연세대 공학대학원 인공지능전공 석사과정 학업계획서
분야
hwp연세대 공학대학원 인공지능전공 석사과정 학업계획서
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
3. 연구 관심 분야 (어떤 주제에 관심이 있는가)
4. 졸업 후 진로 및 포부
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
제가 인공지능전공 석사과정에 진학하고자 결심한 이유는 기술이 인간의 사고 체계를 대체하고 확장하는 수준으로 발전하는 현시대에서, 인공지능을 단순한 기술 도구가 아닌 ‘지능적 체계로서의 학문’으로 탐구해야 한다는 문제의식 때문입니다. AI는 이미 의료, 금융, 예술 등 다양한 영역에서 인간의 판단을 보조하거나 대신하고 있지만, 실제로 그 내면의 작동 원리와 판단 구조를 깊이 이해한 사람은 많지 않습니다. 저는 이 복잡한 구조를 이론적으로 분석하고, 인간과 인공지능이 상호 보완적으로 협력할 수 있는 방법을 학문적으로 연구하고자 합니다.
학부에서 컴퓨터공학을 전공하며 처음으로 머신러닝을 접했을 때, 단순한 수식의 반복이 아니라 ‘패턴의 학습과 추론’이라는 점에 매료되었습니다. 지도학습 모델을 설계하던 중 데이터의 품질보다 모델 구조가 결과에 더 큰 영향을 미친다는 사실을 깨닫고, 인공지능이 단순한 프로그래밍을 넘어 사고 체계의 재현임을 실감했습니다. 졸업 프로젝트로 자연어처리 기반 감정 분석 프로그램을 개발했는데, 데이터의 미세한 편향이 모델의 판단 결과를 크게 왜곡시키는 현상을 경험했습니다. 그때부터 저는 인공지능이 가진 기술적 가능성과 동시에 내재된 한계를 탐구하고 싶다는 열망을 가지게 되었습니다.
졸업 후 산업현장에서 AI 시스템을 설계하는 일을 맡으면서, 기술적 성취보다 중요한 것이 ‘해석 가능한 지능(Explainable AI)’이라는 사실을 깨달았습니다. 실제로 모델의 정확도가 높더라도, 그 결과의 원리를 설명하지 못하면 신뢰를 얻을 수 없었습니다. 예를 들어, 고객 행동 예측 모델에서 예측 성공률은 90%를 넘었지만, 그 판단의 근거를 설명하지 못하자 경영진의 의사결정에 활용되지 못했습니다. 그 경험을 통해 AI의 진정한 가치는 ‘정확성’이 아니라 ‘해석 가능성’과 ‘응용 윤리성’에 있다는 것을 인식했습니다.
또한 AI 기술이 사회적으로 확대될수록 인간의 사고방식과 의사결정 구조도 점차 변화하고 있음을 느꼈습니다. 인간의 선택이 알고리즘의 추천에 의존하게 되면서, 인간의 자율성과 인지적 다양성이 위축되는 사례를 목격했습니다. 저는 이 현상을 기술철학적 관점에서 접근할 필요성을 느꼈고, 공학과 인문학이 결합된 시각에서 AI를 연구해야 한다는 확신을 가지게 되었습니다.
연세대학교를 선택한 이유는 이 대학이 AI 연구를 공학적, 수학적, 인문사회적 관점에서 동시에 다루는 드문 학문 환경을 갖추고 있기 때문입니다. 특히 인공지능전공의 ‘딥러닝 이론과 응용’, ‘지능형 시스템 설계’, ‘AI윤리 및 신뢰성’ 과목은 제가 추구하는 연구 방향과 완벽히 부합합니다. 단순한 기술 구현이 아니라, 수학적 원리를 기반으로 인공지능의 판단 구조를 분석하고, 인간 중심의 응용 가능성을 탐색하는 과정이 제게 큰 의미로 다가왔습니다.
또한 연세대학교는 의료, 산업, 인문 분야를 아우르는 AI 융합연구의 선도적 기관입니다. ‘연세 AI센터’, ‘디지털헬스케어 연구소’, ‘데이터사이언스학과’와의 연계 연구가 활발히 이루어지고 있으며, 이는 제가 계획하는 다학제적 연구를 실현할 수 있는 최적의 환경이라고 생각합니다.
결국 제가 인공지능을 연구하려는 이유는 기술의 ‘지능적 본질’을 탐구하고, 그것이 인간 사회와 어떻게 상호작용하는지를 학문적으로 규명하기 위함입니다. 기술은 단순히 작동하는 시스템이 아니라, 인간의 사고를 반영하는 또 하나의 언어입니다. 저는 이 언어를 수학적, 알고리즘적, 철학적 차원에서 탐구하여 인공지능의 근본적 의미를 이해하고자 합니다. 연세대학교의 인공지능전공은 그 목표를 실현할 수 있는 가장 이상적인 공간입니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
석사과정 동안의 학업 목표는 인공지능의 수학적 기반과 학습 메커니즘을 심층적으로 이해하고, 해석 가능한 AI 모델을 설계하여 인간 중심의 의사결정 지원 시스템을 구축하는 것입니다. 이를 위해 저는 세 가지 방향으로 학업과 연구를 계획했습니다.
첫째, 이론적 이해의 확립입니다. 1학기에는 ‘딥러닝 이론과 응용’, ‘확률적 추론’, ‘고급 수학적 통계’, ‘AI 윤리 및 신뢰성’을 수강할 예정입니다. ‘딥러닝 이론과 응용’에서는 CNN, RNN, Transformer 등 구조적 차이에 따른 학습 효율을 수식적으로 분석하며, 데이터 분포와 파라미터 최적화의 관계를 깊이 연구하겠습니다. ‘확률적 추론’ 과목을 통해 불확실성 모델링의 원리를 이해하고, 베이지안 추론과 마르코프 체인을 활용하여 모델의 신뢰도를 수치화할 계획입니다. ‘AI 윤리 및 신뢰성’에서는 기술의 판단 과정에 내재된 편향 문제와 사회적 수용 가능성을 탐구하겠습니다.
둘째, 연구 방법의 정교화입니다. 2학기에는 ‘지능형 시스템 설계’, ‘강화학습 이론’, ‘데이터 해석 구조’, ‘AI 응용 프로젝트’를 중심으로 실제 모델 구현 능력을 심화시킬 계획입니다. 특히 강화학습의 보상 구조 설계에 집중하여, 인간의 가치 판단이 반영된 윤리적 의사결정 모델을 구현하고자 합니다. 예를 들어, 자율주행 상황에서의 선택 문제나 의료진 보조 시스템에서의 진단 권고 모델을 시뮬레이션하여, AI의 판단이 인간의 윤리적 기준과 어떻게 상호작용하는지를 검증하겠습니다.
셋째, 연구 주제의 실증화입니다. 제가 구상하는 석사 논문 주제는 “설명 가능한 딥러닝(Explainable Deep Learning)을 통한 인간 중심 의사결정 모델 개발”입니다. 블랙박스 형태의 신경망 구조는 높은 정확도를 보이지만, 내부 판단 과정을 해석하기 어렵습니다. 저는 이 문제를 해결하기 위해 Gradient-weighted Class Activation Mapping(Grad-CAM)과 SHAP(Shapley Additive Explanations) 기법을 활용해 모델의 판단 근거를 시각화할 계획입니다. 또한 인간의 의사결정 데이터를 병행 수집하여, 모델의 판단 구조와 인간의 인지적 판단 패턴을 비교 분석하겠습니다. 이를 통해 AI가 제시하는 결과가 인간의 판단 구조와 얼마나 일치하는지를 정량적으로 검증하고자 합니다.
연구 수행 과정에서는 Python, TensorFlow, PyTorch 등 주요 프레임워크를 사용하되, 단순 구현에 그치지 않고 각 알고리즘의 수학적 성질을 직접 증명하며 이해할 것입니다. 데이터셋은 의료영상, 금융거래, 사용자 행동 로그 등 다양한 도메인에서 확보해, AI의 일반화 성능을 평가하겠습니다. 또한 연세대학교 AI센터의 산학협력 프로젝트에 참여하여, 실무 현장에서 AI가 적용되는 방식과 그 한계를 경험적으로 분석할 계획입니다.