AI 공부 전, AI 기술 도입 전, AI 기술 활용 전
막연한 기대와 두려움을
불식시켜 줄 명쾌한 기술 교양서

잘 만들어진 AI를 활용해 가치를 창출하고 싶은 사람이라면 굳이 어려운 수학과 코딩에 대해 알 필요는 없다. 대신 대량의 데이터를 수집하고 AI 모델을 어떻게 학습시킬 것인가에 대해 전략적으로 고민해야 한다. 이 책은 AI 기술을 도입하기만 하면 무엇이든 할 수 있을 거라는 막연한 기대보다는 실제 AI 기술을 제대로 이해하고 활용할 수 있도록 AI 기반 지식을 쉽고 재미있게 알려준다. 책을 다 읽고 나면 저자의 통찰은 물론 AI 활용에 대한 인사이트를 얻을 수 있다.

한양대학교 소프트웨어학과를 졸업하고 삼성 리서치를 거쳐 스캐터랩에서 근무하며 AI 챗봇 이루다 서비스를 만들었다. 데이터를 분석해 유용한 인사이트를 발굴하는 것에 관심이 있고 이런 기술을 바탕으로 다양한 분야를 경험하며 사는 것이 목표이다. 지식을 쉽고 재미있게 설명하는 것에 가치를 느껴 강의와 책 집필을 하고 있다.

1장. AI, 어디까지 발전했나 : 대표적인 AI 기술 소개

1.1 대화하는 AI: 람다
____AI에 의식이 있다고?
____첫 등장부터 남달랐던 람다
____르모인과 람다의 대화

1.2 그림을 그리는 AI: 미드저니와 달리
____미술 대회에서 수상한 미드저니
____이미지 생성 AI의 시초 달리
____달리의 발전

1.3 단백질 구조 예측 AI: 알파폴드
____센세이션을 일으키며 등장한 알파폴드
____단백질 구조 예측의 의미와 알파폴드의 성과

1.4 생성형 AI: 챗GPT와 GPT-4
____구글 검색을 위협하며 등장한 챗GPT
____한층 업그레이드된 GPT-4의 등장
____생성형 AI가 미칠 영향
____빅테크 기업의 LLM 경쟁

1.5 영상을 만드는 AI: 소라
____사실적인 영상을 만들어주는 소라
____소라의 다양한 기능
____소라의 잠재력

[하나 더 알기] 챗GPT의 가능성과 한계

2장. AI, 어떤 원리로 학습하나 : AI 모델을 학습시키는 법

2.1 AI 모델이란
____AI 모델의 개념
____AI 모델의 동작 원리

2.2 학습이란
____학습과 추론
____학습 데이터셋 구성 방법
____학습의 원리: 역전파

2.3 학습의 성질
____데이터셋이 많을수록 학습이 잘 된다
____잘못된 데이터가 많으면 학습에 방해된다
____데이터셋을 다양하게 구성해야 한다
____데이터가 불균형하면 학습에 방해가 된다
____학습 시 과적합 현상을 주의해야 한다

2.4 학습을 위한 인프라
____AI 모델에 GPU를 사용하는 이유
____GPU 클라우드 서비스
____AI 반도체 경쟁

[하나 더 알기] 딥러닝의 역사

3장. 생성형 AI란 무엇인가 : 생성형 AI의 작동 방식

3.1 챗봇의 개요
____챗봇이란
____문맥과 답변

3.2 검색 기반 챗봇
____검색 모델의 작동 방식
____검색 모델의 학습 데이터셋
____검색 기반 챗봇의 장점
____검색 기반 챗봇의 단점

3.3 생성 기반 챗봇
____생성 모델의 작동 방식
____생성 모델의 학습 데이터셋
____생성 기반 챗봇의 장점
____생성 기반 챗봇의 단점

3.4 챗GPT에 대한 오해
____챗GPT는 최신 정보를 다 알고 있다
____챗GPT는 정답만 말한다

[하나 더 알기] 오픈 LLM 리더보드

4장. AI, 어떻게 사용될까 : 주요 기업의 AI 활용 사례

4.1 추천 서비스: 유튜브
____유튜브 알고리즘의 원리
____추천 알고리즘의 부작용

4.2 수학 문제 풀이 앱: 콴다
____콴다 앱의 데이터 보관 방법
____콴다 앱의 자연어 처리 기술
____콴다 앱의 챗GPT 도입

4.3 중고 거래 앱: 당근마켓
____카테고리 예측
____어뷰징 판별
____추천 서비스

[하나 더 알기] 딥러닝의 연구 분야

에필로그