What to do

대학원 진학을 고민하며 새로운 카테고리를 만들었다.

나에게 맞는 일이 무엇일까?

사람이 살아가기 위해서 돈을 벌 일이 필요하다. 어떤 사람은 공무원을 하면서 사람을 돕는 서비스업이 적성에 맞지 않아 힘들어 하고, 어떤 사람은 게임 개발을 통해 상상을 구현하며 즐거워 한다.
무언가를 해보기 전에는 그 일이 정말로 잘 맞는지 모른다. 보이는 것과는 다른 무언가가 있기 때문이다. 쉬워 보이는 일임에도 반복적이어서 정신이 나갈 것 같은 일, 어려워 보임에도 주변 사람과 협업을 해서 쉽고 재미있는 일.
최소한 일로 30년은 먹고 살아야 하기에, 나는 어떤 일을 하고 살까 하는 고민이 든다. 대학원을 가는건 연구라는 일을 위한 초석을 다지는 것이라 생각한다.
그럼 대학원 가기 전에 연구가 나에게 맞는지 알아봐야 한다. 연구를 해보기 위해선 관심가는 분야를 정해야 한다. 살다보면 다른 분야를 연구하게 될수도 있지만, 크게 벗어나지는 않을 것이다.

그래서 내가 관심이 가는 몇가지 유망한 분야를 생각해 보았다.

1. 양자컴퓨팅 분야가 유망하다. 광물에게 계산을 더욱 빠르고 병렬적으로 시킬 수 있다. 내가 아는건 이정도가 전부다. 양자 알고리즘을 해야 그나마 전공을 살릴 수 있고… 물리로 들어간다면 처음부터 다시 공부해야 한다. 학부 수준의 지식조차 없다. 그래도 비교적 신생 분야라 연구할 수 있는 주제가 많을 것 같다.

1. 강화학습 (AI) 이것도 어느정도 유망하지만 수없이 나오는 인공지능 연구 속에 내 연구가 묻힐 가능성이 컸다. 그만큼 발전 속도가 빠르다. 하지만 대학교에서 CS492 특강도 듣고, 프로젝트도 해보면서 감은 잡았기에 공부하기에 큰 어려움은 없을 것이다. 다른 인공지능 수업들도 도움이 된다. 다만, 내가 어떤 기여를 할 수 있을지 모르겠다. 강화학습이 재미있는 이유는 사람이 아닌 기계가 사람처럼 시행착오로 스스로 배운다는건데. 사람이 직접 행동을 미리 짜주지 않아도 유의미한 (또는 효율적인) 행동을 스스로 배워서 해 낸다는 것이 매력적이다. 내가 좋아하는 게임에서 이런 방식을 쓴다면 적용 방법이 무궁무진할 것 같다. 더욱 효율적으로, 보상이 sparse한 상황에서도 잘 작동하도록 하는 방법을 연구하는게 지금 흥미가 있고, 핵심 주제인것 같다.
   
   

연구 이외의 다른 분야라면, 군 복무 중에 다양한 시도를 해보았다.

블로그로 글을 써보고, LDPC 코드 복구를 위한 단기 프로젝트를 위해 논문읽고 python으로 코딩해보고, Unity로 게임을 세 개 정도 만들어 봤다. 블로그 상황을 보면 글 쓰는걸로 먹고살기는 힘들것 같다. 방문자수의 다수가 외국인이다. 그것도 내가 만든 게임 페이지만 재방문한다. 그렇다고 게임을 잘 만든것도 아니다. 유니티를 처음 배우면서 급하게 만들다 보니 코드가 난잡하고, 확장성이 부족하다. 기존에 있던 게임을 나만의 해석을 추가하고 다른 기능을 추가해서 발전시키는게 재미있어서 해본거다. 한 사람이라도 플레이해주니 기분은 좋고 동기부여가 되었지만 그 뿐이었다.
그래도 꾸준히 버그를 잡아가며 구현을 해낸 끈기를 얻었다. 최적화를 위해 알고리즘을 다시 복습하고 백준을 100개정도 풀었다. 주로 브론즈~골드 문제들이지만.

LDPC 복구는 논문에서 구현에 대해 제공하는 정보가 너무 적어 직접 여러가지 테스트를 하며 알아내야 했다. 그러다보니 지치고, 나의 새로운 아이디어를 낼 수가 없었다. 논문에 제시된 성능을 구현하는데에도 애를 먹었다.
분야가 다르다 보니 LDPC 암호 복구 하는 공부를 하는데에도 한달이 넘게 걸렸다. 심지어 구현이 제공되지 않다 보니 논문에서 제시한 성능이 진실인지조차 의심이 갔다. 특히 LDPC 코드 벡터를 다 찾았다고 되어있는 논문은, 다 찾기만 했지 실제 코드벡터가 아닌 다른 벡터들도 많이 찾아졌다면 그게 무슨 의미인가 싶었다. 복구해야 할 정보가 10개인데, 100000개를 찾아놓구선 그 안에 원하는 정보가 있다 하는 꼴이다. 나머지는 거짓 정보라는 뜻이다…
다른 분야를 공부할때 기본부터 다시 공부하려는 내 특성상 시간만 오래 걸리고 내가 정작 창안한 아이디어는 없었던 연구였다.