← 목록으로

브라이언 커니핸: 벨 연구소 이야기, 최고의 프로그래머, C가 성공한 이유 [영상]

요약
  • 브라이언 커니핸은 벨 연구소에서의 경험을 바탕으로 켄 톰슨과 C 언어의 성공 요인을 회고했습니다.
  • 벨 연구소는 AT&T의 안정적인 수익을 기반으로 연구자들이 외부 압박 없이 장기적인 연구에 몰입할 수 있는 환경을 제공했습니다.
  • C 언어는 효율성과 표현력의 균형을 통해 유닉스의 확산을 도왔으며, 개발자의 실질적인 불편을 해결하며 발전했습니다.
  • 벨 연구소는 안정적인 통신 사업 수익과 장기적인 평가를 바탕으로, 연구자가 외부에서 정한 목표나 마감에 얽매이지 않고 관심 있는 문제를 탐구할 수 있었던 환경
  • 자신이 만난 최고의 프로그래머로 켄 톰슨을 꼽으며, 가족이 집을 비운 3주 동안 편집기·어셈블러·운영체제를 만들었던 초기 Unix 개발 일화를 회고
  • C는 제한된 하드웨어에서 효율성과 표현력의 균형을 맞췄으며, Unix의 생산적인 개발 환경과 서로의 확산을 도운 관계
  • awk와 make는 다른 사람에게 필요할 것을 추측하기보다 개발자 자신이 겪는 불편을 해결하면서 탄생했으며, 동료들이 서로의 도구를 사용하며 개선
  • LLM의 영향을 판단하기에는 아직 이르지만, 생성된 코드의 정확성과 목적 적합성을 검증할 전문성은 여전히 필요하며, 학습 과정에서 사람과 교류할 기회가 줄어드는 점도 우려
Bell Labs의 설립 목적과 연구 기반
  • Bell Labs는 AT&T의 연구 조직으로, 전화 서비스를 개선하는 데 필요한 지식을 확보하기 위해 설립됨
    • Kernighan은 설립 시점을 1923년 또는 1925년 무렵으로 기억하며, 초기에는 New York에 자리했음
    • 1960년대 초반 New Jersey의 Murray Hill로 중심을 옮겼으며, 연결된 건물들에서 약 3,000명이 일했음
  • 연구 범위는 물리학, 반도체, 화학, 광섬유, 수학 등으로 넓었고, 컴퓨팅이 미래의 중요한 요소라는 인식과 함께 컴퓨터 관련 연구도 커짐
  • 트랜지스터, 정보이론, 오류 정정 코드 등의 성과 덕분에 물리과학과 통신 분야에서 이미 높은 명성을 누림
    • Shannon, Hamming, Nyquist 같은 인물들이 연구소의 매력을 높였음
    • 연구자들은 대학 연구자와 같은 학술지에 발표하고 같은 학회에 참석하며 공동 연구를 수행했으므로, 기업에 들어가도 학계와 단절되지 않았음
    • 컴퓨팅 분야는 아직 초기였지만 이러한 환경의 혜택을 함께 받음
인턴십에서 시작된 입사
  • Kernighan은 1964년 Princeton 전기공학 대학원에 들어갔으며, 당시에는 컴퓨팅과 AI에 관심이 있었지만 분야를 잘 알지는 못했음
  • 1966년 MIT의 Project MAC 인턴십에서 초기 시분할 시스템인 CTSS를 사용해 막 시작하던 Multics용 소프트웨어를 개발함
  • 1967년에는 Bell Labs에서 Doug McIlroy와, 1968년에는 그래프 분할 문제를 다루는 또 다른 인턴십을 진행함
    • 그래프 분할 알고리듬과 몇 가지 특수 사례를 연구한 뒤 학위논문을 빠르게 마무리함
    • 졸업 후 일주일을 쉬고 1969년 Bell Labs에 정식으로 합류했으며, 약 2000년까지 근무함
  • 두 차례 인턴십에서 사람과 연구 환경이 마음에 들어 다른 진로를 고려하거나 별도의 취업 면접을 보지 않았음
    • Princeton과 Bell Labs 사이의 인적 연결, 앞서 MIT에서 좋은 평가를 받은 Princeton 인턴의 영향도 있었을 것으로 봄
컴퓨터과학이 독립 분야가 되기 전
  • 1967년 첫 인턴십 첫날, 옆 사무실의 Richard Hamming이 먼저 점심을 제안함
    • 식사 후에야 그가 직전 학기 수치해석 수업에서 사용한 교재의 저자이자 오류 정정 코드 연구자임을 확인함
    • 당시 컴퓨팅은 자체적인 학문 체계와 보상 체계를 아직 충분히 갖추지 못했음
  • Princeton에서도 전통적인 전기공학 분야의 원로 교수들과 컴퓨팅에 관심을 둔 젊은 연구자들 사이에 간극이 있었음
    • Kernighan의 기억으로는 기존 교수진이 새 분야를 충분히 이해하지 못해 젊은 컴퓨팅 연구자들이 정년보장을 받기 어려웠음
    • 한동안 지도교수였던 John Hopcroft도 당시 Princeton에서는 정년보장을 받기 어려웠을 것으로 보며, 이후의 Turing Award 수상과 Cornell에서의 경력과는 대조적임
장기 연구를 가능하게 한 경제 구조
  • AT&T는 전국 대부분에 전화 서비스를 제공하는 규제된 공공 독점기업이었으며, 안정적인 수익 기반을 갖췄음
    • 요금은 주정부와 연방정부 등의 규제를 받았음
    • 투자에 대한 일정한 수익을 보장받는 대신 외딴 지역을 포함해 광범위한 지역에 서비스를 제공함
  • 수익의 일부를 서비스 개선을 위한 연구에 투입했으며, Kernighan이 든 1~2%는 실제 확인한 비율이 아니라 예시로 만든 수치임
  • 안정적이고 예측 가능한 수익과 경쟁 부재 덕분에 연구소는 수년 단위의 시도를 허용할 수 있었음
    • 여러 연구자의 아이디어 중 일부가 실패하더라도 전체적으로는 유용한 결과가 나올 수 있다는 방식이었음
연구자의 일상과 평가 방식
  • 연구자들의 기본 직함은 엔지니어보다 Member of Technical Staff, MTS였음
    • 출근 시간은 아침부터 오후까지 다양했고, 개인 사무실에서 문을 열어둔 채 프로그램이나 수학 문제를 연구함
    • 동료와 칠판 앞에서 토론하고, 긴 복도를 오가며 대화하고, 내부 또는 외부 연구자의 기술 발표에 참석함
  • 대학과 비슷하지만 학생 없이 동료들과 연구에 전념하는 환경이었음
    • 자신의 연구에 더 많은 시간을 쓸 수 있었지만, 학생이라는 새로운 세대에게서 얻는 자극은 부족했음
  • 외부에서 정한 마감, 프로젝트, 목표는 없었지만 연간 평가는 존재함
    • 연구자는 한 장의 종이 한 면에 성과를 정리했으며, 이를 농담으로 “I am great report”라고 불렀음
    • 1차와 2차 관리자가 함께 기여도를 논의해 대략적인 순위나 동등한 평가 집단을 만들고, 상위 조직에서도 같은 과정을 반복함
    • 몇 년간 아무 성과가 없으면 드러났지만, 진행 중이거나 아직 성과가 나지 않은 연구도 장기적으로 평가함
  • 평가는 보너스보다 연봉 인상분 배분에 연결됨
    • 관리자는 자기 부하의 성과만 옹호하기보다 다른 관리자가 놓친 기여까지 짚어주는 협력적인 태도를 보였음
    • 분기 실적이 아니라 연구 자체를 이해하고 판단하는 기술적으로 활발한 사람들이 평가를 맡았음
  • 기술적 전문성은 실제 기여와 그럴듯한 포장을 구분하는 데 중요했음
직함, 승진, 관리자의 역할
  • 서로 이름을 부르며 박사나 교수 같은 호칭을 쓰지 않았고, 직함의 중요성은 낮았음
    • 다만 MTS 외에도 실험실 기술자와 지원 인력이 있었으므로 모든 직원의 역할이 같았던 것은 아님
    • 물리학 연구자는 실험 지원 인력을 둘 수 있었지만, Kernighan은 자신의 컴퓨팅 작업을 돕는 별도 인력을 두지 않았음
  • 부서장, 디렉터, 상위 디렉터, 부사장 등의 관리 계층이 있었지만 연구 조직은 비교적 평평했음
    • 많은 연구자는 승진을 좋아하는 기술 작업에서 멀어지는 일로 여겨 피하려 했음
    • 이런 회고는 주로 1960년대 후반부터 1980년대 초반까지의 환경에 해당함
  • 관리자는 연구 방향을 지시하기보다 연구를 이해하고 공정하게 대변하는 역할을 맡음
    • 성과 평가에서 기여를 설명하고, 관련 연구를 하는 동료를 연결하고, 성공 가능성을 높일 피드백을 제공함
    • 관리자로 성장하고 싶은 일부 직원은 관리 책임과 승진 구조가 더 전통적인 개발 조직으로 옮기기도 함
  • Kernighan은 다른 조직의 관리직 제안을 거절하다가 약 1981년 자신의 조직에서 부서장이 됨
    • 약 10명의 서로 다른 연구를 이해하고 설명해야 했으며 회의도 늘어, 연구만 하던 때만큼 즐겁지는 않았음
특별한 동료들, Thompson과 McIlroy, Hamming
  • 동료들의 미래 수상이나 장기적 영향력을 예측한 것은 아니지만, 서로의 결과물을 직접 사용하면서 실력과 유용성을 체감함
    • Unix는 일상적인 컴퓨팅 환경이었고, 동료들이 만든 언어와 도구도 업무에 사용함
  • Ken Thompson은 Kernighan이 만난 최고의 프로그래머임
    • 1969년, 18비트 워드 약 8K 규모의 구형 PDP-7에서 디스크 작업을 다루던 중 아내와 아들이 3주간 California에 간 사이 편집기, 어셈블러, 운영체제를 혼자 구현함
    • Kernighan은 당시 다른 컴퓨터에서 어셈블리 코드를 작성하고 종이테이프로 옮겨 실행했을 것으로 추정함
  • Doug McIlroy의 구현 능력과 건설적인 기술 비평

    • 첫 인턴십에서 Kernighan에게 저장공간 할당 관련 일을 맡겼지만, 다른 주제로 옮겨가도 간섭하지 않았음
    • 학위논문의 외부 심사자로서 글과 연구 내용을 크게 개선했으며, 이후에도 동료의 작업을 평가하고 다듬는 역할을 지속함
    • Unix의 sort와 diff, 초기 PL/I 컴파일러, 매크로 아이디어, 언어 설계 등 여러 작업에 기여함
    • Thompson의 부서장으로서 일을 지시하기보다 연구를 이해하고 날카로운 피드백을 제공함
  • Hamming의 영향력과 컴퓨팅에 대한 예측

    • Hamming은 직속 부하가 없는 부서장 지위를 얻음
    • Kernighan은 이를 행정 부담 없이 필요한 영향력을 확보한 경우로 봄
    • Hamming은 컴퓨터가 연구의 중요한 수단이 되어 언젠가 연구의 절반 이상을 차지할 것이라고 일찍 예측했지만, 당시에는 비웃음을 사기도 함
기술 설명과 Unix 시연
  • AT&T의 Unix 홍보 영상에서 Kernighan은 비전문가에게 Unix가 무엇이며 왜 유용한지 설명하는 역할을 맡음
    • 1970년대 후반 또는 1980년대 초반으로 기억하며, Unix가 외부에 알려지기 시작하던 시기였음
  • 기술을 쉽게 전달하려면 상대가 모르는 상태를 상상하고 적절한 비유와 사례를 선택해야 함
    • 수업에서는 청중의 반응을 보고 설명을 조정할 수 있지만, 영상에서는 즉각적인 피드백이 어려움
  • 방문객에게는 파이프를 통한 프로그램 조합을 철자 검사로 시연함
    • 문서에서 단어를 추출하고 소문자로 바꾸고 정렬한 뒤 사전과 비교해, 사전에 없는 단어를 찾음
    • 6~7개 프로그램을 연결해 하나의 작업을 수행하는 예시였음
  • CIA 국장 William Colby 방문 때는 느린 실행을 피하려고 전날 결과를 파일에 저장함
    • 실제 시연에서는 잠시 기다린 뒤 저장된 결과를 출력하는 셸 스크립트를 실행했으며, 시연을 그대로 믿어서는 안 된다는 일화로 남음
C가 성공한 이유
  • C는 효율성과 표현력의 적절한 균형을 잡음
    • 1972년 무렵의 초기 환경은 메모리 약 24KB, 디스크 약 0.5MB로 기억할 만큼 자원이 제한적이었음
    • 언어가 작고 단순해 PDP-11 명령으로 어떻게 번역될지 이해하기 쉬웠고, 컴파일러 구현도 비교적 직접적이었음
    • 동시에 필요한 작업을 효과적으로 표현할 수 있었음
  • 초기의 자원 제약 때문에 복잡한 런타임 기능과 검사를 많이 넣기 어려웠음
    • 운영체제 구현이라는 원래 목적상 필요하지 않은 기능도 있었음
    • 오늘날에는 용도에 따라 C보다 적합한 언어가 많음
  • Unix와 C의 공생 관계가 확산을 촉진함
    • Kernighan에게 당시 Unix는 상용 운영체제보다 쓰기 쉽고 생산적이며 즐거운 환경이었음
    • Unix를 사용하는 사람이 C로 프로그램과 도구를 만들고, 그 도구가 다시 Unix의 가치를 높였음
awk, make, grep의 탄생
  • 1970년대 중반의 awk는 서로 다른 관심사를 결합해 탄생함
    • Al의 정규식, Peter Weinberger의 데이터베이스 및 보고서 생성, Kernighan의 문자열과 숫자를 모두 자연스럽게 다루려는 관심이 모임
    • 언어 설계 후 Weinberger가 주말 동안 초기 구현을 만들었으며, 기존의 Yacc, Lex, 정규식 코드 덕분에 작업량을 줄일 수 있었음
    • 이후 점진적으로 발전했고, Weinberger가 유지보수에서 물러난 뒤 Kernighan이 이를 이어받음
  • 많은 Unix 도구는 자신에게 필요한 것을 만드는 방식으로 시작함
    • 기존 프로그램이 맞지 않거나 수작업을 반복하고 싶지 않을 때 새로운 도구를 만들었음
    • 다른 사람이 무엇을 원할지 추측하는 접근과는 달랐음
  • make는 파일 하나를 다시 컴파일하지 않아 프로그램이 작동하지 않은 문제에서 출발함
    • Stu Feldman이 재컴파일 자동화를 주말 프로젝트로 구현했고 며칠 만에 사용자가 생김
    • 사용자가 빠르게 늘면서 초기 설계의 실수도 고치기 어려워졌으며, awk에도 돌아보면 바꾸고 싶은 설계가 있음
  • grep이라는 이름은 ed 편집기의 명령 구문에서 나옴
    • 정규식과 일치하는 모든 행에 명령을 적용하는 g와 출력 명령 p를 결합한 형태에서 유래함
Bell Labs가 변하면서 사라진 환경
  • 가장 그리운 것은 뛰어나고 친절하며 함께 일하기 즐거운 동료들임
    • 지금도 일부와 연락을 유지함
  • 당시에는 새롭게 시도할 일이 많아 비교적 손쉽게 발견할 수 있는 기회가 풍부했음
    • 오늘날에도 비슷한 기회가 있을 수 있으며, AI가 그에 해당할 가능성도 있지만 자신은 충분히 알지 못한다고 봄
  • AT&T가 어려움을 겪고 분할을 반복하면서 Bell Labs는 더 작은 조직들로 쪼개지고 자금도 줄어듦
    • 다양한 연구자가 모인 통합적인 환경이 약해졌고, 연구비 확보 같은 업무를 해야 하는 보다 일반적인 기업 조직으로 변함
수업과 발표의 기술
  • 약 1996년 Harvard에서 안식년을 떠난 Margo Seltzer의 CS50을 대신 맡아 처음으로 대규모 수업을 진행함
  • 첫 수업에서는 학생들의 지시에 따라 수염을 다듬는 시연으로 컴퓨터에 정확하게 명령하기가 왜 어려운지 보여줌
    • Seltzer가 사용하던 땅콩버터와 잼 샌드위치 만들기 시연을 바꾼 것임
    • 가위부터 전동 울타리 절단기까지 여러 도구를 가져와 학생들이 작업을 안내하게 함
  • 대학원생 때는 발표가 어려웠지만, Bell Labs에서 물리학 연구자들에게 Fortran을 가르친 경험으로 두려움을 극복함
  • 발표에 익숙해지려면 작은 집단부터 실제로 말하는 연습을 반복하는 것이 좋음
    • 청중을 친구처럼 생각하거나 반응이 좋은 한 사람에게 집중하는 방법이 도움이 될 수 있음
    • 수업은 이해 여부를 확인하고 설명을 바꾸기 쉬워 특히 좋은 연습 환경임
LLM과 교육, 줄어드는 컴퓨터과학 전공자
  • LLM이 교육에 순이익인지 순손실인지는 아직 판단하기 어려움
  • Princeton 주변에서 학생들이 교수나 조교의 상담 시간에 덜 찾아온다는 이야기를 여러 사람에게 들음
    • 학생들이 LLM에서 답을 얻기 때문으로 추정하지만, 직접적인 원인을 확인한 것은 아님
    • 대면 대화의 풍부한 정보 교환과 인간적 관계가 줄어드는 것은 손실로 봄
    • 교수가 학생을 알게 되면서 연구나 일자리 기회를 연결해줄 수 있는 관계도 약해질 수 있음
  • 전공자 감소로 수업이 다소 작아지면서 학생과 더 많이 접촉할 수 있다는 이점도 있음
    • 다른 학과로 옮긴 학생 중 일부는 여전히 컴퓨터과학 수업을 듣기 때문에 전공자 감소만큼 수강 인원이 줄지는 않음
  • 2026년 봄 졸업 전공자는 200명 이상이며, 그로부터 2년 뒤 졸업할 학생은 절반 미만일 가능성이 있음
    • 80~90명 정도일 수 있다는 추정도 했지만, 전공 확정 시점이 달라 아직 불확실하며 해당 숫자는 순전히 추측임
    • 이동은 주로 전기 및 컴퓨터공학, 기계 및 항공우주공학 쪽으로 보이며, 하드웨어와 로봇공학이 LLM에 덜 대체될 것이라는 인식과 관련이 있을 것으로 봄
  • 학생들의 취업 걱정은 이해하지만 프로그래머가 더 이상 필요 없다는 말은 지나친 단순화로 봄
    • 학생들이 과잉 반응하고 있을 가능성도 있지만 확신하지는 않음
영화 출연과 연구소의 장난들
  • Princeton으로 이사한 직후인 약 2001년, A Beautiful Mind의 공개 모집에 참여해 시상식 장면의 단역으로 출연함
    • 반사를 피하려고 안경을 벗고 평소 입지 않던 정장을 입었으며, Newark의 공연장에서 약 22시간 촬영함
    • 출연료도 받았고, 이 경험으로 Erdős 수 3과 Bacon 수 2를 합친 Erdős–Bacon 수 5를 갖게 됨
    • 이후 실제 John Nash를 여러 번 만났으며, 수학과 내부 발표 도중 Nash가 들어왔을 때는 드물게 발표 긴장감을 느꼈음
  • Go 저장소에 있는 1972년자 초기 커밋 이야기는 인터뷰에서 처음 들음
    • 내용을 보고 B로 작성한 Hello World 예제임을 알아봤지만, 왜 Go 이력에 들어갔는지는 알지 못함
    • 자신은 훨씬 뒤에 Git을 사용하기 시작했으며, 버전 관리의 전개로 SCCS, RCS, CVS 등을 회고함
  • 사원증 착용 의무에 대한 조용한 반발로 가상의 직원 Grace Emlan과 가짜 사원증이 만들어짐
    • 이 가상 인물은 한동안 회사 공식 기록에도 들어갔고, 작은 모형이 사원증을 달고 Unix 방에 놓였음
    • Kernighan은 Mickey Mouse 그림을 넣은 사원증을 착용했으며, Bill Gates를 만날 때도 사용했지만 아무도 알아차리지 못한 듯함
  • 오래된 저장 자료에서 동료들의 비밀번호가 복원된 사건도 있었음
    • 자신의 비밀번호는 빨리 입력하기 쉬운 /.,/., 형태였음
    • 정확한 암호화 방식과 파일이 Berkeley 쪽 자료로 옮겨간 경로는 확신하지 못함
    • 당시에는 비밀번호의 필요성을 크게 느끼지 않아 별다른 주의를 기울이지 않았음
책을 쓰는 이유와 컴퓨팅의 전환점
  • 집필은 비전문가에게 설명하는 즐거움을 주고 자신도 배우게 하며, 직접 만나지 못하는 사람에게도 영향을 줄 수 있는 방법임
    • 수업은 소매에, 책은 도매에 비유할 수 있음
    • 한 권을 쓰고 나면 다음 책을 쓰게 되는 측면도 있음
  • 신간 Shifts는 컴퓨팅의 중요한 아이디어와 변화를 다루며, MIT Press에서 1월에 출간될 예정임
    • 정확한 출간 연도는 대화에 나오지 않음
  • 책에서 다루는 변화에는 아날로그에서 디지털로의 전환, 프로그램 내장형 범용 컴퓨터, 트랜지스터에서 집적회로로의 발전, 프로그래밍 언어의 진화가 있음
  • AI와 LLM은 진행 중이고 변화가 빠르며, 비전문가까지 영향을 직접 느끼고 관심을 보인다는 점에서 다른 전환들과 구별됨
    • 미래가 어떻게 전개될지는 매우 불확실함
코드 생성의 편리함과 검증 문제
  • 박사학위논문을 담은 천공카드는 세 상자, 약 30파운드였으며, 그런 매체는 전혀 그립지 않음
  • 반면 직접 코드를 작성하면서 얻는 지적 도전과 문제 해결의 즐거움은 중요함
    • 최근 C 수업을 준비하며 포인터와 메모리 관리 등을 다시 생각하는 과정이 즐거웠음
    • Python에서도 비슷한 즐거움을 얻을 수 있지만, LLM에 생성을 맡기는 일이 같은 경험인지는 회의적임
  • 생성된 프로그램도 작동 여부, 효율성, 실제 요구와의 일치를 확인해야 함
    • 처음 원했던 기능 자체가 적절했는지 되돌아보는 작업도 필요함
  • Institute for Advanced Study의 비프로그래머 동료를 돕기 위해 주로 Claude로 자연어 질문을 SQL로 변환하는 작업을 진행함
    • 자신의 관찰로는 약 90%는 적절한 쿼리, 10%는 완전히 잘못된 답을 만들지만, SQL 전문가가 아니어서 둘을 확실하게 구분하기 어려움
    • 이는 정식 성능 평가가 아니라 개인적인 사용 경험에 따른 수치임
  • 도메인 전문성과 검증 방법이 필요하지만, 큰 프로그램을 혼자 완벽하게 확인하기도 어려움
    • AI로 테스트를 생성하면 다시 그 테스트를 검증해야 하므로, 검사자를 누가 검사할지의 문제가 이어짐
  • 생산성 향상과 사고 능력을 덜 연습하게 되는 문제 사이의 균형은 아직 불확실함
    • 자신은 고숙련 AI 사용자가 아니며, 현재의 판단도 몇 주나 몇 달 뒤에는 맞지 않을 수 있다고 봄
    • 학생에게 무엇을 가르쳐야 미래의 개발 업무에 적응할 수 있을지 교수진도 명확한 답을 갖고 있지 않음
AI 이후의 개발과 Fortran의 선례
  • LLM이 언젠가 완벽해질 것이라는 전제에는 동의하지 않으며, 크게 개선되더라도 결과를 평가할 사람이 필요할 것으로 봄
  • 어셈블리에서 컴파일러와 고수준 언어로 이동했듯, AI도 추상화 수준이 높아지는 또 다른 단계일 수 있음
    • 무엇을 만들어야 하는지 판단하고 도구를 올바른 방향으로 이끄는 일은 남을 것으로 예상함
    • 더 흥미로운 제품을 만들 기회도 생길 수 있음
  • 한 졸업생의 회사는 LLM을 자연어 번역, 주로 사용자 인터페이스 관련 번역에 활용함
    • 모델이 개선되면 기존 고객에게 더 나은 서비스를 제공할 수 있는 구조라고 봄
  • Fortran 개발 당시에도 자동 생성 코드의 품질이 중요한 우려였음
    • John Backus와 IBM 팀은 사람이 작성한 어셈블리보다 비효율적이면 받아들여지지 않을 것을 걱정해, 우아함보다 번역 결과의 효율성을 중시함
    • 컴파일러가 사람이 놓친 최적화를 찾아내기 시작하면서 가능성을 확인함
  • Fortran은 물리학자나 화학자가 배우기 쉬웠고 여러 기계로 프로그램을 옮길 수 있는 장점이 있었음
    • 일부는 어셈블리 작성 기술을 아쉬워했겠지만, 많은 사람에게는 결과를 얻는 것이 더 중요했음
언어 취향과 awk 유지보수
  • 일상적인 작은 프로그램에는 awk, 더 큰 작업에는 Python을 주로 선택함
    • Python은 자신의 작업에 충분히 빠르고 표현력이 좋음
    • 오래된 프로그램을 수정하거나 수업을 준비할 때는 C도 사용함
  • 과거 수업에서는 임의 길이의 입력을 최대 약 60자 길이의 줄로 재배치하는 프로그램을 20여 개 언어로 작성해 비교함
    • 자신의 구현들에서는 awk가 약 15줄로 가장 짧고 상당히 빨랐으며, C가 가장 빨랐지만 문자열과 메모리 관리가 번거로웠음
    • Perl은 스크립트 언어 중 빨랐고, Java는 스크립트 언어보다 느렸으며, C++도 기대만큼 빠르지 않았음
    • 이는 특정 과제와 자신의 구현 경험에 대한 비교임
  • 처음 접한 Lua는 약 30분 만에 구현했지만, Haskell은 몇 주가 걸림
    • 입력과 출력의 단위가 다른 문제를 자신이 이해한 Haskell 방식에 맞추기 어려웠음
    • 전문가의 라이브러리 사용 조언을 받고 속도를 개선했으며, 이는 언어 자체에 대한 일반적인 비판이 아니라 자신의 이해와 취향 문제임
  • 최근 awk에 UTF-8과 CSV 처리를 추가한 이유도 실제 필요였음
    • 현대의 많은 텍스트를 올바르게 처리하고 싶었고, 자신이 가진 CSV 데이터를 기존 awk로 다루기 불편했음
    • awk 책의 2판 작업이 두 개선의 계기가 되었으며, 코딩 자체의 지적 즐거움도 계속 작업하는 동기임
관심사를 찾는 법과 준비된 우연
  • 무엇에 열정을 느끼는지 찾으려면 방 안에서 생각만 하기보다 가능한 한 다양한 일을 해보는 것이 좋음
    • 직접 경험하지 않으면 자신에게 맞는 일을 우연히 발견하기도 어려움
    • Hamming의 “Just say yes”처럼 새로운 제안을 상식적인 범위에서 시도해볼 수 있음
  • 다만 한 사람에게 맞는 진로 조언이 다른 사람에게도 맞는 것은 아님
  • 자신의 경력은 구슬이 여러 못에 부딪혀 내려오는 Galton board와 비슷하며, 많은 부분이 우연에 좌우되었다고 봄
  • 그럼에도 “우연은 준비된 정신을 돕는다”는 말은 유효함
    • 더 많은 것을 생각하고 궁금해하고 조금씩 시도하며 사람을 만날수록, 그중 하나가 자신을 좋은 방향으로 이끌 가능성이 커짐
그냥 목록으로
원문 보기 ↗