정영배 국립한밭대학교 전자공학과 교수(한국전자파학회 신기술사업 집행이사) |
현재 전 세계 유수의 대학들은 이미 전파공학과 AI의 융합을 핵심 교육 방향으로 설정하고 있다. MIT는 '기계학습 및 AI 전문 프로그램'을 통해 무선통신 시스템에서의 신호처리, 최적화, 제어 이론을 AI 관점에서 재해석하는 교육과정을 운영한다. 딥러닝을 활용한 RF 신호 분류 및 감지 기술, 적응형 안테나 시스템 설계 등이 핵심 커리큘럼에 포함되어 있다. 또 스탠퍼드 전기공학과는 'AI, 기계학습, 최적화' 연구 분야에서 무선 네트워크, 신호처리, 제어 시스템을 통합된 관점에서 접근하며, 엔비디아와 같은 기업과의 산학협력을 통해 실무형 인재를 양성하고 있다.
이러한 해외 사례는 AI·전파 융합이 이제 선택이 아닌 필수가 됐음을 보여준다. 실제로 AI는 전파 기술의 혁신을 가속화하고 있다. 딥러닝 기반의 전파 신호처리는 기존 방식 대비 수천 배 빠른 속도로 신호 검출과 분류를 수행하며, AI 기술은 주파수 효율성 극대화, 안테나 민감도 향상, 스펙트럼 모니터링 자동화 등 RF 시스템의 핵심 매개변수를 혁신적으로 개선하고 있다.
IEEE 연구에 따르면, 기존에 수개월이 걸리던 전파 특성 추출 및 선별 작업이 AI를 통해 몇 시간 내에 완료되고 있다. 이는 전파 분야의 연구 및 개발 속도를 획기적으로 끌어올리는 효과를 가져온다.
하지만 급변하는 산업 환경과 달리 국내 전파교육은 필자를 포함해 여전히 전통적인 틀에 머물러 있다는 비판을 피하기 어렵다. 많은 대학의 전파공학 커리큘럼은 전통적인 전자기학 등의 이론중심의 학문에 집중돼 있어 AI, 데이터사이언스 등 신기술과의 융합 교육이 부족한 것이 현실이다. 또 해외 유수 대학과 같이 산업체와의 긴밀한 협력을 통한 실무 중심의 교육이 미흡해 기업이 필요로 하는 인재상과 대학 교육 간의 괴리가 커지고 있다.
이러한 문제를 해결하고 전파 분야의 학문적 선도성을 확보하기 위해서는 교육 방식의 새로운 전환이 시급하다. 우선 전통적인 전파공학 교육과정에 기계학습, 딥러닝, 강화학습 등 전파분야의 학문적 토대를 강화하고 확장하기 위한 융합형 커리큘럼을 구축해야 한다. 이를 통해 학생들이 전파 기본이론부터 AI 기술의 활용과 실시간 신호 분류까지의 다양한 분야에 활용될 수 있는 전파의 활용성과 중요성을 경험할 수 있는 교육환경이 마련돼야 한다.
교육 방식에 있어서도 기존의 강의 중심에서 벗어나 프로젝트 기반 학습(PBL), 플립러닝, 온라인-오프라인 하이브리드 교육 등 다양한 교육 방법론에 대한 심도 있는 고민이 필요하다. 특히 전파공학도들이 다학제 팀에서 활동할 수 있는 캡스톤 프로젝트 등을 통해 다양한 전공 지식을 기반으로 한 도전적인 학습을 시도하고, 관련 기업들과의 실질적인 협력을 통한 현장 중심의 교육과정의 필요성이 날로 증가되고 있다.
산업의 급격한 변화 속에서 교육의 수요자인 학생들의 기호와 요구사항은 날로 변하고 있다. 전파 분야가 고전 학문으로서 외면받지 않도록, 학생들의 흥미를 유발할 수 있는 교육 방식의 다각화와 함께 사회적 수요가 증가하는 소프트웨어를 포함한 다양한 기술분야에 대한 접목이 요구된다.
이를 통해 대학 본연의 교육의 공급처이자, 사회 발전을 견인하는 전문인력의 공급처로서 능동적인 변화를 모색해야 한다. 우리는 통신 강국, 전파 강국으로 성장한 대한민국의 역사를 계속 써내려가기 위해서 교육과 산업이 더욱 긴밀하게 협력하여야 한다. 한 몸처럼, 교육이 산업의 변화를 담아내고 산업이 교육의 혁신을 이끌어가는 상생의 노력이 절실한 시점이다.
정영배 국립한밭대학교 전자공학과 교수·한국전자파학회 신기술사업 집행이사 ybjung@hanbat.ac.kr
[Copyright © 전자신문. 무단전재-재배포금지]




























































