쏟아지는 정보의 문제
arXiv에는 하루에도 머신러닝 논문이 수백 편씩 올라와. X에서는 숨 돌릴 틈도 없이 스레드가 쏟아져. Hugging Face에는 매주 새 모델 수십 개가 등록되고. 이걸 전부 읽으려 들면 어느 것도 제대로 읽지 못하고, 결국 아무것도 배포하지 못해.
지속 가능한 필터
- 믿을 만한 큐레이터 2-3명: Sebastian Raschka, Andrej Karpathy, ML Collective, Yannic Kilcher, Hugging Face 블로그를 참고해. 이들이 고른 것만 따라가도 쏟아지는 정보의 90%를 걸러낼 수 있어.
- 분야별 뉴스레터 1-2개: Ahead of AI, Import AI, The Batch처럼 15분이면 읽을 수 있는 주간 요약을 골라.
- 주당 논문 한 편 깊이 읽기: 지금 적극적으로 풀고 있는 문제와 관련된 논문을 골라. 실험 하나를 직접 재현해. 넓게 훑는 것보다 깊이 파는 게 더 강해.
- 읽는 데서 끝내지 말고 직접 만들기: 논문에서 배운 개념은 전부 작은 예제 문제로 구현해 봐. 직접 손을 움직인 시간이 지식을 몸에 붙여줘.
팁: 머신러닝에서 복리처럼 쌓이는 역량은 논문을 더 많이 읽는 게 아니야. 논문을 읽고 단 하루 오후 만에 작동하는 코드로 옮기는 습관이야. 이 반복을 연습하면 읽기만 하는 사람들보다 훨씬 빨리 앞서갈 수 있어.
무시해도 되는 것
코드나 가중치를 공개하지 않는 아키텍처 논문. 이전 SOTA를 벤치마크에서 0.1% 앞섰다는 결과. 앞으로 18개월 안에 AGI가 온다고 주장하는 모든 이야기. 'This changes everything'이라고 외치는 X 스레드. 이런 것들은 신호보다 잡음이 훨씬 많아.
더 길게 보기
딥러닝의 기초 원리인 경사 하강법, 역전파, 어텐션, 정규화는 몇 년 동안 거의 변하지 않았어. 반면 화제는 매주 바뀌어. 읽는 데 쓸 시간은 기초 원리에 투자하고, 화제는 본인 작업에 실제로 영향을 주는 드문 알짜 정보를 찾을 때만 빠르게 훑어.
원칙: 호기심은 연료고, FOMO는 독이야. 큐레이터를 고르고, 프로젝트를 만들고, 나머지는 무시해. 이 분야가 보상하는 건 깊이와 실제 배포, 피드를 끝없이 넘기는 행동이 아니야.