Map of Computer Science

==🧠 두뇌 확장을 위한 컴퓨터 과학==

1. 💻 컴퓨터의 진화와 능력

1. 계산 도구에서 다재다능한 도구로

• 과학자들은 계산 용도로 컴퓨터를 만들었지만, 예상 외로 다양한 분야에서 활용됨.
• 인터넷, 실감형 그래픽, 인공 지능, 우주 시뮬레이션 등.
• 모든 동작은 0과 1을 뒤집는 것으로 이루어짐.

2. 놀라운 발전 속도

• 휴대폰은 ==1960년대 전 세계 컴퓨팅 파워 합친 것보다 성능이 뛰어남.==
• 아폴로 달 탐사에는 닌텐도 게임기 몇 대 수준의 컴퓨팅 성능만 필요.

3. 컴퓨터 과학의 정의

• 컴퓨터가 무엇을 할 수 있는지 연구하는 분야.
• 다양한 분야가 겹쳐 있지만, 크게 3가지로 분류 가능.
  • 컴퓨터 과학 기본 이론
  • 컴퓨터 엔지니어링
  • 응용 프로그램

2. 👨‍🏫 컴퓨터 과학 기본 이론

1. 앨런 튜링과 튜링 기계

• ==앨런 튜링==은 범용 컴퓨터 동작 원리를 묘사하는 ==튜링 기계 개념을 정립.==
• 튜링 기계는 컴퓨터 과학의 근간.

2. 튜링 기계의 구성 요소

• 무한히 긴 테이프: 기호가 쓰여질 수 있는 빈칸(RAM과 유사)
• 헤드: 기호를 읽거나 쓰는 장치(CPU와 유사)
• 레지스터: 헤드의 상태 저장
• 명령어 집합: 실행 가능한 명령어 목록(프로그램과 유사)

3. 튜링 기계의 능력

• 간단한 규칙으로 동작하지만 매우 강력하며, 오늘날 컴퓨터가 하는 모든 일을 설명 가능.
• 보조 기억 장치 등 튜링 기계에 없는 요소도 존재.

4. 계산 가능성 이론

• 튜링에 의해 계산 가능한 문제는 람다 계산법으로도 계산 가능 (프로그래밍 언어 기초).
• 계산 가능성과 불가능성을 구별하기 위한 이론.
• ==정지 문제(halting problem)==: 프로그램이 언젠가 종료될지 예측하는 문제 (컴퓨터로 해결 불가).

5. 계산 복잡도

• 문제 규모에 따라 문제 유형을 분류하는 시도.
• 이론적으로 해결 가능하지만, 비현실적인 메모리나 시간 요구 문제 존재.
• 컴퓨터 과학자들은 임시방편(트릭)으로 제법 괜찮은 답을 얻음.

6. 알고리즘

• 특정 문제 해결을 위해 설계된 명령어 집합 (하드웨어, 언어 독립적).
• 컴퓨터로부터 최상의 답을 얻기 위한 "알고리즘 개발"에 많은 노력 투입.
• 알고리즘 복잡도 분야에서 효율성을 연구.

7. 정보 이론

• 정보의 특징, 측정, 저장, 통신 방법 연구.
• 응용 예시: 데이터 압축 (정보 보존하며 메모리 절약).
• 코딩 이론, 암호학 (인터넷 정보 보호) 등 관련 주제 존재.

8. 암호학

• 데이터를 뒤죽박죽 섞는 암호화 기법 사용.
• 정보를 보호하기 위한 복잡한 수학적 문제에 기반.

3. ⚙️ 컴퓨터 엔지니어링

1. 컴퓨터 설계의 어려움

• 다양한 유형의 문제들을 최적으로 해결할 수 있게 설계해야 함.

2. CPU (중앙 처리 장치)

• 컴퓨터의 핵심 부분.
• 작업들을 번갈아 처리(switching)하여 합리적인 시간 내에 완료되도록 함.
• 스케줄러에 의해 제어 (수행할 작업, 시기 선택, 효율적 처리 시도).
• 멀티 프로세싱: 여러 개의 코어를 사용하여 작업 병렬 처리 (속도 향상).

3. 컴퓨터 아키텍처

• 작업을 수행하는 프로세서 설계 방식.
• CPU (범용), GPU (그래픽 최적화), FPGA (특정 작업 초고속 처리) 등 다양한 아키텍처 존재.

4. 프로그래밍 언어

• 인간이 컴퓨터에게 무엇을 할지 알려주는 도구.
• 어셈블리(저급 언어) ~ 파이썬, 자바스크립트 (고급 언어).
• 하드웨어와 밀접할수록 사용하기 어려움.

5. 컴파일러

• 프로그래밍 언어로 작성된 코드를 CPU 명령어(기계어)로 변환.
• 소프트웨어 엔지니어들의 핵심 도구.
• 사용하기 쉽고, 융통성 있는 설계가 중요.

6. 운영체제 (Operating System)

• 컴퓨터 소프트웨어의 핵심.
• 사용자와 상호작용하며, 프로그램 실행 방식 제어.
• 좋은 운영체제 개발은 어려운 기술적 과제.

7. 소프트웨어 공학

• 컴퓨터에 무엇을 해야 하는지 알려주는 명령어 작성.
• 창의적 아이디어를 논리적 명령어로 번역, 효율적 실행, 오류 최소화.
• 설계 원칙, 모범 사례 존재.

8. 분산 컴퓨팅

• 많은 컴퓨터들이 통신하며 협업하여 문제 해결.
• 대용량 데이터 저장/검색, 시스템 성능 파악, 현실적인 그래픽 생성 등.

4. 💡 컴퓨터 과학의 응용

1. 최적화 문제

• 최고의 여행 계획, 효율적인 부품 조합 등 기업의 비용 절감에 기여.
• Boolean Satisfiability (SAT) 문제와 관련 (NP-complete).
• SAT 문제 해결 방법 발전으로 인공지능 분야에서 활용.

2. 인공지능 (AI)

• 스스로 생각하는 컴퓨터 시스템 개발.
• 머신러닝: 대규모 데이터 학습 기반 의사 결정, 분류 등 수행 알고리즘 연구.
• 컴퓨터 비전: 이미지 속 객체 인식 (사람과 유사).
• 자연어 처리: 인간 언어 이해, 의사소통, 데이터 분석.
• 지식 표현: 비슷한 의미 단어 그룹화 등 데이터 관계 기반 조직화.

3. 빅데이터

• 방대한 양의 데이터를 관리, 분석하여 가치 있는 정보 획득 방법 연구.

4. 사물 인터넷 (IoT)

• 일상 사물에 데이터 수집/통신 기능 추가 (데이터 증가).

5. 해킹

• 컴퓨터 시스템의 약점 발견 및 악용.

6. 계산 과학

• 컴퓨터 활용 과학적 질문 해결 (물리학, 신경과학 등).
• 슈퍼컴퓨팅: 대규모 문제 해결 (시뮬레이션).

7. 인간-컴퓨터 상호 작용 (HCI)

• 컴퓨터 시스템을 쉽고 직관적으로 사용하게 설계.

8. 가상/증강 현실, 텔레프레즌스

• 현실 경험 향상 또는 대체.

9. 로보틱스

• 컴퓨터에 물리적 실체 부여 (Roomba ~ 지능형 로봇).

5. 🚀 컴퓨터 과학의 미래

1. 발전 속도

• 트랜지스터 소형화 문제 등 한계에도 불구하고 빠르게 발전.

2. 연구 방향

• 한계 극복을 위한 다양한 연구 진행.

3. 사회적 영향

• 인간 사회에 거대한 영향 미치고 있으며, 미래 변화가 기대됨.

graph LR
    A[컴퓨터 과학] --> B(기본 이론)
    A --> C(컴퓨터 엔지니어링)
    A --> D(응용)
    B --> B1(튜링 기계)
    B --> B2(계산 복잡도)
    C --> C1(CPU 설계)
    C --> C2(프로그래밍 언어)
    D --> D1(인공지능)
    D --> D2(빅데이터)

• 컴퓨터 과학은 우리의 두뇌를 확장하는 도구로서 앨런 튜링의 이론적 모델에서 출발하여 오늘날의 복잡한 기술들로 발전했습니다.

• 계산 이론, 하드웨어 엔지니어링, 소프트웨어 공학 등 다양한 분야가 상호작용하며 현대 사회의 모든 영역을 혁신하는 원동력이 되고 있습니다.

• 이 핸드북은 컴퓨터 과학의 근본 원리부터 최신 응용 기술까지 체계적으로 정리하여 미래 기술의 핵심을 이해하는 데 도움을 줍니다.

---

컴퓨터 과학 완벽 가이드 미래를 여는 핵심 지식 핸드북

우리는 우리의 두뇌를 확장하고 인지 능력을 배가시키기 위해 컴퓨터를 만들었다. 본래 과학자들이 복잡한 계산을 대신하는 도구로 개발한 컴퓨터는 예상보다 훨씬 더 다양한 분야에서 막대한 영향력을 발휘하고 있다. 인터넷, 실감형 그래픽, 인공 지능, 그리고 우주 시뮬레이션까지, 우리가 오늘날 경험하는 수많은 기술 혁신은 단지 0과 1의 조합을 놀라운 속도로 뒤집고 또 뒤집는 단순한 원리에 기반하고 있다.

놀라운 사실은 컴퓨터의 발전 속도가 기하급수적이라는 점이다. 오늘날 당신의 손에 들려있는 스마트폰은 1960년대 중반, 전 세계의 모든 컴퓨팅 파워를 합친 것보다 더 높은 성능을 가지고 있으며, 아폴로 달 탐사에 필요했던 복잡한 계산은 불과 몇 대의 닌텐도 게임기로 충분히 처리할 수 있는 수준이다. 이처럼 컴퓨터는 끊임없이 작아지고, 더 강력해지고 있다.

이러한 컴퓨터의 가능성과 한계를 탐구하는 학문이 바로 **컴퓨터 과학(Computer Science)**이다. 컴퓨터 과학은 서로 겹치면서도 독립적인 다양한 분야들을 아우르지만, 크게 세 가지 핵심 분야로 나누어 이해할 수 있다: 컴퓨터 과학 기본 이론, 컴퓨터 엔지니어링, 그리고 응용 프로그램이다. 이 핸드북은 이 세 가지 분야를 중심으로 컴퓨터 과학의 광대한 지형을 탐험하는 데 도움을 줄 것이다.

---

1. 컴퓨터 과학의 근본 이론

컴퓨터 과학의 뿌리는 논리와 수학에 깊이 박혀있다. 컴퓨터가 무엇을 할 수 있고 무엇을 할 수 없는지, 그리고 어떻게 하면 더 효율적으로 문제를 해결할 수 있는지를 탐구하는 것이 바로 이 분야의 핵심이다.

1.1 튜링 기계와 계산의 개념

컴퓨터 과학 이론의 아버지로 불리는 **앨런 튜링(Alan Turing)**은 **튜링 기계(Turing Machine)**라는 개념을 정립하며 현대 컴퓨터의 작동 원리를 매우 단순하면서도 우아하게 묘사했다. 튜링 기계는 무한히 긴 테이프, 테이프 위를 움직이며 기호를 읽고 쓰는 헤드, 그리고 헤드의 현재 상태를 저장하는 레지스터와 실행 가능한 명령어 집합으로 구성된다.

이 단순한 모델은 오늘날 컴퓨터의 복잡한 구조를 완벽하게 설명한다. 무한히 긴 테이프는 컴퓨터의 **RAM(메모리)**에 해당하며, 헤드는 프로그램의 명령어를 실행하는 CPU(중앙처리장치), 명령어 집합은 메모리에 저장된 프로그램과 같다. 놀랍게도 튜링 기계는 비록 간단한 규칙들로만 동작하지만, 오늘날 컴퓨터가 수행하는 모든 연산을 이 모델로 설명할 수 있다. 이는 튜링 기계가 계산 가능한 모든 것을 계산할 수 있는 **범용성(universality)**을 갖기 때문이다.

튜링 기계와 더불어 람다 계산법(Lambda Calculus) 또한 컴퓨터 과학의 근간을 이루는 중요한 이론이다. 이는 함수를 이용하여 계산을 표현하는 수학적 프레임워크로, 오늘날 함수형 프로그래밍 언어의 기초가 되었다. 튜링 기계와 람다 계산법은 서로 다른 관점에서 계산 가능성을 탐구했지만, 이 두 모델이 계산할 수 있는 문제의 집합은 동일하다는 것이 증명되었다.

1.2 계산 가능성 이론과 정지 문제

**계산 가능성 이론(Computability Theory)**은 어떤 문제가 컴퓨터로 해결 가능한지, 그리고 어떤 문제가 근본적으로 해결 불가능한지를 구별하는 데 초점을 맞춘다. 모든 문제가 컴퓨터로 해결될 수 있는 것은 아니다. 예를 들어, 어떤 프로그램이 언젠가는 종료될지 아니면 영원히 실행될지 예측하는 **정지 문제(halting problem)**는 문제 자체의 태생적인 특성 때문에 어떠한 알고리즘으로도 완벽하게 해결할 수 없음이 증명되었다. 이는 곧 컴퓨터(또는 사람)가 해결할 수 없는 문제들이 존재한다는 것을 의미한다.

1.3 계산 복잡도와 효율성의 문제

많은 문제들이 이론적으로는 해결 가능하지만, 실제로는 비현실적으로 큰 메모리를 요구하거나 우주의 나이보다 더 긴 계산 시간을 필요로 하기도 한다. **계산 복잡도(Computational Complexity)**는 이러한 문제를 다루는 분야로, 문제의 규모에 따라 해결에 필요한 시간과 자원의 양을 분류한다.

예를 들어, ‘N개의 항목을 정렬하는 데 걸리는 시간’을 분석할 때, 복잡도는 **빅오 표기법(O)**으로 표현된다. 정렬 알고리즘의 경우 $O(n^2)$의 복잡도를 가지는 알고리즘은 입력 데이터의 양이 늘어날수록 급격하게 느려지지만, $O(n\log n)$의 복잡도를 가지는 알고리즘은 비교적 효율적이다.

현실 세계에는 최상의 답을 찾는 데 너무 많은 시간이 걸리는 ‘NP-완전(NP-complete)‘과 같은 해결하기 어려운 문제들이 많다. 다행히도, 컴퓨터 과학자들은 ‘근사 알고리즘’과 같은 트릭을 통해 최적의 답은 아니더라도 실용적으로 ‘괜찮은’ 답을 매우 빠르게 얻는 방법을 연구하고 있다.

1.4 알고리즘 설계의 중요성

**알고리즘(Algorithm)**은 특정 문제를 해결하기 위해 설계된, 하드웨어 또는 프로그래밍 언어에 독립적인 명령어의 집합이다. 알고리즘은 마치 요리법과 같아서, 같은 재료(데이터)를 사용하더라도 어떤 요리법(알고리즘)을 사용하느냐에 따라 요리(결과)가 나오는 속도가 크게 달라질 수 있다. 예를 들어, 100만 개의 숫자 배열을 정렬할 때, 버블 정렬 알고리즘은 수십 시간이 걸릴 수 있지만, 퀵 정렬 알고리즘은 몇 초 만에 완료될 수 있다.

이처럼 알고리즘의 효율성은 컴퓨터 시스템의 성능을 좌우하는 핵심 요소이며, 컴퓨터 과학의 많은 연구가 더 빠르고 효율적인 알고리즘을 개발하는 데 집중되고 있다.

1.5 정보 이론과 암호학

**정보 이론(Information Theory)**은 정보의 본질을 수학적으로 탐구하는 분야이다. 이는 정보를 어떻게 측정하고 저장하며, 효율적으로 통신할 수 있는지에 대한 근본적인 질문에 답한다. 예를 들어, 데이터 압축은 정보를 최대한 보존하면서 필요한 저장 공간을 줄이는 기술이며, 코딩 이론은 데이터 전송 중 발생하는 오류를 감지하고 수정하는 방법을 연구한다.

정보 이론의 응용 분야 중 하나인 **암호학(Cryptography)**은 매우 중요한 위치를 차지한다. 이는 인터넷을 통해 전송되는 정보가 안전하게 보호되도록 하는 기술로, 데이터를 뒤죽박죽 섞어 알아볼 수 없게 만드는 암호화 기법들을 다룬다. 현대 암호화는 소인수분해와 같은 매우 복잡한 수학적 문제에 기반하여 정보의 보안을 보장한다.

---

2. 컴퓨터 엔지니어링 하드웨어와 소프트웨어의 조화

컴퓨터 공학은 이론적 개념들을 실제 작동하는 기계로 구현하는 분야이다. 이는 하드웨어와 소프트웨어를 설계하고 최적화하여 컴퓨터 시스템을 구축하는 모든 과정을 포함한다.

2.1 컴퓨터 아키텍처와 프로세서의 세계

컴퓨터 아키텍처는 컴퓨터 시스템의 설계 방식이다. 이 분야의 목표는 다양한 유형의 문제를 가장 효율적으로 해결할 수 있는 하드웨어를 만드는 것이다.

• CPU(Central Processing Unit): 컴퓨터의 핵심 두뇌로, 대부분의 범용적인 연산을 담당한다.

• GPU(Graphics Processing Unit): 그래픽 처리에 특화된 프로세서로, 병렬 연산에 매우 강점을 가지고 있어 인공지능 학습과 같은 분야에도 활용된다.

• FPGA(Field-Programmable Gate Array): 좁은 범위의 특정 작업을 매우 빠르게 처리하도록 프로그래밍할 수 있는 재구성 가능한 하드웨어이다.

2.2 운영체제 컴퓨터의 두뇌와 신경계

**운영체제(Operating System, OS)**는 컴퓨터 소프트웨어에서 가장 중요한 부분이다. OS는 사용자가 컴퓨터와 상호작용하는 창구 역할을 하며, 모든 프로그램이 하드웨어 위에서 효율적으로 실행되도록 제어한다.

OS의 핵심 기능은 다음과 같다.

• 자원 관리: CPU 시간, 메모리, 저장 장치 등 컴퓨터 자원을 프로그램들에게 공정하게 분배하고 관리한다.

• 프로세스 관리: 여러 프로그램(프로세스)들이 동시에 실행될 수 있도록 스케줄링(scheduling)을 담당한다.

• 파일 시스템: 데이터를 파일과 폴더의 형태로 저장하고 관리한다.

• 사용자 인터페이스: 사용자가 컴퓨터와 소통할 수 있는 GUI(그래픽 사용자 인터페이스)나 CLI(명령어 라인 인터페이스)를 제공한다.

  좋은 운영체제를 만드는 것은 매우 어려운 기술적 과제이다.

2.3 프로그래밍 언어와 컴파일러의 역할

프로그래밍 언어는 사람이 컴퓨터에게 무엇을 할지 알려주는 도구이다. 이는 사람이 이해하기 쉬운 **고급 언어(high-level language)**와 하드웨어와 더 밀접한 **저급 언어(low-level language)**로 나뉜다.

• 저급 언어: 어셈블리(Assembly)와 같이 기계어와 거의 일대일로 대응되어 하드웨어를 직접 제어할 수 있지만, 배우고 사용하기 매우 어렵다.

• 고급 언어: 파이썬(Python), 자바스크립트(JavaScript)처럼 사람이 이해하기 쉬운 문법을 가지고 있으며, 하드웨어의 복잡성을 추상화하여 프로그래밍을 더 쉽게 만든다.

  프로그래머가 작성한 코드는 **컴파일러(Compiler)**나 **인터프리터(Interpreter)**라는 특별한 프로그램에 의해 CPU가 이해할 수 있는 기계어(machine code)로 변환된다. 프로그래밍 언어와 컴파일러를 설계하는 것은 프로그래머들이 자신의 아이디어를 효율적으로 구현할 수 있게 돕는 매우 중요한 작업이다.

2.4 소프트웨어 공학 좋은 소프트웨어의 비밀

**소프트웨어 공학(Software Engineering)**은 고품질의 소프트웨어를 개발하기 위한 원칙과 방법을 연구하는 분야이다. 좋은 소프트웨어는 단순히 작동만 하는 것을 넘어, 효율적이고, 유지보수가 용이하며, 오류가 없어야 한다. 이는 일종의 예술이며, 창의적인 아이디어를 논리적인 명령어로 번역하는 동시에, 최대한 효율적이고 오류 없이 실행되게 만드는 기술을 요구한다. 따라서 이 분야에서는 디자인 패턴(design patterns), 애자일(Agile) 방법론과 같은 설계 원칙과 모범 사례들이 중요하게 다루어진다.

---

3. 현실 세계의 문제 해결 컴퓨터 과학의 응용 분야

컴퓨터 과학의 이론과 엔지니어링은 우리 삶의 거의 모든 영역에 영향을 미치고 있다. 이 분야는 우리의 일상생활을 변화시키는 다양한 응용 기술들을 만들어낸다.

3.1 인공지능과 머신러닝의 혁신

**인공지능(AI)**은 스스로 생각하고 학습하며 결정을 내릴 수 있는 컴퓨터 시스템을 개발하는 분야이다. AI는 컴퓨터 과학의 최전선으로 불리며, 그중에서도 **머신러닝(Machine Learning)**은 가장 유망한 분야로 꼽힌다. 머신러닝은 컴퓨터를 대규모 데이터로부터 학습시켜, 이를 기반으로 예측하거나 사물을 분류하는 등의 일을 수행하게 만드는 기술이다.

• 지도 학습(Supervised Learning): 정답이 있는 데이터를 이용해 학습하는 방식. 예: 사진 속 객체를 분류.

• 비지도 학습(Unsupervised Learning): 정답이 없는 데이터에서 패턴을 찾는 방식. 예: 고객 그룹을 분류.

• 강화 학습(Reinforcement Learning): 보상과 벌칙을 통해 스스로 최적의 행동을 학습하는 방식. 예: 게임 AI.

  **컴퓨터 비전(Computer Vision)**과 자연어 처리(Natural Language Processing, NLP) 또한 머신러닝과 밀접하게 관련되어 있다. 컴퓨터 비전은 컴퓨터가 이미지나 영상을 인식하고 이해하도록 돕고, 자연어 처리는 컴퓨터가 인간의 언어를 이해하고 소통하게 만드는 것을 목표로 한다.

3.2 빅데이터와 사물 인터넷

**빅데이터(Big Data)**는 기존의 데이터베이스 관리 도구로 처리하기 어려운 방대한 양의 데이터를 관리하고 분석하여 가치 있는 정보를 얻는 기술이다. 빅데이터는 주로 **3V(Volume, Velocity, Variety)**로 정의된다.

• Volume: 데이터의 양

• Velocity: 데이터가 생성되고 처리되는 속도

• Variety: 데이터의 다양성

  사물 인터넷(Internet of Things, IoT) 기술은 일상 속 사물에 센서와 통신 기능을 추가하여 데이터를 수집하고 통신하게 만든다. 스마트폰, 스마트워치, 스마트 냉장고 등 수많은 IoT 기기들이 끊임없이 데이터를 생성하며 빅데이터의 성장을 가속화하고 있다.

3.3 컴퓨터 그래픽스와 HCI

**컴퓨터 그래픽스(Computer Graphics)**는 현실 세계를 묘사하는 매우 상세하고 현실적인 이미지를 만드는 기술이며, 영화, 게임, 시뮬레이션 등 다양한 분야에 사용된다. 이 기술은 그래픽 카드의 발전과 더불어 **레이 트레이싱(Ray Tracing)**과 같은 혁신적인 기술을 통해 더욱 실감 나는 경험을 제공하고 있다.

**인간-컴퓨터 상호작용(Human-Computer Interaction, HCI)**은 컴퓨터 시스템을 더 쉽고 직관적으로 사용할 수 있도록 설계하는 방법을 연구한다. 이는 사용자의 경험(UX)과 인터페이스(UI)를 개선하여 기술이 우리의 삶에 더 자연스럽게 녹아들게 만드는 데 기여한다.

3.4 최적화와 계산 과학

**최적화 문제(Optimization Problem)**는 주어진 제약 조건 하에서 가장 좋은 해답을 찾는 문제이다. 예를 들어, 물류 운송에서 가장 효율적인 경로를 찾거나, 가장 적은 비용으로 부품을 조합하는 것 등이 포함된다. 놀랍게도, 과거에는 해결 불가능하다고 알려졌던 SAT(Boolean Satisfiability) 문제와 같은 복잡한 최적화 문제들이 현대의 뛰어난 SAT 해결사(solvers) 덕분에 일상적으로 해결 가능해졌다.

**계산 과학(Computational Science)**은 컴퓨터를 이용하여 물리학, 화학, 생물학 등 다양한 과학 분야의 문제를 해결하는 데 도움을 준다. 슈퍼컴퓨팅 기술은 기후 변화 예측, 신약 개발 시뮬레이션 등 매우 큰 규모의 문제를 해결하는 데 필수적이다.

3.5 미래의 첨단 응용 기술

• 가상 현실(Virtual Reality, VR) 및 증강 현실(Augmented Reality, AR): 현실 세계를 향상시키거나 대체하여 새로운 경험을 제공하는 기술. VR은 사용자를 가상 세계에 몰입시키고, AR은 현실 세계에 가상 정보를 덧씌운다.

• 로보틱스(Robotics): 컴퓨터에 물리적 실체를 부여하여 물리적 작업을 수행하게 만드는 기술이다. 단순한 로봇 청소기부터 인간처럼 걷고 생각하는 휴머노이드 로봇까지 다양한 형태로 발전하고 있다. 로보틱스는 AI, 컴퓨터 비전, 센서 기술 등 여러 분야의 집합체이다.

• 사이버 보안(Cybersecurity): 해킹은 전통적인 학문은 아니지만, 컴퓨터 시스템의 약점을 찾아내고 악용하는 기술을 연구한다. 반대로, 사이버 보안은 이러한 공격으로부터 시스템을 보호하고 데이터를 안전하게 지키는 방법을 다루는 중요한 분야이다.

---

결론

우리가 살펴본 것처럼, 컴퓨터 과학은 단순한 계산을 넘어 인간의 사고를 확장하고 현실 세계의 복잡한 문제를 해결하는 강력한 도구로 발전했다. 앨런 튜링의 튜링 기계라는 단순한 이론적 모델에서 출발한 이 학문은 계산 복잡도, 인공지능, 그리고 로보틱스에 이르기까지 끊임없이 새로운 지평을 열어가고 있다.

이 분야는 트랜지스터의 소형화 한계와 같은 근본적인 도전 과제에 직면하고 있음에도 불구하고 그 어느 때보다 빠르게 발전하며 인류 사회에 거대한 영향을 미치고 있다. 이 핸드북이 컴퓨터 과학의 방대한 지형을 이해하는 데 도움이 되었기를 바란다. 끊임없이 변화하는 이 흥미로운 기술의 미래를 지켜보는 것은 분명 가치 있는 일일 것이다.

대본

우리는 우리의 두뇌를 확장하기 위해 컴퓨터를 만들었습니다. 본래, 과학자들은 계산을 대신하는 용도로 컴퓨터를 만들었는 데, 하지만, 그들은 예상 외로 많은 부분에서 매우 유용한 것으로 밝혀졌지요. 인터넷, 실감형 그래픽, 인공 지능, 심지어 우주를 시뮬레이션 하는 것 까지.. 하지만 놀랍게도, 컴퓨터의 모든 동작은 단지 0과 1을 뒤집고 또 뒤집는 것에 불과합니다. 컴퓨터는 놀라운 속도로 더 작아지고, 더 강력해지고 있습니다. 당신의 휴대폰은 1960년대 중반, 전 세계의 모든 컴퓨팅 파워를 합친 것 보다 더 높은 성능을 가지고 있습니다. 또한, 아폴로 달 탐사에 필요했던 컴퓨팅 성능은 불과 닌텐도 게임기 몇 대로 충분히 제공할 수 있습니다. "컴퓨터 과학" 은 컴퓨터가 무엇을 할 수 있는지에 대해 연구하는 분야입니다. 여기에는 매우 다양하고 서로 겹치는 분야들이 존재하지만, 크게 3 가지 분야로 한 번 나눠보도록 하죠. 1) 컴퓨터 과학 기본 이론 2) 컴퓨터 엔지니어링 3) 응용 프로그램 먼저, 컴퓨터 과학 이론의 아버지에 대해서 얘기해보기로 하죠. 앨런 튜링(Alan Turing).. 그는 범용 컴퓨터의 동작 원리를 심플하게 묘사하는 튜링 기계의 개념을 정립한 사람입니다. 지금까지 많은 사람들이 컴퓨터 설계에 도전하였지만, 그들이 제안한 모든 원리들은 컴퓨터 과학의 근간인 튜링 기계의 동작으로 설명될 수 있습니다. 튜링 기계는 몇 가지 부분으로 구성됩니다. 먼저, 기호들이 쓰여질 수 있는 빈칸(cell)들로 이어진 무한히 긴 테이프가 있습니다. 또한, 여기에는 기호를 읽거나 테이프에 새길 수 있는 헤드가 있습니다. 그리고 헤드의 상태를 저장하는 레지스터, 마지막으로, 실행 가능한 일련의 명령어(instruction) 집합이 있습니다. 오늘날 컴퓨터와 비교해보면, 테이프는 RAM 과 같은 메모리이며, 헤드는 중앙처리장치 (CPU), 그리고 명령어 집합은 컴퓨터 메모리에 저장되어 있는 프로그램으로 간주할 수 있습니다. 비록, 튜링 기계는 간단한 규칙들에 의해 동작하지만 매우 강력하며, 오늘날 컴퓨터가 하는 모든 일을 튜링 기계로 설명할 수 있습니다. 비록 컴퓨터가 보조기억장치와 같이 튜링 기계에 없는 구성 요소들을 가짐에도 불구하고 말이지요. 튜링에 의해 계산할 수있는 모든 문제들은 람다 계산법 (Lambda calculus) 으로 계산될 수 있습니다. 이는 프로그래밍 언어의 기초가 됩니다. 계산 가능성 이론은 무엇이 계산 가능한지, 가능하지 않은지를 구별하기 위한 이론입니다. 여기에는 문제 자체의 태생적인 특징으로 인해 컴퓨터가 해결할 수 없는 문제, 이를테면 프로그램이 언젠가는 종료될지, 아니면 영원히 실행될지를 예측하는 정지 문제 (halting problem) 와 같은 유명한 문제 등이 있습니다. 이와 같이, 컴퓨터 (또는 사람) 가 해결할 수 없는 프로그램들이 존재합니다. 많은 문제들의 경우, 이론적으로 해결할 수 있지만 실제로는 비현실적으로 큰 메모리를 요구하거나, 우주 나이보다 더 긴 시간의 계산을 필요로 하는 경우도 있습니다. 여기서 계산 복잡도(computational complexity)는 문제 규모에 따라 문제들을 분류하는 시도를 합니다. 다양한 복잡도 유형이 존재하며, 각 유형마다 해당되는 다양한 문제 유형들이 존재합니다. 현실 세계에는 해결 불가능한 유형의 많은 문제들이 존재합니다. 다행히도, 컴퓨터 과학자들은 제법 괜찮은 답을 얻을 수 있는 트릭(임시방편)들을 가지고 있습니다. 그럼에도 불구하고, 당신은 이것들이 최상의 답인지 결코 알아낼 수는 없습니다. 알고리즘은 특정 문제를 해결하기 위해 설계된, 하드웨어 또는 프로그래밍 언어에 독립적인 명령어의 집합입니다. 이것은 프로그램을 어떻게 만드는지 대한 레시피(요리법)와 같으며, 이 분야의 많은 노력들이 컴퓨터로부터 최상의 답을 얻기 위한 "알고리즘 개발" 에 투입되고 있습니다. 많은 알고리즘들은 임의의 숫자들을 순서대로 정렬하는 것과 같이, 결과적으로 같은 결과를 낼 수 있습니다. 하지만, 일부 알고리즘은 다른 알고리즘 보다 훨씬 더 효율적이며, 이러한 내용은 알고리즘 복잡도 분야에서 연구되고 있습니다. 정보이론(information theory) 분야는 정보의 특징과 이를 어떻게 측정 및 저장하고, 통신하는지에 대해서 연구합니다. 한 가지 응용으로서, 정보를 완전히(또는 대부분) 보존하면서 메모리를 적게 차지하는 데이터 압축 방법이 있습니다. 그 외에도 다양한 응용들이 있습니다. 정보이론 관련 주제로 코딩 이론이 있습니다. 또한 암호학은 인터넷에 전송되는 정보들을 지키기 위해서 매우 중요합니다. 여기에는 다양한 암호화 기법들이 존재합니다. 이들은 데이터를 뒤죽박죽 섞으며, 보통 정보를 지키기 위한 매우 복잡한 수학적 문제에 기반합니다. 이것들이 이론적 컴퓨터 과학의 주요 분야입니다. 이외에도 논리학, 그래프 이론, 계산기하학(computational geometry), 오토마타(automata), 양자(quantum) 계산, 병렬 프로그래밍, 정형기법(formal mathod), 그리고 데이터 구조 등이 있지만 시간 관계로 다음 컴퓨터 엔지니어링 분야로 넘어가겠습니다. 컴퓨터를 설계하는 것은 매우 어렵습니다. 이를 위해, 다양한 일들을 해야합니다. 설계자들은 컴퓨터가 다양한 유형의 문제들을 가능한 최적으로 해결할 수 있게 만들어야 합니다. 컴퓨터에서 실행되는 모든 단일 작업들은 컴퓨터의 핵심 부분을 거칩니다: CPU(중앙처리장치). 당신이 많은 일들을 동시에 수행하고 있을 때, CPU 는 작업들을 번갈아가면서 처리 (switching) 함으로써, 모든 일들이 합리적인 시간내에 완료되도록 합니다. 이는 스케줄러에 의해 제어됩니다. 이것은 수행할 작업과 시기를 선택하고, 가장 효율적인 방법으로 작업들을 처리하려고 시도하며, 이러한 스케쥴링은 매우 어려운 문제가 될 수 있습니다. 멀티 프로세싱은 CPU가 작업들을 병렬(parallel)로 처리할 수 있는 여러 개의 코어를 가지기 때문에, 처리 속도를 높일 수 있습니다. 하지만, 이 기술은 스케줄러가 하는 일을 훨씬 더 복잡하게 만듭니다. 컴퓨터 아키텍처는 작업을 수행하는 프로세서를 설계하는 방식이며, 서로 다른 유형의 작업에 적합한 여러 아키텍처들이 있습니다. CPU는 범용이며, GPU(Graphics Processing Unit)는 그래픽에 최적화되어 있으며, FPGA(Field-Programmable Gate Array)는 좁은 범위의 작업에서 매우 빠르게 작동할 수 있도록 프로그래밍 될 수 있습니다. 컴퓨터 하드웨어 위에는 프로그래머들이 다양한 프로그래밍 언어들을 사용하여 작성한 다양한 계층의 소프트웨어가 있습니다. 프로그래밍 언어는 인간이 컴퓨터에게 무엇을 할지를 알려줍니다. 작업 유형에 따라 사용되는 언어가 다양한데, 어셈블리와 같은 저급(low level) 언어에서 부터 웹사이트와 응용 프로그램을 코딩하기 위한 파이썬(python), 자바스크립트와 같은 고급(high level)언어 등이 있습니다. 일반적으로 하드웨어와 밀접한 언어일수록, 사람이 사용하기 어려워집니다. 이 계층 구조의 모든 단계에서, 프로그래머가 작성하는 코드들은 CPU 명령어(기계어)로 변환되어야하며, 이는 컴파일러(compilers)로 불리는 하나의 또는 다수의 프로그램들에 의해 수행됩니다. 프로그래밍 언어와 컴파일러는 소프트웨어 엔지니어들이 무언가를 만들 때 항상 사용되는 도구이므로, 이를 설계하는 것은 매우 중요한 문제입니다. 가능한한 사용하기 쉬워야 하고, 프로그래머들이 자신의 엄청난 아이디어를 구현할 수 있게 융통성을 지녀야합니다. 운영체제(operating system)는 컴퓨터 소프트웨어에서 가장 중요한 부분입니다. 이 소프트웨어는 유저와 상호작용하며, 모든 프로그램들이 하드웨어 위에서 실행되는 방식을 제어합니다. 그러므로 좋은 운영체제를 만드는 것은 매우 어려운 기술적 과제입니다. 다음은 소프트웨어 공학의 취지를 나타냅니다. "컴퓨터에 무엇을 해야하는지 알려주는 명령어들을 작성하십시오." 좋은 소프트웨어를 만드는 것은 일종의 예술입니다. 왜냐하면, 당신의 창의적인 아이디어를 특정 언어의 논리적인 명령어==로 번역하는 동시에, 최대한 효율적으로 실행되고 가능한 한 오류가 없게 만들어야 하기 때문입니다 따라서, 이 분야에서는 프로그래머들이 따르는 설계 원칙들과 모범 사례(best practices)들이 있습니다. 또다른 중요한 분야들은 많은 컴퓨터들이 의사소통을 하고 함께 작업하여 다음과 같은 문제들을 해결하는 것입니다. 방대한 양의 데이터를 저장 및 검색하기, 특정 작업에서 컴퓨터 시스템이 얼마나 잘 작동하는지를 파악하기, 마지막으로 매우 자세하고 현실적인 그래픽을 만드는 일 등등이 있습니다. 지금부터는 현실 세계의 문제를 해결하기 위한 컴퓨터 과학의 아주 멋진 분야에 대해서 얘기해보겠습니다. 이것들은 우리가 사용하는 많은 프로그램, 앱, 그리고 웹사이트들의 기초가 되는 기술들입니다. 당신이 휴가를 갈 때, 여행경비 관점에서 최고의 여행을 원한다면, 최적화 문제를 풀어야합니다. 최적화 문제들은 어디에나 존재하며, 최상의 경로를 찾거나 가장 효율적인 부품들의 조합을 찾는 것은 기업이 수백만 달러를 절약할 수 있게 합니다. 이것은 논리 수식이 만족되는지 아닌지를 판별하기 위한 Boolean Satisfiability (= SAT) 문제와 관련됩니다. 이 문제는 최초의 NP-complete 문제로 증명되었고, 해결 불가능한 문제로 알려졌었습니다. 하지만, SAT 문제에 대한 놀라운 해결방법(SAT solvers)들이 등장함에 따라, 오늘날 특히, 인공지능 분야에서의 복잡한 SAT 문제들이 일상적으로 해결 가능하게 되었습니다. 컴퓨터는 우리의 두뇌를 확장하여 인지 능력을 배가시킵니다. 컴퓨터과학 연구의 최전선은 스스로 생각할 수 있는 컴퓨터 시스템을 개발하는 것입니다: 인공지능. 인공지능 연구에는 다양한 분야들이 있습니다. 그 중에서 가장 유망한 것은 머신러닝(machine learning) 분야로서, 컴퓨터를 대규모 데이터로부터 학습시키고, 이를 기반으로 결정을 내리거나 사물을 분류하는 등의 일을 수행하기 위한 알고리즘과 기술들을 연구합니다. 그 외에도 다양한 종류의 머신러닝 기술들이 있습니다. 컴퓨터 비전(computer vision)과 같이, 사람이 이미지를 처리하는 것처럼 컴퓨터가 이미지 속의 객체를 인식하게 만드는 기술들 또한 머신러닝과 밀접하게 관련되어 있습니다. 자연어 처리(natural language processing) 기술은 컴퓨터가 사람의 언어를 이해하고 의사소통할 수 있게 만들거나, 단어들로 구성된 방대한 양의 데이터를 분석할 수 있게 처리하는 것을 목표로 합니다. 자연어처리는 일반적으로 지식표현(knowledge representation)이라는 기술을 사용하는데, 여기서는 비슷한 의미를 가진 단어들이 그룹화 되는 것처럼 데이터들이 관계에 따라 조직화됩니다. 머신러닝 알고리즘은 대규모 데이터가 제공되면서 발전하고 있습니다. 빅데이터 분야는 이러한 방대한 양의 데이터를 관리하고 분석하여 이로부터 가치있는 정보를 얻는 방법에 대해서 다룹니다. 또한, 사물인터넷(Internet of Things) 기술은 일상속 사물에 데이터 수집 및 통신 기능을 추가하여, 결과적으로 더욱 더 많은 데이터를 얻을 수 있게 합니다. 해킹은 전통적인 학문 분야는 아니지만, 확실히 언급할만한 가치가 있습니다. 이 기술은 컴퓨터 시스템의 약점을 찾고, 눈치채지 못하게 이점을 취하도록 동작합니다. 계산과학(computational science)은 컴퓨터를 사용하여 근본적인 물리학부터 신경과학에 이르는 과학적 질문들에 답하는데 도움을 주며, 세상에서 가장 강력한 컴퓨터들을 활용하여 매우 큰 규모의 문제(예: 시뮬레이션)를 해결하기 위한 슈퍼컴퓨팅 기술을 활용합니다. 다음으로, 컴퓨터 시스템을 쉽게, 그리고 직관적으로 사용할 수 있게 설계하는 방법을 연구하는 Human Computer Interaction(HCI) 분야가 있습니다. 가상현실, 증강현실, 그리고 텔레프레즌스(telepresence)는 우리의 현실경험을 향상시키거나 대체하며, 그리고 마지막으로 로보틱스(robotics)는 컴퓨터에 물리적 실체를 부여하여, Roomba(==로봇청소기 제품명)에서부터 사람과 유사한 수준의 지능적인 머신을 만들기 위한 기술입니다. 지금까지 컴퓨터과학 지도를 살펴보았습니다. 이 분야는 트랜지스터의 소형화 문제와 같이 근본적인 하드웨어의 몇 가지 한계에 직면하고 있음에도 불구하고 그 어느 때보다 더 빠르게 발전하고 있는 분야입니다. 이러한 문제를 극복하기 위해 많은 사람들이 컴퓨터과학의 여러 분야에서 연구를 하고 있습니다. 컴퓨터는 인간 사회에 절대적으로 거대한 영향을 미치고 있으며, 앞으로 이 기술이 다음 100년 동안 어떻게 변화할지 지켜보는 것은 흥미로울 것입니다. 누가 압니까? 언젠가 우리 모두가 컴퓨터가 될지를.. 항상 그렇듯, 우리가 저작한 이 지도를 포스터로 사용하고자 한다면, 아래 링크들의 설명을 확인하세요. 또한 컴퓨터과학에 대해 더 알고 싶으면 이 영상의 스폰서인 Brilliant.org 를 참조하세요. 사람들은 종종 영상에서 다루는 주제들에 대해 더 많이 배우는 방법을 문의합니다. 영상을 보는 것 뿐만 아니라, 정말로 좋은 방법은 실제로 문제를 파헤치고 직접 해결하는 것입니다. Brilliant.org 는 그런 점에서 매우 훌륭합니다. 정말 멋진 웹사이트 및 앱이며, 당신이 과학 및 수학, 그리고 컴퓨터과학의 흥미로운 문제를 해결함으로써, 배울 수 있게 도와줍니다. 각 코스는 쉽고 재미있게 시작되며, 개념을 익힐수록 점점 더 어려워집니다. 만약 컴퓨터과학에 대해 자세히 배우고 싶다면, 이 사이트에서는 논리, 알고리즘, 머신러닝, 인공지능을 중심으로 하는 코스들이 제공됩니다. 확인하고 싶다면, 주소 brilliant.org/dos 또는 아래의 링크를 클릭하십시오. 이것들은 당신이 이 영상을 통해 Brilliant.org 에 접속했음을 알려줍니다(약간의 제휴할인 포함). 영상을 시청해줘서 다시 한번 감사드리며, 곧 새 영상으로 돌아오겠습니다.