AI를 배우려는 사람들은 왜 같은 강의를 만났나

AI를 처음 배우려고 하면 가장 먼저 막히는 지점이 있어요. “대체 어디서부터 시작해야 하지?”라는 질문이에요. 뉴스에서는 AI가 세상을 바꾼다고 말하지만, 막상 책이나 강의를 찾아보면 수식, 알고리즘, 데이터 같은 말이 한꺼번에 밀려와요.

그때 많은 입문자가 같은 이름을 만나게 돼요. 바로 앤드루 응이에요. 스탠퍼드 HAI 프로필은 그를 DeepLearning.AI 창립자이자 스탠퍼드 겸임교수로 소개해요. 하지만 이 글에서 더 중요한 출발점은 그의 직함보다, 사람들이 AI를 배우기 위해 실제로 만난 “강의”예요.

머신러닝은 컴퓨터에게 모든 규칙을 하나하나 써 주는 대신, 데이터에서 패턴을 배우게 하는 AI의 한 분야예요. 예를 들어 사진 속 고양이를 찾는다고 해볼게요. 사람이 “귀는 이렇게 생겼고, 눈은 이렇게 생겼고”라고 규칙을 끝없이 적는 방식이 아니라, 많은 사진을 보여주며 컴퓨터가 특징을 익히게 하는 쪽에 가까워요.

문제는 이 설명만 들어도 쉬운 듯하면서 금방 어려워진다는 데 있어요. 데이터는 얼마나 필요한지, 모델은 무엇인지, 수식은 왜 나오는지 같은 질문이 이어지거든요. 그래서 입문자에게는 좋은 첫 강의가 중요해요. 어려운 주제를 한 번에 천재처럼 이해시키는 강의가 아니라, 어디를 밟고 다음으로 가야 하는지 알려주는 길 같은 강의요.

2011년 앤드루 응의 온라인 머신러닝 수업은 10만 명 이상이 등록한 대규모 공개 온라인 수업으로 기록돼요. 여기서 대규모 공개 온라인 수업, 흔히 MOOC라고 부르는 것은 많은 사람이 인터넷으로 함께 참여하는 수업을 뜻해요. 한 강의실에 앉을 수 있는 사람의 수를 넘어, 같은 설명과 과제를 온라인에서 반복해 만날 수 있는 방식이에요.

이 장면이 중요한 이유는 단순히 “사람이 많이 들었다”에 그치지 않아요. AI 입문이 더 이상 일부 대학 강의실 안에서만 시작되는 일이 아닐 수 있다는 신호였기 때문이에요. 같은 강의를 보고, 같은 순서로 배우고, 비슷한 질문에서 막히는 사람들이 온라인에 모일 수 있었어요.

그래서 앤드루 응의 이름은 먼저 유명한 AI 연구자의 이름으로만 기억되기보다, 어려운 기술을 많은 사람이 같은 경로로 배우게 한 수업의 이름으로 다가와요. “앤드루 응은 누구인가?”라는 질문은 여기서 조금 바뀌어요. “왜 그의 강의 방식이 AI 입문의 길목이 되었을까?”라는 질문이 시작되는 거예요.

영상 강의가 아니라 학습 경로를 설계했다

온라인 강의는 쉽게 “영상만 올려 둔 수업”으로 보이기 쉬워요. 좋은 설명을 들을 수는 있지만, 혼자 듣다가 멈추면 그대로 끝나 버리는 경우도 많지요. AI처럼 낯선 개념이 많은 분야에서는 특히 그래요. 이해했다고 느꼈는데 막상 문제를 풀면 손이 멈추는 일이 자주 생기니까요.

앤드루 응의 온라인 교육을 볼 때 중요한 지점은 바로 여기예요. 핵심은 강의를 더 많은 사람이 보게 한 것만이 아니라, 배운 내용을 다시 확인하고 연습할 수 있는 길을 함께 만든 데 있어요. 쉽게 말해 칠판 앞 강의를 인터넷으로 옮긴 것이 아니라, 혼자 걷는 학습자에게 표지판과 연습장을 같이 준 셈이에요.

2011년 스탠퍼드 공개 온라인 강좌들은 강의 영상, 자동 채점 과제, 토론 포럼을 결합한 대규모 온라인 수업 모델을 보여줬어요. 자동 채점 과제는 학습자가 답을 제출하면 시스템이 바로 확인해 주는 과제예요. 마치 문제집 뒤의 정답지가 바로 열리는데, 단순히 정답만 보는 것이 아니라 다시 시도할 기회까지 남아 있는 구조에 가까워요.

토론 포럼도 중요한 장치였어요. 토론 포럼은 수강자들이 질문과 답을 주고받는 온라인 공간이에요. 혼자 막힌 사람이 질문을 올리면, 비슷한 지점에서 막힌 다른 사람도 그 답을 보고 넘어갈 수 있어요. 교실 한쪽에서 나온 질문이 수많은 사람에게 동시에 도움이 되는 셈이에요.

그래서 초기 플랫폼의 의미는 영상 공개보다 넓어요. 영상, 퀴즈, 자동 채점 과제, 토론 포럼 같은 반복 학습 장치를 함께 설계했기 때문이에요. 배우는 사람은 설명을 듣고, 문제를 풀고, 틀린 부분을 확인하고, 다시 질문할 수 있었어요. 이 순환이 있어야 어려운 기술 지식이 “들은 내용”에서 “다뤄 본 내용”으로 바뀌어요.

이 흐름은 2012년 앤드루 응과 대프니 콜러가 공동창립한 온라인 학습 플랫폼 Coursera로 이어져요. Coursera는 대학과 기관의 온라인 강좌를 제공하는 학습 플랫폼이에요. 여기서 플랫폼이라는 말은 단순한 동영상 창고가 아니라, 강의와 과제와 학습자 사이의 상호작용을 묶어 주는 틀에 가까워요.

이렇게 보면 질문이 조금 달라져요. “어떻게 그렇게 많은 사람이 강의를 봤을까?”보다 “어떻게 혼자서도 배움을 이어 갈 수 있게 했을까?”가 더 중요한 질문이 돼요. 앤드루 응의 온라인 교육은 콘텐츠 확산만이 아니라, AI를 배우는 경험 자체를 반복 가능한 경로로 만든 일로 읽을 수 있어요.

딥러닝을 더 넓은 입문 경로로 만든 방식

머신러닝을 한 번 배웠다고 해서 바로 딥러닝이 편해지는 것은 아니에요. 딥러닝은 여러 층의 신경망을 이용해 데이터 속 복잡한 패턴을 배우는 머신러닝 방법인데, 입문자에게는 “이제부터 진짜 어려운 단계가 시작되는구나”처럼 느껴질 수 있어요.

앤드루 응의 연구자 이력은 여기서 배경으로 의미가 있어요. 그는 Google Brain의 창립 리드로 소개되며, 이 경험은 그의 딥러닝 교육 활동을 이해하는 보조 맥락이 돼요. 다만 중요한 점은 그가 어떤 연구 조직과 연결됐다는 사실 자체보다, 그 경험을 학습 가능한 강의 구조로 옮겼다는 데 있어요.

기업 연구 경력도 비슷하게 볼 수 있어요. 2014년 Baidu는 앤드루 응을 Chief Scientist로 임명하고 Baidu Research를 이끌게 했다고 발표했어요. 보도에 따르면 그는 2017년 3월 Baidu Chief Scientist 자리에서 물러난다고 밝혔고, 같은 해에는 교육 쪽 행보가 더 또렷해졌어요.

DeepLearning.AI는 2017년 앤드루 응이 설립한 AI 교육 기술 회사로 소개돼요. 그리고 2017년 그는 deeplearning.ai를 통해 Coursera에서 딥러닝 강좌 시퀀스를 시작한다고 발표했어요. 여기서 핵심은 “딥러닝을 설명했다”가 아니라 “딥러닝을 따라 배울 수 있는 순서로 묶었다”에 가까워요.

당시 Deep Learning Specialization은 기본 머신러닝 지식을 전제로 한 5개 과정 시퀀스로 소개됐어요. Specialization은 관련 강좌 여러 개를 하나의 학습 과정으로 묶은 형태라고 보면 돼요. 한 권짜리 안내문이 아니라, 계단처럼 다음 발을 어디에 놓을지 알려 주는 구조에 가까워요.

이 차이는 작아 보여도 입문자에게는 커요. 혼자 공부할 때 가장 어려운 순간은 “무엇을 모르는지 모르는 상태”예요. 강좌가 순서로 묶이면 학습자는 매번 새로 길을 찾는 대신, 앞에서 배운 것을 다음 단계에 연결해 볼 수 있어요.

TIME은 2023년 프로필에서 앤드루 응의 활동을 Coursera와 DeepLearning.AI를 통한 AI 교육 확산과 연결해 설명했어요. 같은 프로필에서 그는 약 800만 명이 자신의 AI 수업을 들었다고 말했지만, 이 수치는 2023년 당시 본인 발언으로 이해하는 편이 안전해요. 숫자보다 더 오래 남는 것은, AI 지식을 강의와 플랫폼과 과정 순서로 반복 전달할 수 있게 만든 방식이에요.

그래서 앤드루 응을 기억할 때 “딥러닝을 혼자 대중화한 사람”이라고 말하면 너무 세게 말하는 셈이에요. 더 정확하게는, AI와 딥러닝을 더 많은 사람이 배울 수 있도록 설명과 플랫폼과 학습 순서를 연결한 인물로 보는 편이 좋아요. 그의 중요성은 특정 기술 성과 하나보다, 어려운 지식을 다시 배울 수 있는 길로 바꿔 놓은 데서 또렷해져요.

결국 앤드루 응의 이름이 AI 입문에서 자주 보이는 이유는, 그가 어려운 지식을 “한 번 듣고 끝나는 강의”가 아니라 “따라가며 다시 배울 수 있는 길”로 만들었기 때문이에요. 2011년 대규모 온라인 머신러닝 수업, 퀴즈와 자동 채점 과제와 토론 포럼, 그리고 Coursera와 DeepLearning.AI로 이어진 흐름은 AI와 딥러닝 학습의 문턱을 낮추는 데 기여했어요.

그래서 앤드루 응을 “AI를 혼자 대중화한 사람”으로 기억하기보다는, 더 많은 사람이 AI와 딥러닝에 들어설 수 있도록 강의와 플랫폼과 과정 순서를 연결한 인물로 보는 편이 정확해요. 기술 대중화는 좋은 설명만의 문제가 아니라, 사람들이 반복해서 배울 수 있는 구조를 만드는 일이기도 하니까요.