AI 교수는 왜 손으로 직접 그리는 방식을 강조하는가

이 영상은 YouTube 채널 EO가 미국 콜로라도 대학교 볼더 분교(CU Boulder) 컴퓨터 과학과 교수인 **Tom Yeh(叶汤姆)**를 인터뷰한 내용입니다.

Tom Yeh 교수는 세계적으로 유명한 교육 이니셔티브 프로젝트인 **“AI by hand”(손으로 하는 AI / 손으로 계산하는 AI)**의 창시자이기도 합니다. 영상에서 그는 인공지능(AI) 시대에 왜 “느린 학습(Slow Learning)”과 탄탄한 기초가 결국 승자가 되는지에 대해 깊이 있게 탐구하며, 기술의 물결 속에서 교육과 인재의 본질에 대해 성찰합니다.

다음은 영상 내용의 상세 분석입니다:

1. “AI by hand” 프로젝트의 유래와 핵심 이념 [00:00]

AI의 블랙박스 해체: 교수가 “AI by hand” 프로젝트를 시작한 초심은, 순수하게 수학 공식을 손으로 쓰고 모델 구조도를 직접 그림으로써 Transformer, Attention 메커니즘과 같은 복잡한 AI 내부 메커니즘을 시각화하고 이해하기 쉽게 만드는 것입니다. 그는 대규모 언어 모델(LLM)을 종이 위에 분해해 보면, AI가 정체 모를 신비한 마법이 아니라 누구나 이해할 수 있는 수학과 알고리즘이라는 것을 깨닫게 될 것이라고 믿습니다.
교수 자신의 “보충 학습” 경험: 교수는 자신이 공부하던 시절에는 서포트 벡터 머신(SVM)과 같은 전통적인 머신러닝(Machine Learning)이 유행하여 딥러닝(Deep Learning)의 폭발적 성장을 놓쳤다고 자조합니다. 교수가 된 후 모든 사람이 딥러닝을 다루는 것을 보고 그는 “처음부터 다시 배워야” 했습니다. 그리고 그는 새로운 알고리즘을 진정으로 이해하고 완전히 습득할 수 있는 유일한 방법은, 책상에 앉아 펜으로 종이 위에 모든 행렬(Matrix)과 공식을 인내심 있게 유도하고 그려내는 것임을 발견했습니다. 가장 어리석고 느려 보이는 이 “손 계산” 과정이 바로 그가 전 세계 수많은 기술 학습자들과 공감대를 형성하게 된 계기가 되었습니다.

2. 왜 AI 시대에도 “손으로 쓰는 것”을 고수해야 하는가? [02:15]

교수는 과거 학교에서 C++ 프로그래밍을 가르칠 때 했던 시도를 공유했습니다. 학생들이 PPT를 이용한 강의가 너무 빨라 따라가기 힘들다는 피드백을 계속하자, 그는 한 학기 내내 PPT를 사용하지 않고, 실시간 코딩 시연도 하지 않으며, 오직 칠판 판서만 사용하기로 결정했습니다. 그는 이를 통해 세 가지 이점을 발견했습니다:

인간의 한계 속도와 동기화: 교수가 글씨를 쓰는 속도가 곧 강의 속도가 됩니다(이는 인간의 생리적 한계 속도입니다). 이로 인해 교육 속도가 강제적으로 느려집니다.
인간의 지식 흡수 속도: 학생들 또한 인간의 생리적 속도에 맞춰 필기하고 생각할 수밖에 없으며, 이를 통해 지식을 내면화할 시간을 갖게 됩니다.
극도의 집중력: 학생들이 공책에 판서를 받아 적느라 바쁠 때, 그들의 손은 키보드를 만지거나 Instagram 같은 소셜 미디어를 확인할 수 없게 됩니다.

3. 영원한 기초 vs 거품 같은 도구 [04:08]

영원한 행렬 곱셈: 교수는 자신의 인생 경험을 되돌아보았습니다. 대학 시절 선형대수학(Linear Algebra)과 행렬 연산을 배울 때는 지루하고 쓸모없다고 느꼈습니다. 하지만 얼마 지나지 않아 <쥬라기 공원>이 컴퓨터 그래픽스(CGI) 열풍을 일으켰고, 이때 행렬 연산이 필요했습니다. 몇 년 후 빅데이터와 데이터 과학(Data Science)이 폭발했을 때도 행렬 연산이 필요했습니다. 이후 머신러닝과 딥러닝이 부상했을 때도, 현재의 AI 열풍 속에서도 행렬 연산은 여전히 필요하며, 심지어 미래의 양자 컴퓨팅(Quantum Computing)에서도 여전히 행렬 연산이 핵심입니다.
도구는 변해도 기초는 변하지 않는다: DeepSeek나 Claude와 같은 구체적인 도구나 모델은 몇 달 만에 시장을 주도하다가 대체될 수 있지만, Transformer의 구조적 원리와 저층부의 수학적 기초는 “상록수(Evergreen)”와 같습니다.
경복궁의 교훈: 교수는 한국 서울의 경복궁을 방문했던 이야기를 공유했습니다. 궁궐 전체가 15세기 말에 불타 없어졌지만, 가장 밑바닥의 거대한 석조 기단은 온전하게 남아 있었습니다. 19세기에 사람들은 바로 그 동일한 기단 위에 궁궐을 재건했습니다. 이는 기술과 같습니다. 당신의 수학과 저층부의 기초가 충분히 탄탄하다면, 그 위의 응용 프로그램과 도구가 모두 구식이 되어 사라지더라도(불타버리더라도), 당신은 언제든 지식의 대성당을 쉽게 다시 구축할 수 있습니다. 만약 표면적인 도구만을 쫓는다면, 당신은 끊임없이 새 집을 지어야 할 뿐 결코 자신만의 기초를 가질 수 없을 것입니다.

4. 진정으로 지식을 “소유한다”는 것은 무엇인가? [03:32] [08:20]

AI가 초 단위로 정답을 줄 수 있다고 해서 당신이 이해했다는 뜻은 아닙니다: 현재의 AI는 순식간에 어떤 완벽한 정답이라도 제공할 수 있으며, 당신은 학위나 자격증을 살 수도 있습니다. 하지만 이것이 당신이 지식을 "소유(Ownership)"했다는 것을 의미하지는 않습니다. 교수는 다음과 같이 생각합니다: 지식에 대한 당신의 소중함과 숙달 정도는, 그 지식을 얻기 위해 투입한 시간 및 고통에 비례합니다.
학습이 남기는 것은 "능력의 증명"입니다: 교수는 교육자로서 학생들이 1년 뒤면 Transformer의 수학 공식을 완전히 잊어버릴 수도 있다는 사실을 알고 있다고 솔직하게 말했습니다. 하지만 그는 상관하지 않습니다. 그가 중요하게 여기는 것은, 학생들이 언젠가 **AI라는 블랙박스(Black Box)를 열기 위해 도서관에 몇 시간 동안 앉아 있고, 어려운 문제를 해결하기 위해 고군분투하며 성공을 거두었던 바로 "그 경험"**입니다. 이러한 "어려운 도전에 맞서는 의지와 해결 능력"이야말로 사람과 사람을 구분 짓는 핵심입니다. 당신이 연습한 피아노, 당신이 찼던 축구공, 이러한 장기적인 훈련을 통해 길러진 고난도 기술 습득 능력은 당신의 핵심 정체성(Identity)을 구성하며, 이는 그 어떤 단일 AI 도구도 정의하거나 박탈할 수 없습니다.

5. AI 부정행위와 기업 채용에 대한 성찰 [09:32]

AI는 부정행위의 근원이 아니라 증상일 뿐입니다: 과거에 교수는 학생들이 Chegg와 같은 사이트에서 과제 답안을 베끼는 것을 막기 위해 다양한 함정을 설계하며 지략 대결을 펼쳤습니다. 이후 AI가 등장하며 Chegg의 시장을 잠식했지만, 교수는 부정행위 문제가 여전히 존재한다는 것을 발견했습니다. 그는 Chegg든 AI든 모두 "증상"일 뿐이며, 진짜 "원인"은 사회 이면의 인센티브 구조(Incentive Mechanism)와 평가 체계라는 것을 깨달았습니다. 왜 이 시스템은 학생들이 진정한 느린 학습(Slow Learning)에 시간을 쓰는 것을 장려하지 않고, 숫자 결과만을 얻기 위해 지름길로 가도록 몰아세우는가에 대한 문제입니다.
직장의 가장 기본적인 채용 기준으로 회귀해야 합니다: 교수는 AI 시대의 기업들이 채용 시 가장 본질적인 특성들로 돌아가야 한다고 제안합니다: **훌륭한 직업 윤리(Work Ethics), 우수한 문제 해결 능력(Problem Solver), 팀워크 및 커뮤니케이션 능력(Team Player)**입니다.
우수한 사람은 자동으로 AI를 수용합니다: 직원들에게 소위 "AI 네이티브(AI native)"가 되어야 한다고 강요할 필요가 전혀 없습니다. 진정으로 문제 해결 능력과 팀워크 정신을 갖춘 사람이라면, 업무를 완수하고 팀의 협업을 촉진하기 위해 스스로 자발적으로 AI 도구를 학습하고 사용할 것입니다. 반대로, 이기적이고 타인을 존중하지 않으며 문제 해결 의지가 없는 사람에게 AI는 아무런 도움이 되지 않습니다. "AI는 사람을 바꿀 수 없으며, 오직 당신만이 자신을 바꿀 수 있습니다. 하지만 (자신을 향상시킴으로써) 당신은 AI를 바꿀 수 있습니다." [12:05]

요약:
Tom Yeh 교수는 이번 인터뷰를 통해 핵심 중의 핵심인 관점을 전달합니다. 빠른 속도를 추구하고 AI가 즉각적으로 답을 생성하는 이 시대에, 의도적으로 자신을 느리게 만들고, 손을 사용하여 밑바닥의 수학과 논리를 유도하고 해체하는 것(Slow Learning)은 결코 시간 낭비가 아니며, 오히려 기술의 거품 속에서 가장 강력한 해자(Moat)를 구축하는 유일한 해법입니다.