|
제1부 · AI의 지도
사과 한 개에서 챗GPT까지, 인공지능의 큰 그림 들어가며 외우지 말고, 그림을 그리세요 1장 인공지능은 마법이 아니에요 2장 기계가 '배운다'는 것 3장 특징을 스스로 찾다 4장 기계는 어떻게 배우는가 5장 컴퓨터가 말을 읽는 법 6장 어텐션과 트랜스포머 7장 문장을 짓는 기계 8장 똑똑하지만 완벽하진 않아 제2부 · LLM 엔진 해부 챗봇은 어떻게 글을 쓰는가: 토큰화부터 트랜스포머, RAG·에이전트까지 여는 글 큰 그림 먼저 - 한 문장을 끝까지 따라갑니다 1장 글이 숫자가 되고, 의미를 얻기까지 더하기 트랜스포머 이전 - 기억하며 한 단어씩 읽던 기계 2장 순서를 알고, 단어끼리 대화하기 3장 여러 관점으로 보고, 혼자 생각 정리하기 4장 깊이 쌓고, 드디어 단어를 뱉다 5장 모델마다 뭐가 다를까, 그리고 앞으로 6장 AI에게 '오픈북 시험'을 허락하기 - RAG 7장 두뇌에 손발 달기 - 에이전트와 도구 사용 8장 골라 쓰기 - 프롬프트 vs RAG vs 파인튜닝 닫는 글 그림을 그렸으니, 이제 만들 차례 부록 용어 사전 · 점검 · 해설 |
|
시중에 AI 용어를 나열한 입문서는 넘친다. 그러나 데이터의 정의에서 출발해 GPT가 문장을 생성하는 원리까지를 하나의 서사로 꿰어 주는 책은 드물다. 이 책은 '코리'라는 캐릭터를 내세워 과일 가게의 일상에서 머신러닝·딥러닝·트랜스포머·RAG·에이전트까지 도달하는 구성을 취한다. 개념이 등장할 때마다 "왜 이것이 필요했는가"를 이야기의 흐름 안에서 납득시키기 때문에, 독자는 용어를 외우는 것이 아니라 맥락 속에서 이해하게 된다.
2부의 설계가 주목할 만하다. "도서관 몇 시까지 열어요?"라는 하나의 한국어 문장이 토큰화·임베딩·어텐션·소프트맥스를 거쳐 출력에 이르기까지의 전 과정을 관통 예문으로 추적한다. 추상적이기 쉬운 LLM 내부 구조를 하나의 구체적인 흐름 위에 고정시킨 것으로, 비전공자를 위한 해설 전략으로서 효과적이다. 수식을 완전히 배제한 것은 이 책의 가장 뚜렷한 선택이자 한계이기도 하다. 큰 그림을 잡는 데는 탁월하지만, 이후 논문이나 구현 코드로 넘어가려면 별도의 학습이 필요하다. 다만 저자 역시 이 점을 분명히 인식하고 있다. 닫는 글에서 "설계할 수 있으면 만들 수 있다"며 이 책의 역할을 '지도 그리기'로 한정하고, 다음 단계는 독자에게 맡긴다. 범위를 스스로 제한함으로써 오히려 책의 정체성이 선명해진다. AI 관련 학과 진학을 준비하는 학생에게는 첫 번째 안내서로, 생성형 AI를 업무에 도입하려는 실무자에게는 원리를 압축적으로 파악하는 경로로, AI 리터러시 교육을 설계하는 교육자에게는 커리큘럼 참고 자료로 활용할 수 있을 것이다. |