질문 고르기
90어떤 알고리즘도 이번 10년에 암흑에너지가 소행성족보다 중요하다고 결정하지 않는다. 망원경 시간과 연구비는 논증된 과학적 판단에 따라 배분되며 — 제안서는 논술이고, 설득력 있는 제안서를 쓰는 것이 이 직업의 핵심적으로 살아남은 기술이다.
천문학은 거의 어떤 직업보다도 일찍, 그리고 기꺼이 자동화되었다 — 추운 곳에서 망원경을 손으로 유도하던 시절의 종말을 애도하는 사람은 아무도 없었고, 이제 머신러닝은 어떤 인력으로도 검토할 수 없었을 매일 밤 수백만 건의 경보를 걸러낸다. 칠레의 루빈 관측소는 며칠에 한 번씩 남반구 하늘 전체를 촬영해 하룻밤에 약 천만 건의 경보를 만들어낸다 — 이는 자동화를 과학의 위협이 아니라 전제조건으로 만드는 데이터 속도다.
기계가 아직 손대지 못한 것은 이 직업이 실제로 살아 있는 층위다 — 어떤 질문이 10년을 바칠 가치가 있는지 고르는 일, 이상한 신호가 발견인지 검출기 결함인지 판단하는 일, 다음 세대의 장비를 발명하는 일, 그리고 자신의 이름과 명성을 걸고 주장을 내놓는 일이다. 현실적인 전망은 천문학자 수가 줄어드는 것이 아니라, 파이프라인이 더 잘 해내는 일에 쓰는 시간이 한 주 중 점점 줄어드는 것이다.
이미지 처리, 경보 필터링, 천체 분류, 망원경 일정 조율 등 상당 부분의 작업은 이미 자동화되었거나 분명히 그렇게 될 것이며, 언어모델은 문헌 검토와 초안 작성을 잠식하고 있다. 그러나 이 직업을 규정하는 일들 — 질문을 정하는 것, 이상 현상을 판단하는 것, 장비를 만드는 것, 동료심사에서 주장을 뒷받침하는 것 — 은 여전히 완강히 인간의 영역이며, 데이터의 홍수는 그 판단에 대한 수요를 줄이는 게 아니라 늘리고 있다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →어떤 알고리즘도 이번 10년에 암흑에너지가 소행성족보다 중요하다고 결정하지 않는다. 망원경 시간과 연구비는 논증된 과학적 판단에 따라 배분되며 — 제안서는 논술이고, 설득력 있는 제안서를 쓰는 것이 이 직업의 핵심적으로 살아남은 기술이다.
펄사부터 '오우무아무아'까지 경력을 만든 그 판단 — 이것이 진짜이고 새롭고 중요한가, 아니면 오류인가 — 은 장비와 파이프라인, 물리학을 동시에 이해해야 한다. 분류기는 후보를 순위 매기지만, 무엇이 발견인지는 여전히 사람이 정한다.
이 분야 역사의 모든 도약은 새로운 하드웨어에서 나왔다 — 망원경, 분광기, CCD, 간섭계. 아직 존재하지 않는 장비를 구상하고 완성하는 일은 어떤 학습된 모형도 수행하지 못하는 창의적 공학이다.
동료심사와 재현, 과학적 책임은 자신의 이름을 걸고 명성을 담보하는 사람 위에서 돌아간다. 모형은 논문 초안을 쓸 수는 있어도 경쟁자의 논문을 심사하거나, 학회에서 결과를 방어하거나, 틀렸을 때의 대가를 짊어질 수는 없다.
천문학이 공공 자금을 받는 것은 대중이 이를 사랑하기 때문이며, 그 사랑은 교실과 천문관, 언론 브리핑에서 사람들이 유지한다. 이 직업의 대변자들도 그 인프라의 일부다.
바이어스 프레임, 플랫 필드, 우주선 제거, 천체측정 해법은 모든 주요 관측소에서 완전히 스크립트화되어 있다 — 1990년대 박사과정의 상당 시간을 잡아먹던 일이 이제 밤새 무인으로 돌아간다.
머신러닝 분류기는 ZTF나 루빈 같은 탐사에서 매일 밤 발생하는 수백만 건의 후보를 사람이 실제로 보는 몇 건으로 걸러낸다 — 이것 없이는 탐사 시대 자체가 불가능할 것이다.
큐 최적화 프로그램은 매일 밤의 관측을 광자당 과학적 가치가 최대가 되도록 배정하며, 라스쿰브레스 같은 로봇 망원경 네트워크는 관측자 없이도 밤낮없이 경보에 반응한다.
한때 갤럭시 주 자원봉사자들에게 맡겨졌던 작업은 이제 대부분 신경망이 수행하며, 가이아의 수십억 개 천체 분류는 사람이 개별 별 하나를 눈으로 보지 않고도 이루어진다.
2025년 첫 이미지가 공개된 루빈 관측소의 10년짜리 탐사는 모두의 데이터를 모두에게 제공할 것이다 — 경력은 점점 더 돔에 대한 특권적 접근이 아니라, 공유된 페타바이트 데이터에 대한 창의성 위에 세워지고 있다.
LIGO의 중력파 발견 논문은 약 천 명의 저자를 실었고, 이벤트 호라이즌 텔레스코프의 블랙홀 이미지 논문은 수백 명의 저자를 실었다 — 공로와 채용, 상은 마을 규모의 협력체가 수행하는 과학을 위해 재조정되고 있다.
채용 공고는 관측 기술과 나란히, 때로는 그보다 더 파이프라인과 머신러닝 경험에 무게를 두고 있고, 아스트로파이 같은 커뮤니티 코드베이스에 대한 기여는 그 자체로 경력을 만드는 일이 되었다.
위성 초거대군집이 이제 장노출 사진에 긴 궤적을 남긴다 — 스페이스X 하나만으로도 2019년 이후 수천 개의 스타링크 위성을 발사했다 — IAU는 2022년 어둡고 조용한 하늘 보호 센터를 열었다. 산업계와 밤하늘을 두고 협상하는 일이 이제 이 직업의 일부다.
가장 표준적인 이직 경로다 — 천문학 박사들은 이 과학이 요구했던 대규모 탐사 통계와 머신러닝 실력 때문에 산업계에서 높이 평가받으며, 학계를 떠날 때의 임금 상승 폭은 흔히 크다.
점점 붐비는 궤도에서 수만 개의 위성과 파편을 추적하는 일은 정확히 이 직업의 도구 — 궤도역학, 망원경, 경보 파이프라인 — 를 그대로 쓰며, 신흥 우주 산업 전반에서 빠르게 채용을 늘리고 있다.
망원경을 위해 개발된 적응광학, 극저온 검출기, 정밀 보정 기술은 의료 영상, 반도체 검사, 양자 기술로 곧장 넘어간다 — 관측소 연구실에서 벗어나는 잘 닦인 길이다.
천문관, 관측소 홍보부서, 다큐멘터리 제작, 과학 저널리즘은 상당 부분 훈련받은 천문학자들에 의해 운영된다 — 대중이 실제로 만나는 이 직업의 갈래다.
지난 한 세기 동안 천문학의 자동화 패턴은 일관적이었다 — 정밀하게 명시할 수 있는 작업, 즉 유도, 건판 측정, 분류, 일정 조율은 모두 기계에 넘겨졌고, 각 이양은 이 직업을 줄이기는커녕 수행되는 과학의 양을 늘렸다. 탐사 시대는 이를 대규모로 반복하고 있다 — 파이프라인이 반복 작업을 가져가고, 희소한 자원은 그 후보들의 홍수가 무엇을 의미하는지 판단하는 능력이 된다.
이 경력에 대한 진짜 압박은 기술이 아니라 경제에서 온다 — 이 직업의 규모는 발견에 대한 수요가 아니라 공공 연구 예산에 의해 정해지며, 박사와 정규직 자리의 비율은 여전히 이 분야에서 가장 풀기 어려운 숫자다. 그럼에도 파이프라인을 자동화하는 바로 그 10년은 지금껏 가장 야심 찬 장비들 — ELT, 루빈, 차세대 중력파 검출기 — 을 만들고 있으며, 이들 모두 하늘과 그 기계 둘 다를 이해하는 사람을 필요로 한다.
2040년의 천문학자는 오늘날보다 더 많은 자동화를 관리하고, 더 많은 코드를 짜고, 더 큰 협력체에 속하게 될 것이다 — 그러면서도 이 일에서 가장 좋은 시간을, 바빌로니아 서기와 똑같은 행위에 쓰게 될 것이다 — 지난밤 기록 속 이상한 것이 오류인지, 아니면 우주가 새로운 무언가를 말하고 있는 것인지 판단하는 일 말이다.
물질과 에너지, 공간과 시간을 지배하는 수학 법칙을 이끌어내고 검증한다. 혼자 칠판 앞에 선 연구자에서 3,000명이 공동 저자로 이름을 올리는 입자가속기 논문까지 그 모습은 다양하다.
AI 내성 65 🧬생명 그 자체를 연구하는 과학자. 린네가 손으로 종을 명명하던 시절부터 크리스퍼로 유전체를 편집하는 오늘날까지, 모든 아이디어를 살아있는 생물체에 비추어 검증한다.
AI 내성 64 🧪물질 그 자체를 만들고 측정하는 과학자 — 바빌로니아 타푸티의 증류기에서 오늘날 로봇 실험실에 이르기까지, 스펙트럼이 의미하는 바를 결정하는 것은 여전히 사람이다.
AI 내성 70 📊데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.
AI 내성 38 🧮바빌로니아 서기관에서 필즈상 수상자와 AI 보조 증명까지: 어려운 질문을 영구적 확실성으로 바꾸는 직업, 정리 하나하나마다.
AI 내성 70