Essay 1 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오.
[꿈을 가진 인재]
486 에서 도스와 5.25인치 플로피 디스크로 게임을 하면서 컴퓨터를 접했습니다. 처음에는 단순한 이용자였지만, 점점 소프트웨어와 반도체가 발전하면고 상상 이상의 시너지를 내는 것을 보았습니다. 그 흐름 속에서, 컴퓨터의 생명이 OS이듯, '나도 훌륭한 반도체를 가지고 사람들에게 도움을 주는 소프트웨어를 개발해 보고 싶다' 라는 생각을 가지게 되었습니다. 그래서 최고의 반도체 기술을 가지고 있는 삼성전자 안에서 소프트웨어를 개발한다면 그 꿈을 실현할 수 있는 인재가 될 수 있다는 믿음을 가지고 삼성전자의 소프트웨어 직군에 지원하게 되었습니다.
[도전하는 개발자]
삼성상회의 '별표 국수'를 시작으로 미래 산업 대한 혜안과 과감한 도전으로 삼성전자가 탄생했습니다. 저의 지원 동기를 실현하려는 궁극적인 목표아래, '미래를 보고 과감히 도전하는 개발자'가 되고 싶습니다. 반도체의 혁신을
이끈 삼성전자의 도전정신을 원동력으로 삼아 꾸준 소프트웨어 개발 역량을 길러 이 분야의 전문 인재로 성장하는 것이 첫번째 도전 목표입니다. 이 분야의 전문성을 인정받고, 나아가 미래를 보고 소프트웨어를 개발하는 개발자가 되겠습니다.
Essay 2 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품속 가상인물도 가능)
대학교 '오토마타 및 지능 컴퓨팅' 수업에서 '한글 필기체 인식기' 제작 프로젝트를 수행했었습니다. 저희 팀에는 문제가 두 가지 문제가 있었습니다. 팀원 모두가 API나 MFC 프로그래밍을 다루지 못했고, 한글 필기체 인식에 관한 자료를 거의 찾아볼 수 없었습니다.
팀원이 모여 시간을 할애 했지만 진척이 없었고, 형식적인 모임일 뿐이었습니다. 이러한 상황이 지속되자 팀원들이 자신감을 잃고, 프로젝트에 참여하려고 하지 않았습니다. 설상가상으로 시험기간이 다가왔고 거의 포기할 지경이었습니다. 다른 팀에서는 한 두 명씩 포강을 하기도 했습니다. 저는 이대로 안되겠다고 생각했습니다. 그래서 시간을 쪼개 API프로그래밍과 MFC프로그래밍을 공부했고 팀원들에게 함수의 기능과 의미들을 알려주었습니다. 그 결과 팀원들이 다시 관심을 갖고 코딩을 하기 시작했습니다.
알고리즘을 코딩할 때에도 어려움은 있었지만, 협업은 곧 분업이라는 생각과 팀원들이 앞서 얻은 자신감으로 결과를 내기 위해 끝까지 노력할 수 있었습니다. 많은 양의 데이터를 분석하여 알고리즘을 짜야했는데, 각자 공부해야될 것들이 많아 한 번에 다루기는 힘들었습니다. 하지만 데이터를 나누어 서로 맡은 부분에 대해 분석하고, 각자의 방법으로 알고리즘을 생각하여 공통적인 부분들을 취합하기로 했습니다. 저도 이 과정에서 OpenCV 라이브러리나 관련 논문을 찾아 보면서 인식률을 높이기 위한 알고리즘을 짜기 위해 노력했습니다. 이러한 노력 끝에 20%도 안되던 인식률을 50%정도 까지 올리며 과제를 마무리 지었고, 나름 성공적으로 프로젝트를 끝마칠 수 있었습니다.
저는 이를 통해 협업할 때 솔선수범의 중요성을 알게 되었습니다. 그 동안 팀으로 일을 할 때 항상 본인이 할 것만 충실하면 된다는 생각을 가지고 있었습니다. 하지만 이 경험을 통해 협업은 단순히 '일을 같이 하는 것'이 아니라는 점을 깨달았습니다. 장작을 모아놓고 불을 지피지 않으면 타오르지 않듯, 뛰어난 사람들이 모여 팀을 이루었지만 앞으로 나아가고 있지 못한다면 솔선수범하여 문제 해결에 적극적으로 나서야 진정한 협업이 이루어진다는 것을 배웠습니다.
Essay 3 최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다.
AI 분야에서 딥러닝으로 어떤 결과를 내고, 그것의 정확도에 대해 논하고는 합니다. 그러나 이것이 사회 전반에 적용될 때에는 정확도 99%를 긍정적으로만 보는 것은 위험하다고 생각합니다.
의사가 '당신은 암에 걸렸을 확률이 99% 입니다.'라는 말을 하면 환자는 대개 '99%'라는 수치를 듣고 암이라고 생각할 수 있습니다. 하지만 이러한 판단에는 오류가 있습니다. 이 환자는 의사의 오진율을 고려하지 않았고, 진단 기계 혹은 방법에 얼마나 오차가 있는지 생각하지 않았습니다.
최근 보안, 의학, 정치 등 모든 분야에 AI를 적용하려는 움직임이 있습니다. 미국 스탠퍼드대학교 연구팀에서는 얼굴 데이터를 이용해 동성애자인지 이성애자인지 판단하는 연구를 진행했습니다. 그 정확도가 인간보다 높다는 점을 연구 성과로 들기까지 합니다. 이것은 99%의 정확도를 가지면, 성 소수자에 대해 배타적인 나라들이 그들을 찾아내는 데에 AI 기술을 이용할 수 있는 가능성도 내포합니다. 하지만 99%라는 수치가 위의 암 진단을 예시로 들었듯이 절대적으로 신뢰할 수 있는 수치는 아닙니다. 계산과정에서 예상치 못한 내부적인 오류나 버그는 없었는지, 정말 인간의 심리를 수치화할 수 있는지에 대한 것들을 논외로 한 채, 100 중 99가 성공했다는 단순한 사실만을 보여주기 때문입니다.
그래서 AI의 적용에 대해 매우 조심스러워야 한다고 생각합니다. 의학적인 부분에서도 '암일 확률 99%'라는 진단이 삶의 질을 높인다고 장담할 수 없습니다. 알파고 이후 AI에 대한 신뢰가 높아지기는 했지만, 그것이 아직 윤리적인 문제를 해결할 단계도 아니며, 심지어 IT분야에서도 성공사례가 많지 않습니다. AI가 삶에 깊숙히 자리 잡아 질적인 발전을 이루어 낸다면 충분히 가치 있는 시도일 수는 있습니다. 하지만 나머지 1%가 정반대의 결과를 초래하거나, 99%에 대해 잘못된 해석을 하고, 윤리와 같은 문제에 오용되는 경우도 반드시 고려하면서 AI 기술을 발전시키고 이용해나가야 할 것입니다.