AI시대 컴퓨터공학 교육 방향

서울대 이재욱 교수 | 샤로잡다 시즌2
영상: https://youtube.com/watch?v=i0NcKL1JLfg

📌 Context

ChatGPT, GitHub Copilot 등 AI 코딩 도구의 급속한 발전으로 코드 작성 자체는 점점 AI가 대신 수행하는 시대가 되고 있다. 과제도, 프로젝트도 AI를 통해 초안을 만들 수 있는 환경에서, 컴퓨터공학을 배우는 학생과 현업 개발자들은 자연스럽게 이런 의문을 갖게 된다.

"AI가 코딩을 다 해주는데, 컴공에서는 이제 무엇을 배워야 할까?"

서울대학교 컴퓨터공학부 이재욱 교수는 시스템 소프트웨어, 하드웨어 아키텍처, LLM 경량화, 온디바이스 AI 등을 연구하며 AI 시대의 컴퓨팅 본질에 대해 탐구하고 있다. 이 강연은 그 연구 경험을 바탕으로 교육 방향의 재정립을 논의한다.

⚙️ Core

AI 시대에도 변하지 않는 컴공의 핵심

1. 문제 정의 능력 (Problem Formulation)

AI는 주어진 문제를 잘 풀지만, '무엇이 문제인가'를 정의하는 것은 여전히 인간의 몫이다.

[ AI의 역할 ]          [ 인간의 역할 ]
코드 생성           →  무엇을 만들지 결정
패턴 인식           →  어떤 패턴이 의미있는지 판단
구현 (Implementation)  →  설계 (Design) + 검증 (Verification)

2. 시스템 이해 (System Thinking)

AI가 생성한 코드를 검증하고 최적화하려면 시스템 레벨의 이해가 필수다.

# AI가 생성한 코드를 평가하려면 알아야 하는 것들
- 시간 복잡도 / 공간 복잡도
- 메모리 계층 구조 (Cache, RAM, Disk)
- 병렬 처리 모델 (Thread, Process, GPU)
- OS 스케줄링 원리
- 네트워크 통신 레이턴시

3. 질문하는 능력 (Prompt Engineering의 본질)

AI에게 좋은 질문을 하려면, 그 도메인의 기초가 탄탄해야 한다.

# 나쁜 프롬프트 (기초 없는 질문)
"정렬 코드 짜줘"

# 좋은 프롬프트 (기초 있는 질문)
"100만 건의 정수 데이터를 메모리 4GB 제약 환경에서
외부 정렬(External Sort) 없이 처리하는 방법을 구현해줘.
Cache-friendly한 접근 방식으로."

교육에서 달라져야 할 것

여전히 중요한 CS 기초 커리큘럼

1. 알고리즘 & 자료구조   → AI 코드의 효율성 판단 기준
2. 운영체제              → 시스템 자원 관리 이해
3. 컴퓨터 구조          → LLM 추론 최적화 이해 기반
4. 네트워크             → 분산 AI 시스템 이해
5. 수학 (선형대수, 확률) → AI 모델 이해의 언어

💡 Insight

• AI는 구현을 민주화했지만, 이해는 여전히 차별화 요소다. AI가 코드를 생성할 수 있어도, 왜 그 코드가 옳은지, 어디서 실패하는지를 아는 사람이 진짜 엔지니어다.

• '기초'의 의미가 바뀌었다. 이전에는 문법과 라이브러리 암기가 기초였다면, 이제는 CS 원리와 시스템 사고가 진짜 기초다. AI가 문법은 대신해주지만, 원리는 대신해줄 수 없다.

• 교육 관점에서 우려되는 점: AI 도구 의존성이 높아지면 기초 체력 없이 도구만 쓰는 개발자가 양산될 수 있다. 이재욱 교수가 강조하듯, '더 많이 보고, 읽고, 경험해서 나만의 기초를 탄탄히 쌓는' 것이 AI 시대에도 핵심이다.

• 개인적 견해: 컴공 교육은 코드를 짜는 법을 가르치는 것에서, 시스템을 이해하고 AI를 도구로 활용하여 복잡한 문제를 해결하는 엔지니어를 키우는 방향으로 전환되어야 한다. 도구는 바뀌어도 문제를 보는 눈과 시스템 사고는 변하지 않는다.