본문으로 건너뛰기
피드

서울대, 2027학년도 AI 대학원 신설 준비…흩어진 AI 교육을 한곳으로 모은다

ai-ml 약 6분

서울대가 2027학년도 신입생 선발을 목표로 AI 대학원 개원을 준비 중이다. 기존 협동과정 인공지능, 지능정보융합학과, 데이터사이언스학과를 통합해 AI 원천기술과 응용 연구 역량을 집중하려는 흐름이다. 학부에서는 김재철 AI 클래스 같은 소수정예 트랙도 새로 열리지만, GPU·NPU 인프라와 구성원 소통이 핵심 과제로 남아 있다.

  • 1

    서울대가 2027학년도 신입생 선발을 목표로 AI 대학원 설립을 추진 중

  • 2

    기존 AI 교육은 학부 연합전공과 대학원 협동과정 중심으로 흩어져 있었음

  • 3

    방향은 기존의 X+AI 응용 중심에서 AI+X 원천기술 강화 쪽으로 이동

  • 4

    김재철 AI 클래스는 30명 내외 학부 특별 트랙으로 LLM, 멀티모달, AI 칩 과목을 포함

  • 5

    GPU·NPU 같은 대규모 연구 인프라와 기존 구성원 소통이 주요 과제로 제기됨

  • 서울대가 2027학년도 신입생 선발을 목표로 AI 대학원 개원을 준비 중임

    • 지난달에는 교육·연구·행정·거버넌스 4개 영역을 AI 중심으로 바꾸겠다는 AI Native Campus 비전도 발표함
    • 개교 80주년 핵심 목표로 AI 대학원이 제시됐고, 현재 학내 설립 심의는 마친 상태라고 함
  • 지금 학부 AI 교육은 대부분 연합전공 중심으로 짜여 있음

    • 학부 AI 관련 단위는 4개고, 이 중 3개가 연합전공임
    • 연합전공 인공지능은 AI 이론과 알고리즘 같은 원천기술에 가깝고, 인공지능반도체공학·지능형통신은 시스템반도체와 통신네트워크 쪽 응용 성격이 강함
    • 2024년에 출범한 첨단융합학부 차세대지능형반도체전공은 AI 구현에 필요한 지능형 반도체 개발을 다룸
  • 대학원 쪽은 더 응용 중심으로 흩어져 있었음

    • 일반대학원 협동과정 인공지능전공이 사실상 AI 원천기술을 다루는 유일한 과정으로 언급됨
    • 지능정보융합학과는 AI 기반 플랫폼과 사용자 경험(UX), 데이터사이언스학과는 AI를 활용한 대용량 데이터 분석을 연구함
    • 정보보호과정도 AI 주변 혁신 기술을 다루지만, 이번 AI 대학원 통합 대상에서는 제외됨
  • 서울대가 말하는 변화의 핵심은 X+AI에서 AI+X로 가겠다는 것임

    • 기존에는 각 학문 분야가 AI를 도구로 활용하는 X+AI 성격이 강했음
    • 앞으로는 AI 원천기술을 깊게 연구한 뒤 헬스케어 같은 다른 분야로 확장하는 AI+X를 강화하겠다는 설명임
    • 말만 보면 꽤 그럴듯한데, 실제 차이는 결국 연구 인프라와 커리큘럼이 얼마나 받쳐주느냐에서 갈릴 듯함
  • 학부에서는 김재철 AI 클래스라는 소수정예 특별 트랙도 새로 들어감

    • 30명 내외로 운영되고, 올해 2학기 진입을 앞두고 있음
    • 기존 연합전공 인공지능에 멀티모달 머신러닝, 대형언어모델 응용 개론, 대형언어모델 훈련의 이론과 실습, AI 칩 입문 4개 심화 과목을 더한 형태임
    • 학부 때부터 논문 연구를 지원하고, 해외 대학 교환학생 프로그램과 실리콘밸리 ICT 기업 인턴십도 제공할 예정이라고 함
  • 이 트랙은 소속 제한을 두지 않는다는 점도 포인트임

    • 기존 연합전공 인공지능은 컴퓨터공학부, 전기정보공학부, 첨단융합학부 융합데이터전공 주전공생으로 지원 자격이 제한됐음
    • 김재철 AI 클래스는 소속 제한 없이 소수 인원을 뽑아 맞춤형 교육을 제공하는 쪽이라 접근성이 더 넓어짐
    • 이수자는 연합전공 인공지능과 동일하게 학적이 반영되고, 별도 인증서도 받게 됨
  • AI 대학원은 흩어진 AI 단위를 통합하는 형태로 추진됨

    • 협동과정 인공지능, 지능정보융합학과, 데이터사이언스학과 3개가 AI 대학원으로 통합 운영될 예정임
    • 학교 측 설명은 산재한 AI 교육 역량을 결집하고, 여러 전공의 X+AI 연구를 더 잘 지원하겠다는 쪽임
    • 결국 AI 대학원이 원천기술 허브이면서 응용 연구 지원 플랫폼 역할까지 해야 하는 구조라 난이도가 낮지 않음

중요

> 제일 중요한 변수는 이름이 아니라 인프라임. AI 연구는 GPU·NPU 같은 대규모 자원이 없으면 커리큘럼만 좋아도 체감 품질이 바로 떨어짐.

  • 학생들은 기대와 함께 꽤 현실적인 우려도 내놓고 있음

    • AI 연구에는 GPU·NPU 같은 대규모 자원이 필요하니 충분한 인프라 확보가 먼저라는 지적이 나옴
    • “명색만 AI인 곳”이 아니라 연구 인프라와 지원 체계를 갖춘 기관이 돼야 한다는 의견도 있음
    • 여러 단위가 통합되는 만큼 자원 배분, 기존 소속 학생의 불이익, 교수진 의견 수렴도 민감한 이슈임
  • 학교 측은 특정 단위가 자원을 독점하는 게 아니라 AI 역량을 모아 공유하는 구조라고 설명함

    • AI 대학원을 통해 각 전공이 AI 인프라와 교육 자원을 더 쉽게 활용하게 하겠다는 입장임
    • 기존 단위 학생들의 소속 우려도 수렴해 불이익이 없도록 하겠다고 밝힘
    • 관건은 이 약속이 제도와 예산, 실제 수업 운영으로 얼마나 내려오느냐임

대학 AI 조직 개편은 단순한 학과 신설 뉴스가 아니라, 앞으로 한국 AI 인재가 어떤 커리큘럼과 인프라에서 길러질지와 연결돼 있음. 특히 원천기술 중심으로 무게추를 옮기겠다는 점은 개발자 커뮤니티에서도 꽤 볼 만한 변화다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.