT는 학습 속도의 향상시킬 수 있도록 병렬처리형 범용 딥러닝 모듈 아키텍처인 Transformer를 양방향으로 설계하고 있다. 이러한 구조와 더불어 CNN 기반에서 벗어서 언어사용자의 중요한 단어에 집중해 의도와 문맥 분석에 집중하는 범용 어텐션(Attention) 모델을 채택했다. 

그 결과는 매우 놀랍다. 자연어처리 평가지표인 GLUE(General Language Understanding Evaluation)와 SQuAD 2.0(Stanford Question Answering Dataset 2.0)에서 인간의 언어 능력에 육박할 정도다. 높은 수준의 대화형 인공지능이 인공지능 스피커에 연결된다면 매우 빠르게 실용화 될 것으로 예상된다. 물론 어텐션의 개념을 다양한 언어에 적용헤야 하는 과제는 남아 있다.

2019년에 주목할 만한 또 다른 인공지능의 변화는 설명가능한 인공지능 문제이다. 신경망 기반 시스템들의 결과물들이 어떠한 과정을 거쳤는지를 알 수 없는 문제가 윤리문제로 크게 대두된 이후에 이를 대체할 방법론으로 널리 인정받고 있다 ‘Interpretable AI’ 또는 ‘eXplainable AI’로 표현되는 설명가능한 인공지능은 인공지능이 블랙박스화 되는 것을 막고 알고리즘의 조작가능성, 의사결정의 편향성 등 부작용에 대처하여 윤리문제, 규정, 신뢰성의 문제 등에서 대안으로 받아들여 지고 있다. 

이를 위해서는 2가지 방향성이 제시되고 있다. DRAPA가 추진하는 XAI는 인공지능에 설명 모델(Explainable Model)과 설명 인터페이스(Explainable interface)로 구성되며 2021년 목표로 하고 있다. 다른 하나는 심층신경망에 설명 가능성을 부여하려는 노력으로 다윈AI社의 생성합성(Generative Synthesis) 기술이다. 

생성합성 기술은 심층 학습 설계를 위한 핵심기술로 신경망을 이용하여 신경망을 탐색하고 이해하며 신경망의 비효율성을 식별한다. 따라서 신경망의 효과성을 볼 때 윤리적 이슈에서 벗어나 인류를 행복과 안녕을 위하여 안전한 방향을 제시할 것으로 기대된다.  

이와 같이 인공지능 연구가 진보하는데 반하여 이러한 인력을 양성하는 고등교육에서는 어떠한 변화가 진행되고 있는지 살펴보자.

고등 교육을 중심으로 한 지능정보화 교육
인공지능 측면에서 최근에 관심을 가질 만한 고등교육에서의 변화들을 다음과 같이 정리할 수 있을 것이다. 

- MIT의 교육 개혁 방향
- 인공지능 전문대학원 설치
- 2021년 고려대학교 심리학과의 학부로 전환

인공지능으로 대별되는 인지공학 기술은 하나의 학문에 기반하는 것이 아니다. 우리나라의 인지과학의 발전을 이끌었던 이정모 교수는 다음과 같이 설명하고 있다.

인지과학은 수학, 철학, 심리학, 언어학, 인공지능학, 인류학, 커뮤니케이션학, 사이버네틱스 등의 분야를 연결하여 인지주의라는 새로운 다학문적 과학으로 등장함으로써, 학문 간 수렴과 융합이 개념적으로, 학문 체계적으로, 그리고 또 테크놀로지적 응용의 현실 측면에서 가능하며 또 이루어져야 함을 보이는 새 흐름을 대표하였다고 할 수 있다. (발췌 : 한국사회과학 통권 제32권 - 인지과학과 학문 간 융합의 원리와 실제 – 이정모)

이글에서 알 수 있듯이 지능정보화사회에 필요한 인재 양성을 위해서는 다양한 분야의 학문적 접근이 필요한 것이다. 이미 우리는 인공지능을 이해하기 위해 지도학습, 비지도학습, 강화학습 등 심리학의 개념들을 차용했고 신경망이라는 생물학적 정보전달 방법에 대한 원리로 인공신경망을 구현하고 있다. 이러한 문제에 접근하기 위한 다양한 노력들 중에서 첫 번째로 관심을 끄는 것은 역시 MIT의 교육 개혁안이다. 

2018년 10월 미국의 매사추세츠 공과대학은 "모든 학생을 이중 언어자로 키우겠다"는 캐치플레이로 생물학·기계공학·전자공학, 사회·경영·역사를 전공하는 학생들도 AI라는 언어를 각개인의 전공과 함께 의무적으로 배우도록 하겠다는 투트랙 전략을 발표하였다. 투자비용은 자그마치 10억달러다. 더 이상 인공지능이 IT 전문가들의 만의 영역이 아니라 각 분야의 인력들이 자신의 분야의 전문적인 업무를 인공지능으로 구현할 개발 팀에 함께 참여할 수 있는 인력을 양성하겠다는 구상인 것이다. 지능정보기술의 많은 부분이 비IT 분야에서 기반한 것을 적극적으로 반영한 것이다. 이를 위해 MIT는 과학·공학·경영·인문사회 전문가 가운데 컴퓨터와 AI 전문 지식을 갖춘 전문가를 교수로 선발하려고 한다.

우리나라에서는 2019년 9월 개교를 목표로 인공지능 전문대학원을 설립하려는 시도가 정부지원사업으로 진행되고 있다. AI 석·박사급을 오는 2028년까지 1,200여명 양성하고 세계 컴퓨터 사이언스(CS) 랭킹 상위 50위 내 진입 대학을 육성하는 것이 목표다. 현재 12개 대학이 신청한 것으로 알려져 있으며 2월말까지 3개 대학을 선정한 후 4월 협약체결과 동시에 사업을 착수한다. 

한편 고려대학교에서 2021년에 심리학과를 학부로 편성하여 융합학문으로써 중추적 역할로 자리매김하려고 시도하고 있다. 심리학부에서는 문과뿐 아니라 이과 전공 학사 학위도 취득할 수 있게 하려고 한다니 매우 반가운 소식이다. 당연히 교과과정도 다양하게 개편될 것으로 보인다. 심리학을 통해 인공지능(AI), 공공성, 고령화 등 다양한 사회 문제에 대한 해법을 모색하려는 시도로 뜻을 높이 살 만하다. 딥러닝의 의사결정과정이 설명할 수 없는 현재의 인공지능은 당장은 위험하지 않겠으나 학문간 경계에서 벌어질 위험성을 준비하지 않을 수 없기 때문이다.

-> 인공지능의 위험성, '학문 간 경계'에서의 시야가 필요하다

따라서 이러한 위험성에 대처할 수 있는 의사결정 방법은 인간 존재적 사고에 기반한 인문학 중에서 인지공학과 직접적으로 접목이 가능한 심리학과에서 주도하는 것이 매우 합리적이라고 생각하기 때문이다. 다시 말해서 인간을 다루는 학문이 융합학문의 중심이 되어야 위험에 대처하는 방향이 더 안전할 수 있기 때문이다.

더불어 공학자들이 연구방법은 인문과학적 개념의 적용이 없은 방식으로 이루어지기 때문의 결과의 효용성을 확인하는데 부적절하여 낭비적 요소가 많으므로 심리학적 검증력이 IT 기술과 인공지능의 결과물에 대한 효용성을 훨씬 높일 수 있는 방법이 될 것도 기대된다.

미국으로 빠져나가는 기술자들 
이러한 노력에도 불구하고 2019년 초입부터 들려오는 인재 유출에 대한 많은 기사들은 미국과 중국의 사이에서 심각한 인력유출을 걱정하게 한다. 국내의 인재 양성 속도는 늦고 그나마 있는 국내의 고급 기술자는 미국으로 빼앗기는 양상이다. 미국의 페이스북, 아마존, 넷플릭스, 구글, 애플, 마이크로소프트 등이 석사급 고급인력을 채용해 간다. 삼성, 네이버와 카카오 C 레벨들이 인재 확보의 어려움을 공개적으로 토로하고 정부차원의 대책을 요구하고 있다. 한 연구 기관의 조사에 따르면 2022년까지 부족한 개발자가 3만 2,000명 달할 것으로 예측하고 있다.

더욱이 대학의 학제가 경직되어 단기간에 개발자를 양성하지 못하자 정부에서는 프랑스의 대안 교육 시스템인 에콜42을 모방하여 ‘이노베이션 아카데미’를 설립하겠다고 발표했다. 이 아카데미는 2년제로 정원이 2,500명이다. 학력이나 전공 제한 없이 학생을 선발해 코딩교육에만 집중한다는 점은 에콜42와 같으나 설립주제가 정부라는 점이 프랑스와는 달라 경직되고 자율적이지 못한 모습으로 운영될 것을 걱정하는 분위기이다.

이제까지 급변하는 인공지능 발전방향을 살펴보았다. 또 이에 대응할 고등교육 시스템을 구축하는데 수년의 세월을 보내는 사이에 실리콘 밸리로 고급기술자들을 빼앗기고 있으며 대안교육시스템도 잘 동작할지 알 수 없는 불확실한 상황에 머물러 있다는 것을 확인했다. 2019년도에도 지능정보화사회는 빠르게 변화하며 새로운 도전이 일어 날것으로 예측되는 바 산학연이 합심하여 중지를 모아야 할 것이다.

* 한서대학교에 근무하는 이재용 교수는 ICT 목표 카운셀러로서 프로그래밍심리학을 활용한 교육, 상담을 통하여 IT기술자들을 돕고, IT리더들과 CIO들이 IT팀을 이끄는 과정에서의 기업의 어려움을 해결하도록 돕고 있다. 또 인공지능 원리교육을 통하여 비전공자에게도 인공지능 프로그래밍을 가르치는 심리정보과학자이다. 심리정보과학(Psychological Informatics)을 통하여 특정 프로젝트나 제품, 연구가 4차 산업혁명의 지향점 중 어떤 위치에 해당하는지를 확인해 볼 수 있는 <특이점 지도>를 만들기 위해 노력하고 있다. ciokr@idg.co.kr

X