좋은 연구자가 되는 하나의 방법 : 대가들의 철학 배우기 -> 나만의 철학 만들기

 요즘 AI 분야의 큰 흐름을 보면, 많은 연구자들이 궁극적으로 풀고 싶어 하는 문제는 **AGI(Artificial General Intelligence)**다.

최근 대형 언어 모델(LLM)의 등장으로 AI는 놀라운 수준의 능력을 보여주고 있지만, 여전히 한 가지 근본적인 한계가 있다. 바로 물리적 세계와의 상호작용이다.

 LLM은 텍스트 기반 지식과 추론에서는 강력하지만, 현실 세계에서 직접 보고 판단하며 행동하는 능력은 아직 제한적이다. 그래서 최근에는 Physical AI, 즉 현실 세계에서 지각하고 이해하고 행동할 수 있는 AI가 AGI로 가는 핵심 방향으로 주목받고 있다. 이러한 흐름 속에서, 로봇을 위한 Vision-Language-Action(VLA) 모델 연구도 빠르게 발전하고 있다.

 Physical AI를 구현하는 데 있어 가장 핵심적인 과제 중 하나는 generalization이다. 로봇이 실제 환경에서 유용하게 작동하려면, 특정 데이터셋이나 특정 환경에 과적합된 모델이 아니라, 다양하고 예측하기 어려운 상황에서도 안정적으로 기능하는 모델이 필요하다. 그렇다면 VLA 모델을 어떤 **목적(objective)**으로 학습시켜야 할까? 어떤 architecture와 loss function이 이러한 generalization을 가능하게 할까?

 

 이 질문에 답하는 가장 자연스러운 출발점은 인지과학과 뇌과학이다. 인간의 지각·행동 시스템이 어떻게 작동하는지를 이해하면, 로봇 지능을 설계하는 데 있어 구체적인 방향을 잡을 수 있다. 많은 대가들도 이런 방식으로 자신만의 연구 철학을 쌓아왔다.

그렇다면 나만의 철학, 즉 나만의 VLA objective는 어떻게 만들어나가야 할까?

 물론 인지과학 서적과 논문들을 직접 읽고, 실험해보며 스스로 철학을 쌓아갈 수도 있다. 하지만 더 효율적인 방법이 있다. 바로 뛰어난 연구자들의 철학을 먼저 배우는 것이다. 많은 대가들은 단순히 모델을 구현하는 것을 넘어, "좋은 representation이란 무엇인가", "지능은 어떤 구조를 가져야 하는가" 와 같은 질문에 대해 자신만의 답을 가지고 연구를 이어간다.

 대가들은 괜히 대가가 아니다. 그들의 철학은 이미 VLA 문제에 잘 들어맞는다는 것이 수많은 연구를 통해 증명되어 있다. 그렇기에 그 철학을 출발점으로 삼는 것은 굉장히 합리적인 전략이다.

 

나만의 철학을 만들어가는 흐름은 이렇다.

1. 다양한 대가들의 철학을 폭넓게 배우고
2. 그중에서 진심으로 공감되는 아이디어를 추려내
3. 자신만의 연구 철학으로 정립하고
4. 이를 실제 모델과 실험으로 구현해낸다

이 과정을 통해 자신의 철학을 바탕으로 문제를 정의하고, engineering detail을 통해 그것을 구현해 나간다면, 자연스럽게 의미 있는 연구 결과와 새로운 방향이 만들어질 것이다.

 

 

그렇다면 이런 대가들의 철학은 어디에서 배울 수 있을까?

1. Research Statement 

https://csrankings.org/#/index?ai&vision&mlmining&nlp&inforet&us

CSRankings: Computer Science Rankings

CSRankings에 가면 AI, Vision, NLP 등 분야별로 상위 대학들의 순위와 함께 소속 교수들의 목록을 볼 수 있다. 교수 이름을 클릭하면 개인 웹사이트로 바로 연결되는데, 많은 교수들이 자신의 웹사이트에 Research Statement를 공개해두고 있다. Research Statement란 단순한 논문 목록이 아니다. "나는 왜 이 문제를 연구하는가", "좋은 AI란 무엇인가", "어떤 방향으로 연구를 이어가고 싶은가"에 대한 연구자 자신의 언어로 쓴 철학적 선언에 가깝다. 잘 쓴 Research Statement 하나를 읽는 것만으로도, 수십 편의 논문을 읽는 것 이상의 맥락을 얻을 수 있다. 

 

EX)

https://homes.cs.washington.edu/~ranjay/personal/research_statement.pdf

https://www.seas.upenn.edu/~dineshj/media/research-statement-aug-2025.pdf

 

2. Youtube 강연

CS Ranking을 이용해서 찾은 교수 이름을 유튜브에 검색해보면, invited talk이나 컨퍼런스 강연 영상들을 찾을 수 있다. 논문은 결과물에 집중하지만, 강연에서는 그 결과물에 이르기까지의 사고 과정과 직관, 그리고 연구자가 진짜 중요하게 생각하는 것들이 훨씬 솔직하게 드러난다. 특히 invited talk은 자신의 연구 여정 전체를 조망하는 형식인 경우가 많아, 철학을 파악하기에 가장 좋은 자료 중 하나다.

 

EX)

https://www.google.com/search?q=bob+mcgrew+interview&oq=bob+mcgrew+interview&gs_lcrp=EgZjaHJvbWUyCggAEEUYFhgeGDkyCggBEAAYgAQYogQyCggCEAAYgAQYogQyCggDEAAYgAQYogQyCggEEAAYgAQYogQyBwgFEAAY7wXSAQg0MDU4ajBqN6gCALACAA&sourceid=chrome&ie=UTF-8#fpstate=ive&vld=cid:27bd8092,vid:Zyw-YA0k3xo,st:0

🔎 bob mcgrew interview: Google 검색

https://www.youtube.com/watch?v=0CfMCOzmJZI

https://www.youtube.com/watch?v=Z7QPR3UYIjo

https://www.youtube.com/watch?v=g3-uFiCQ_KI

https://www.youtube.com/watch?v=qBPIjIEUZPo

https://www.youtube.com/watch?v=AF3XJT9YKpM

 

 

앞으로 이러한 자료들을 주기적으로 읽고, 보고 정리할 생각이다.