2025 한국데이터마이닝학회 하계학술대회에 참여하여, 여러 교수님들의 고견을 얻으며 석사과정에서 지녀야 할 자세를 배울 수 있는 시간이었습니다. 아쉽게도, 학부 졸업식 일정으로 1일차에 참여하지 못하여 포스터 세션을 듣지 못했습니다. 그럼에도 실제로 참여한 2일차 구두세션을 통해 Causal Reasoning방향으로의 generative AI, 국내 AI 교육의 방향 등으로 여러 생각을 해보게 되었습니다.

 

Generative AI for Causal Reasoning: Foundation and Algorithms

(고려대학교 임성빈 교수님)

임성빈 교수님의 구두세션에서는 Generative AI for Causal Reasoning: Foundation and Algorithms이라는 주제로 진행되었습니다. 처음으로는 머신러닝과 machine reasoning(two-track approach)의 본질적 차이에 대해 집중적으로 다루었습니다. 머신러닝이 미리 정의된 문제와 데이터에 맞춰 해답을 찾는 반면, machine reasoning은 정형화되지 않은 새로운 문제를 해결하는 사고방식을 강조한다는 점이 인상적이었습니다. 또한, LLM 기반의 데이터 분석이 실질적 비즈니스 의사결정, 예측 문제 등에 다양하게 활용될 수 있음을 보여주셨습니다. Graph discovery 관련 내용도 등장하였는데, 에너지 모델이나 Functional Modeling 방식은 변수들 사이의 함수를 통한 관계 파악이 가능하며, 함수 정보와 미분 정보까지 반영할 수 있는 neural operator가 이론적으로 우수하다는 점이 강조되었습니다. 특히, 최근 LLM 활용 인과 관계 탐지 연구의 한계와 문제점도 다루셨습니다. LLM이 생성하는 인과적 구조를 맹신할 수 없고, 함수적이고 복잡한 실제 데이터 구조까지 고려해야 한다 하셨습니다. 이번 세션을 통해 데이터 기반 의사결정과 AI 협업의 중요성을 다시 한 번 느낄 수 있던 세션이었습니다.

 

AI시대 대학의 역할

(서울대학교 조성준 교수님)

조성준 교수님께서 연사로 나오셔 AI시대로 접어들며 대학에서는 어떤 교육을 진행하며, 학생은 어떤 능력을 배양해야하는지에 관하여 세션을 진행하셨습니다. 특히나 LLM은 논문 작성, 의료 진단, 법률, 비즈니스 전략 등 다양한 전문 분야로 확장되고 있고, 이로 인해 일부 직업군이 변화하거나 도전받고 있습니다. 이러한 변화 속에서 대학은 기존 학과·과목 중심 교육에서 벗어나 문제 중심, 융합적 교육 구조로 전환해야 한다는 논의가 활발하다는 점은 언급하셨습니다. AI와 산업 변화로 졸업생 취업 환경이 달라지고, 대학도 사회·산업 변화에 민첩하게 대응해야 하는 상황입니다. AI의 활용 사례는 연구실을 넘어 수업 분석, 메시지 작성, 번역 등 실무 곳곳에서 확인되며, AI 방향으로의 학교 교육의 본질적 변화도 요구되고 있습니다. 앞으로는 지식, 기술, 인성, 메타학습 등 네 가지 영역의 균형과, AI가 대체하지 못하는 창의력, 비판적 사고력, 소통, 협력, 윤리 의식, 회복 탄력성, 호기심 등의 능력이 더욱 중요해질 것입니다. 그러나 한국 교육 시스템은 여전히 창의력, 비판적 사고, 실패에 대한 회복탄력성을 충분히 키워주지 못하는 한계가 있습니다. 입시를 중심으로 운영되는 시스템은 창의적인 학생보다 단기적인 학습 소화 능력이 뛰어난 학생을 배양하고 있습니다. 이에 대학은 학생들에게 다양한 분야의 교류와 문제 해결 능력 함양 환경을 조성하고, 교수자는 단순한 지식 전달자가 아닌 개별 성장의 촉진자로 변화해야 한다는 점을 강조하셨습니다. 조성준 교수님께서는 데이터마이닝을 한국에 가져오신 선구자로서 AI 시대에 맞는 교육 혁신을 여러 번 강조하셨고, 저 또한 능동적인 지식 습득과 연구 방향으로의 시야와 창의력을 넓혀야 한다는 교훈을 얻게 된 좋은 경험이었습니다.