[리뷰] 핸즈온 생성형 AI

핸즈온 생성형 AI - GPT, 라마, 뮤직젠, 스테이블 디퓨전으로 배우는 트랜스포머와 확산 모델 활용법
오마르 산세비에로 외 지음, 장윤경 옮김 / 한빛미디어 / 2025년 6월

다양한 생성형 AI 모델을 빠르게 활용할 수 있는 방법은 물론 내재된 근간 원리에 대한 설명도 간결하다. 무엇보다 실전에서 발생하는 다양한 시행착오와 경험을 꼼꼼하게 수록한 점이 돋보인다.

텍스트, 영상, 음성 전반을 아우르는 트랜스포머, 스테이블 디퓨전과 U-Net, 멀티모달과 CLIP 등의 생성형 AI 모델의 원리와 활용법을 다룬 책이다.

핸즈온 시리즈가 가지는 특징답게 원리를 빠르게 파악할 수 있다는 장점 외에도 빠르게 베이스 라인 코드를 구축하여 실무에 적용할 수 있도록 구성된 점이 돋보이는 장점이다.

특히, 저자들은 허깅페이스에서 근무하는 만큼 실무에 필요한 다양한 모델들을 실무적으로 소개하는 것은 물론 하나의 파트를 할애하여 파인튜닝 기법을 소개하고 있다.

파인튜닝의 일반적인 7단계 과정을 하나씩 실습하며 진행하면 전반적인 감을 잡을 수 있다. 그 과정에서 지시 기반 파인튜닝과 같은 성능을 개선하는 디테일한 방법도 놓치지 않고 소개하고 있어 마음에 들었다. 설명의 분량이 부족할지언정 실무에서 필요한 과정 하나하나 놓치지 않고 짚어주는 부분은 책의 또 다른 별미이다.

허깅페이스 커리어 배경 덕분에 잘 알지 못했던 모델들을 다양하게 접해볼 수 있다는 점도 장점이다.

다른 서적의 경우 보통은 텍스트 기반의 파인튜닝 기법 정도만 소개하는 반면 다소 다양한 방법론이 존재하는 스테이블 디퓨전 파인 튜닝을 소개하고 있는 것도 반가웠다.

멀티모달이 대세인 만큼 텍스트, 영상, 음성 어느 한 영역에 집중하지 않고 다양한 모델들을 다루고 CLIP과 같은 모델과 더불어 멀티모달의 개념에 대해서도 설명하고 있다.

그 외에도 생성형 AI의 근간이 된 트랜스포머나 VAE 등의 모델을 다루고 핵심 원리를 전달하고 있어 활용의 깊이를 더해주고, 검색 증강 생성(RAG) 기법까지 연계하여 실무에 마주할 수 있는 다양한 실전 팁을 제공한다는 장점이 있다.

핵심 기본 개념은 주로 파트1에 소개되는데 트랜스포머를 비롯 무엇하나 빠질 수 없는 중요한 개념이다. 이 기본 구성요소에 대한 이해 없이는 Gen AI를 깊이있게 파악하고 미세조정하기 어렵기 때문에 반드시 숙지해야 하는 개념이다.

텍스트 분야에서 트랜스포머를 설명했다면, 이미지 분야에서는 GAN부터 U-Net과 같은 스테이블 디퓨전의 핵심 모델의 개념과 원리를 설명한다.

다만, 실전 중심으로 선 구현 후 조정하는 경우 먼저 파트2 이후를 읽고 나중에 파트1을 읽어도 될 것 같다. 잠재공간 탐색은 생성형 AI에서 활용되는 주요 원리임에도 당장의 서비스 구현에는 필요하지 않기 때문이다.

후반부에 이르면 바늘찾기와 같은 맥락 검색 평가 기법을 소개하며 검색의 품질을 높이는 방법들이 제시되는가 하면, 추론 서버와 학습 서버 각각의 메모리 요구사항과 같은 디테일한 부분도 잘 전달하고 있어 온프레미스 방식의 구축에 다양한 해법을 준다.

텍스트-이미지 모델의 경우 세부적으로 들어가면 리얼리티나 품질을 위한 다양한 기능이 존재하기 마련인데 인페인팅이나 컨트롤넷과 같은 다양한 기법들이 빠지지 소개되고 있어 유익했다.

실무를 경험하며 저자들이 중요하다고 생각했거나 시행착오를 거친 주요 자료들의 핵심을 잘 정리한 느낌이다.

음성 파트의 경우 텍스트, 이미지 파트에 비해 파인튜닝 기법도 소개되지 않고 9장 한장 정도에 소개되어 있어 약간의 아쉬움도 있지만 파형 변환과 같은 필수적인 내용이 담겨있어 유익하다.

대신, 향후 연구해보면 좋을 데이터셋이나 모델 등 필요한 부분은 꼼꼼하게 챙겨주고 있다.

요약하자면, 클라우드 기반보다는 온프레미스 기반으로 LLM을 구축하여 활용하는 실무 진영에 더욱 도움되는 책으로 빠르게 Gen AI 기술을 익히고 구현해 보고 싶은 실무자들에게 일독을 권하고 싶다. 이 베이스 라인 코드들을 기반으로 조금 더 기술과 연구를 가미한다면 괜찮은 생성형 AI 기반의 서비스를 제작 및 제공할 수 있을 것이다.

[리뷰] 연구대회 바이블

연구대회 바이블 - 네이밍부터 수업 설계, 통계 분석, 보고서 디자인, 입상을 가를 한 끗까지
김태령 외 지음 / 프리렉 / 2023년 11월

연구대회에 필요한 A to Z를 다룬책 자체로도 최고의 평을 내리고 싶은 책이지만, 이 책은 모든 연구 입문자에게 도움이 되는 그 이상의 가치가 담긴 책이다.

기본적으로 본 도서는 교원 연구대회에 참여하고 싶은 전국의 교사분들을 위한 가이드로 연구 및 연구대회에 관련된 내용을 담고 있다.

단순히 연구대회에 대한 소개나 일정을 소화활 수 있는 팁을 담은 것을 넘어서 상당한 챕터를 할애하여 연구의 본질부터 다룬다는 점이 인상적이다.

연구란 기본적으로 인류가 그동안 개척해 온 지식의 바운더리를 한 발 더 확장시키는 개념인데 이에 대한 정의부터 패러다임 체계를 상세히 언급하고 있어 연구대회 목적이 아닌 연구 입문자들에게도 큰 도움이 되는 책이다.

석사 과정생, 연구 실적을 필요로 하는 직장인을 넘어 연구를 미리 체험하고 싶은 중고교 과정의 학생에 이르기까지 다양한 계층의 입문자들을 위한 가이드는 그동안 본적이 없는 것 같다. 비싼 대학원의 학위 과정을 거치지 않아도 연구의 세계로 인도해주는 매우 귀한 책이다.

연구가 무엇인지 다룬 이후에는 교육 연구 분야에 특화된 연구 방법론과 보고서 혹은 논문 작성법이 등장한다. 그저 연구대회에 대한 언급만이 아닌 그 출발점인 연구에 대해 깊이있는 통찰을 매우 쉽게 기술한 점은 여러번 극찬해도 모자람이 없다.

이어 연구대회가 무엇인지 소개하는데, 일목요연하게 표로 잘 정리되어있다. 이 다양한 연구대회 사례 중 본 도서는 교육 정보화 연구대회, 수업 혁신 사례 연구대회, 인성교육 실천 사례 연구발표 대회, 교육 방송 연구대회, 교육자료전 등 통 5개의 대회에 대해 깊이있게 다룬다.

각 연구대회에 대한 소개에 그치지 않고 심도 있는 연구 결과를 위한 통계 모델을 다루고 분석하는 방법을 다루고 있어 더욱 매력적인 책이다. t-검정이나 p-value와 같은 통계학에서 파생된 개념들이 실제 사례로 무엇을 의미하는지 매우 쉽게 예제로 개념을 전달하고 있다.

이어 앞서 언급한 큰 5개의 대회에 대해 참여하는 방법부터 입상하는 법에 이르는 다양한 팁들이 구체적으로 담겨있는데 그 중에서도 가장 주목할 점은 저자들이 실제 입상한 자료를 조금의 누락도 없이 그대로 공개하고 있다는 점이다.

이 자료들을 벤치마킹하는 것만으로도 실적 달성에 좋은 가이드가 될텐데 본 결과물을 작성하는데 이르는 저자들의 생각과 방법론을 저자 직강으로 엿볼 수 있으니 이보다 뛰어난 구성이 가능할까 싶다.

이 정도 수준만으로도 이미 극찬하고 싶은데 아래와 같이 교육자료를 만드는데 필요한 도구까지 디테일하게 떠먹여주니 이보다 완벽한 책은 찾기 힘들겠다는 생각이 들었다.

뿐만 아니라 이 책은 단순히 연구대회 참여자들만을 위한 책이 아니다. 샐러던트는 물론 특히 학생들이 꼭 읽어봤으면 하는 책이기도 하다.

학생들이 본 도서를 통해 얻을 수 있는 이점은 두가지가 있을 것 같다. 하나는 순수히 연구 진로를 지망하는 학생들의 연구력 향상이 될 것이고, 다른 하나는 교육을 티처 관점에서 바라보며 단순히 학업 수행을 넘어 스스로의 미래 개척에 정반합적인 시각을 보유할 수 있을 것이다.

일례로 AI를 연구하는 나로써는 딥러닝 학습에 활용되는 미분 연쇄 개념을 배울 때 충격을 받았다. 고교 시절 미분 연쇄를 배울 때만 하더라도 빨리 풀기 위한 소거 개념으로만 받아들였는데 나중에 연구 분야에 참여하다보니 이 매커니즘을 이용해서 딥러닝의 출력층에서 은닉층 그리고 최종적으로 입력층으로 학습 결과를 전달하는 오차역전파법이라는 방식으로 활용할 수 있음을 깨닫고는 우리의 교육방식이 한참 잘못되었다는 깨달음을 얻을 수 있었다.

이처럼 누군가를 올바른 방향으로 가르치려는 다양한 시도를 학생 입장에서 직접 경험해본다면 스스로의 인생을 설계하는데 있어 차원이 다른 비교우위를 확보할 수 있을 것이다. 한 번 사는 인생인만큼 더욱 소중하게 스스로의 방향을 자리매김 할 수 있을 것이다.

이처럼 완벽한 연구 입문서를 발간하신 저자분들과 출판사 관계자 분들께 경의를 표하며 연구는 인생에 언제나 필요한 영역인만큼 기회되는 독자 누구나 이 책을 곁에두고 연구의 세계에 입문할 것을 권하고 싶다.

[리뷰] 59가지 통계학 궁금증 완전 정복

59가지 통계학 궁금증 완전 정복 - 데이터 분석가가 궁금해 할 통계의 모든 것
황성원 지음 / 길벗 / 2025년 5월

난이도 높은 통계학의 핵심 개념을 직관적으로 쉽게 기술한 책. 저자의 내공과 실전 경험에 기반한 인사이트가 담겨있다.

AI 기술의 대중화로 인해 또 이런 멋진 책을 읽을 수 있게되어 기쁘다. 특히, 통계학에 통달한 분들도 좀처럼 쉽게 전달하지 못하는 난해한 주제들을 돌직구로 전달하는 저자의 카리스마에 경의를 표하고 싶다.

통계를 공부하다보면 왠만큼 머리 좋은 사람도 막히는 첫 진입 장벽들이 있다. p-value, likelihood, 최대우도추정, 재현율 등이 그것인데 설사 본인은 이해를 한다고 해도 타인에게 전달할 수 있는 능력까지 갖춘 전문가는 좀처럼 찾기 힘들다.

저자의 학력, 해외 학위 경험이나 실무 경험 등이 돋보이는 책이었는데 내가 알기로는 이 삼박자가 갖춰지지 않으면 통계의 난해한 개념을 잘 전달할 수 없다고 생각한다.

우선 통계의 용어 자체가 어렵다. 난 아직도 likelihood를 왜 우도로 번역한건지 이해가 가질 않는다. AI 커뮤니티에서도 대부분의 사람들이 지적하는 부분이기도 하다.

뿐만이랴. 본문에서도 등장하지만 번역서마다 정규화, 정칙화, 규제화, 표준화 들이 혼동되어 사용되고 있고 또 벡터, 통계, 실험 등 각 맥락마다 쓰이는 의미가 약간씩 다른데 그 맥락을 전달하는 책도 드물다.

서양권에서 태어난 용어나 개념들이 어설픈 중국의 번역을 거치고 그 용어를 우리나라가 차용하는 단계에서 원래 의미를 직관적으로 전달하지 못하는 용어들이 많다.

이는 통계의 본 고장인 미국이나 서양권의 원어를 그대로 흡수한 학자가 아니면 한국어로의 그 의미나 개념을 제대로 전달하기 어려운 부분이다. 또한, 실무 경험과 연구 양쪽의 밸런스를 모두 갖춰야 편향되지 않게 제대로 전달할 수 있는데 챕터16만 읽어도 이러한 저자의 내공이 돋보인다.

표지나 분량을 보면 통계학의 교양서로 착각하기 쉽지만 이 책은 전문서적이다. 아니, 정확히는 다루는 내용은 전문서인데 전달력은 교양서라고 할 수 있으니 이 부분이 이 책만이 가지는 독특한 차별화된 장점이다.

이 책에 담긴 내용은 통계학의 핵심이며 AI까지 연결되는 매우 중요한 개념이다. 보통 교양서라하면 p-vlaue에 대한 설명을 건너뛴다든지 likelihood와 같은 용어는 잘 전달하지 않는데 통계를 어려워서 포기하게 되는 난해한 개념들을 어떻게든 수식에 값을 넣어 산수처럼 풀어보고, 직관적인 그림으로 개념 이해를 돕고, 최대한 우리말로 풀어써 상식 수준으로 이해하게끔 도와준다.

예를 들면 아래와 같이 p-value를 직접 계산해보면서 감을 잡는 부분이 좋은 예시이다. p-value는 통계 패키지나 R과 같은 언어를 사용하면 적분 개념을 이용하여 쉽게 자동화 계산해주기에 편리하기도 하지만 그만큼 입문자에게는 손으로 계산해 볼 수 있는 기회를 빼았는 단점도 있다.

동전의 앞면이 나올 확률이라는 단순한 문제를 바탕으로 이항분포의 확률변수에 따른 확률값을 토대로 동전을 10번 던져 8번이 앞면이 나올 확률을 토대로 통상의 p-value 0.5와 비교하다보면 귀무가설이 무엇인지 그리고 작은 것을 왜 좋다고 표현하는지 등의 개념을 확실하게 습득할 수 있다.

심슨의 역설과 같이 중요한 개념도 놓치지 않고 다룬다. 아래 그림과 같이 전체 관점에서는 우하향하는 선형관계를 자세히 들여다보면 남학생, 여학생 그룹별로 우상향하는 관계를 파악할 수 있다.

물론 이와 같은 현상은 샘플데이터가 적었을 때 의미있는 이슈가 되겠고 요즘과 같이 빅데이터와 AI 기반으로 모집단 자체를 학습할 수 있는 컴퓨팅 파워를 보유한 시점에는 쉽게 파악해 낼 수 있는 부분이다.

그런점에서도 이 책의 장점이 돋보이는데 전통적으로 통계학에서 중요시 여겼던 귀무가설 검정이 쇠퇴하고 최대우도추정이 힘을 얻게 된 배경도 소개하고 있어 배우는 개념마다 장단점 혹은 트렌드를 쉽게 파악할 수 있다.

책의 전달력을 높이는 요소로 저자의 내공과 전달력이 가장 중요하겠지만 시각화도 이에 못지 않은 장치이다. 그림과 같이 라쏘나 릿지의 개념을 파악하는데 노름의 다양한 형태를 시각적으로 전달하고 시각화를 기반으로 최적의 해를 구하는 개념 설명은 그 어떤 책보다 쉽게 풀이한 것 같다.

분산안정화 또한 실험을 진행하다보면 측정 오류 등의 이슈로 흔히 발행하는 문제인데, 직관적으로 분산이 평균에 의존하지 않게 하는 개념이라는 점과 로그 변환 수행등의 솔루션을 제시하고 있다.

통계를 익히는 또 하나의 고비 재현율과 관련해서도 상당 부분을 할애해 직관적으로 쉽게 설명하고 있어 인상적이었다. ROC 곡선을 x축, y축 관점으로 해부하면서 각각의 의미를 파악하고 아래 그림과 같이 이진 분류의 케이스별 성능 평가 방법을 정리하는 일련의 과정이 돋보인다.

정리하자면 그동안 이해하기 어려웠던 개념들을 이해하며 아 이게 그 의미였구나 탄식하며 읽는 내내 재미를 느꼈다. 내가 확실하게 이해하고 있다고 자부하는 부분까지 또 다른 각도로 개념마다의 진의를 파악할 수 있는 기회를 얻을 수 있었다. 마치 후배를 생각하는 멋진 선배님의 무공 비급을 얻은 느낌이라고나 할까?

얼마전 머신 러닝 마스터 클래스라는 책을 읽고 리뷰했는데 그에 준하는 멋진 책이 등장해서 정말 기분이 좋다.

AI의 코어를 담당하는 통계의 진의를 이렇게 쉽고 재미있게 익힐 수 있는 책들이 계속 쏟아졌으면 좋겠다. 그간의 시행착오를 이토록 쉽고 편하게 전달해주는 선배 저자분들께 감사를 표하며 리뷰를 마친다.

[리뷰★] RAG 마스터 : 랭체인으로 완성하는 LLM 서비스

RAG 마스터 : 랭체인으로 완성하는 LLM 서비스 - 멀티모달·그래프 RAG·에이전트·파인튜닝까지
브라이스 유 외 지음 / 프리렉 / 2025년 4월

RAG 고도화 전략에서 LLM 파인튜닝에 이르는 RAG 기술을 총 망라한 책. 전달력과 가독성이 일품이다.

RAG 기술을 다룬 책 중 가히 최고점을 줘도 손색이 없는 책이다. 물론 번역서 중 이 책 수준의 훌륭한 책이 여럿 있지만 한국인 저자가 직접 집필한 책이라 특히 전달력과 가독성 부분에서는 만점을 주고 싶은 책이다.

다루고 있는 기술의 범위 또한 방대하여 최근 등장한 MCP, A2A를 제외하면 LLM 활용 기술의 거의 모든 것이 녹아있다. 저자들의 연구 수준이 돋보일 정도로 이론적으로도 완성도가 높고, 실무적으로는 다양한 예시와 경험이 담겨있어 독자의 시행착오를 크게 줄여준다.

지금까지 기술서를 최소 1천권은 넘게 읽었고, 리뷰만 해도 300권 가까이 작성을 해 왔는 데 그중 최고 레벨에 해당하는 전달력과 가독성을 자랑한다. 다른 기술서들도 이 책의 전달력과 가독성을 교본 삼았으면 좋겠다는 생각이 든다.

책은 크게 세 부분으로 나뉜다. 전반부 1~3장은 RAG와 Langchain 등 LLM을 활용하는 데 필요한 기본 기술을 다룬다.

전반부의 돋보이는 장점은 마치 라이브 코딩 강의를 보는 듯한 구성이다. LangChain 모듈이 발전해 온 과정을 추적하면서 실습 또한 이전 코드 대비 향상된 기능의 핵심만 쉽게 파악할 수 있도록 구성되어 이해하기가 쉽다. 이 과정을 통해 핵심을 제외한 코드들을 반복적으로 확인할 수 있기에 자연스럽게 LLM 활용 기술을 숙달할 수 있다.

예를 들면 OpenAI() 클래스를 LangChain 모듈의 ChatOpenAI() 클래스로 대체하는 예제를 수행하며 어떤 방식으로 종속성을 탈피할 수 있는지 확인할 수 있도록 차이점을 중심으로 예제를 수행하고 발전의 트렌드를 이해하기 쉽도록 핵심 개념을 전달한다.

책의 가독성을 높이는 대표적인 수단으로는 위에서 설명한 바와 같이 핵심 개념의 흐름을 체계적으로 정리하는 것 외에도 좋은 그림과 예시를 드는 방법이 있다. 아래 그림은 챗봇 실습을 진행할 RAG 구성도를 보여주는데 지금까지 봐 온 그 어떤 그림 보다도 핵심만 명쾌히 전달하는 느낌을 받을 수 있었다.

또한, 후반부와 연계된 기술을 초반에 미리 설명하여 전체적인 체계를 쉽게 잡을 수 있게 도와준다. 단순히 전반부에 임베딩 API를 사용하는 것을 넘어 다양한 임베딩 전략을 소개하고 이를 파인튜닝 할 경우 비용 절감과 같은 이득을 취할 수 있음을 소개한다.

벡터DB의 경우도 단순히 책쓰기 편한 크로마 같은 예제를 실습하고 마는 것이 아니라 다양한 벡터DB의 장단점을 살펴보고 이에 대한 레퍼런스 출처도 제공한다.

더불어 실무에 있어 시행착오와 소요 시간을 최소화 할 수 있도록 저자들의 다양한 경험이 소개된다. LLM과 연관된 생태계 기술인 Streamlit, Pyngrok과 연계하여 서비스를 쉽게 구성할 수 있는 방법이 소개된다.

에코 기술은 다른 책에도 흔하게 소개되는 부분이지만 아래 그림과 같이 매우 디테일한 부분까지 안내되고 있는 점이 돋보인다. 저자들이 실무 경험을 통해 시간이 많이 소요된 부분, 시행착오에 걸렸던 부분들을 놓치지 않고 짚어주는 꼼꼼함이 인상적이었다.

중반부는 RAG 고도화 전략이 핵심이다. 기본적인 RAG를 뛰어넘어 성능을 고도화하는 다양한 기법과 더불어 그래프 RAG, 랭그래프, 리액트 에이전트 기술을 다룬다.

RAG 고도화 파트는 주요 전략들을 일목요연하게 정리하여 초반에 체계를 잡는데 도움이 되며 각 전략별로 실습을 수행하다보면 자연스레 성능을 개선할 수 있는 스킬을 숙달할 수 있다.

Self RAG나 자체교정 RAG 파트만 봐도 다른 레퍼런스들은 쓸데없이 복잡하게 설명하여 지루한 반면 이 책은 이론적으로 핵심만 잘 요약하여 전달하며 실습을 통해 나머지를 이해할 수 있도록 구성한다.

더불어 추후 필요시 논문이나 다른 이론과 연계하여 서비스를 확장할 수 있도록 도와준다. 본문에 반영하기엔 너무 방대한 기술이지만 추후 서비스 확장 혹은 또 다른 해결책을 찾을 때 도움이 될 수 있는 연계 연구자료가 군데군데 수록되어있어 실무에 매우 유익했다. 아래 그림과 같이 그리닝 기법의 연구 내용 소개가 그 예시이다. ![Gleaning]](https://theorydb.github.io/assets/img/review/review-book-rag-master-10.png)

후반부는 파인튜닝이 핵심이다. 개인적으로는 실무에서 궁극적으로 파인튜닝 LLM을 로컬에서 도입할 예정인데, LLM Qwen 파인튜닝 실습 부분은 로컬 LLM 전반을 이해하는데 많은 도움을 받을 수 있었다.

임베딩 파인튜닝 부분 또한 연계하고자 하는 LLM과 호환만 된다면 불필요한 토큰 비용을 줄일 수 있는 부분이라 관심이 많았는데 저자들의 경험을 기반으로 한 성능 개선에서 평가에 이르는 절차가 꼼꼼하게 소개되어있어 유익했다.

결론적으로 이 책은 LLM 활용 기술의 범위, 전달력과 가독성, 이론과 실무의 완성도, 경험과 노하우를 통한 시행착오의 최소화 등 다양한 측면에서 만점에 가까운 책이다.

그동안 다른 RAG 도서를 읽어도 진입장벽을 뛰어넘지 못했거나, API 레퍼런스에 소개된 기술 정도는 익히고 있으나 그 이상 넘어가지 못했던 독자들에게 특히 도움이 될 것이며 그 외에도 RAG를 다루는 모든 독자에게 도움이 될거라 확신한다.

[리뷰] 인공지능은 생각하지 않는다

인공지능은 생각하지 않는다 - 인공지능에 관한 꼭 알아야 할 오해와 진실 ㅣ 좋은 습관 시리즈 51
김송규 지음 / 좋은습관연구소 / 2025년 5월

AI 시대 인간의 역할에 대한 근본적인 고찰이 담긴 책.

• 인공지능의 시대에 인간은 무엇을 해야 할까?
• 뭘해야 먹고 살 수 있을까?
• 왜 인공지능을 배우려고 하는가?
• 무엇을 위해 사는가?
• 언제 가장 행복한가?

요즘처럼 질문이 중요한 시대가 없었던 것 같다. 질문은 시대를 관통하여 언제나 중요한 것이었지만 아이러니하게도 AI가 발전할 수록 인간은 보다 인간적인 것이 무엇인지 그 질문에 대한 답을 더 명확하게 내어 놓아야 하는 시기가 된 것 같다.

AI 시대 인간이 무엇을 해야 할지 너도 나도 막막해 하지만 일단 표면적으로 달라진 일상을 살펴봐도 예전에는 좋은 답을 구하는데 노력했다면 이제는 AI의 프롬프트 창에 더 좋은 질문, 더 명확한 질문을 던져 더 고급진 대답을 얻는 스킬이 필요해졌다.

AI가 모든것을 답해주는 이 시점에도 AI에게 질문을 잘하지 못하면 좋은 답이 돌아오진 않는다. 또, AI의 대답 또한 100%는 믿지 못한다. AI는 어디까지나 확률 모델에 지나지 않으니 할루시네이션 현상을 온전하게 피하기 위해선 답변에 대한 사람의 검증이 개입된다.

이러한 사실로 유추해 볼 때 역설적으로 인간은 인간에 대해 더 잘 알아야 하는 것 같고, 그 외적인 영역 또한 AI보다 더 잘 알아야 하는 시대가 된 것 아닌가 싶다.

저자는 이 책을 통해 AI와 인간의 본질에 대해 그간의 경험과 연구자로써의 통찰을 바탕으로 다각도로 조명한다. 개인적으로 가장 인상깊었던 관점은 인간에 대한 고찰이다.

흔히 사람들은 다가온 AI 시대의 위기감을 어떻게 극복할지에 대한 질문에 이어 AI가 못하는 것에 집중하는 것 같다. 그 틈새를 파고드는 것은 당연한 전략적 수순이나, 사실 AI의 등장으로 인해 인간이 무엇을 더 못하게 될지 혹은 더 잘해야 할지는 잘 살펴보지 않는 것 같다.

사실 AI가 제아무리 뛰어나도 신이 아닌 이상 못하는 것은 있을 것이다. 나아가 AI가 우리에게 영향을 미칠 것은 자명하다. 사람은 결국 어떻게 변하게 될까? 그것이 인간에게 해로운 방향이라면 우리는 무엇을 주의해야 할까?

이렇듯 저자는 사람들이 간과하기 쉬운 다각도의 관점, 고찰, 질문을 던짐으로써 독자로 하여금 AI 시대 인간의 해법을 도출할 수 있는 깊은 사유의 공간을 제공한다.

종종 까먹고 살지만 사실 살다보면 정말 중요한 원칙들이 있다. 뻔하다 못해 식상한 “지피지기 백전백승”, “타인을 바꾸려 하지 말고 나를 바꿔라”와 같은 원칙들이 그러하다.

손자병법으로 칭해지는 지피지기는 목적을 달성하기 위해 최소한으로 놓치지 말아야 할 피아식별을 정리해보면서 중요한 프레임을 놓치지 않게 도와주는 원칙이다.

적어도 AI가 뭔지, 나(인간)은 뭔지 알아야 하고 그로 인해 각자가 원하는 것은 무엇인지 생각하다보면 막막한 여정의 실타래가 조금씩 풀리는 듯한 자신감이 생긴다.

이런 원칙들은 이 책에 소개된 것은 아니지만 내가 종종 즐겨 찾는 원칙들로 결국 AI를 바라보는 관점에 대한 출발선이나 프레임이 다를 뿐 저자와 비슷한 결론에 도달한다.

앞서 언급했듯 지금은 질문과 검증이 중요한 시기이기에 저자와 같이 저명한 학자의 견해일지라도 난 내 나름의 도구를 이용해서 철저히 검증하며 읽었다.

AI 대비 인간의 강력한 도구가 있다면 그것들 중 하나는 아마 습관인 것 같다. 김연아나 한 분야의 장인, 명인으로 빗대어 소개했든 그냥 꾸준히 하다보니 경지에 오르는 것은 습관의 힘이다.

나 역시 AI 분야에 몸담은 종사자로써 보다 나 자신과 인간에 대해 스스로에게 질문하는 횟수가 늘었다. 그러다보니 습관에 어느정도의 해법이 있다는 결론에 이르렀고 요즘 가장 흔하게 내 몸에 자리잡은 습관은 질문을 던지는 습관이다.

• 지금 AI를 쓰고 있는가?
• 지금 나오는 결과물은 생성형인가? ing인가? 멀티버스인가?
• AI를 왜 사용하는가? 나는 무엇을 위해 사는가?

AI 시대를 살아가는 방법에 대한 나름의 해법이다. 그리고 세번째 질문은 저자의 관점과 같아 책을 읽으며 반가움이 들기도 했고 한편으로는 방향이 영 잘못된 것 같지는 않아 안도감이 들기도 했다.

이 책에는 사람이 앞으로 살아가야 할 다양한 방향과 조언이 담겨있지만 그 중에서도 유독 눈에 띄는 것이 두가지 있다. 하나는 인문학의 중요성에 대한 강조이고, 다른 하나는 보다 전문가가 되어야 한다는 조언이다.

인문학은 원래 중요한 것이지만 이미 스티브 잡스가 약 20년 전 강조했던 부분이기도 하다. 20년이 흘렀고 AI가 등장한 시점에서도 각광받는 인문학은 시대를 관통하는 진리인데 사람들은 그 중요성은 커녕 그 정의조차도 잘 모르는 것 같다.

주위를 둘러봐도 그저 문과의 한 영역이라는 선입견이 지배적인데 우리 교육 구조의 문제점의 반증이기도 하겠지만 스스로의 발전을 위해서는 인문학이 그저 문과의 과정인지, 인간과 문학에 대한 고찰인지, 나아가 저자의 관점처럼 인간과 관련된 학문에 과학과 언어(관계)가 더해진 개념인지는 이 책을 읽으며 생각의 호흡(본문 중 등장하는 저자의 인상적인 표현)을 깊게 가져갔으면 하는 바램이다.

또한 AI가 신이 아닌 이상 여전히 못하는 영역은 존재한다. 사람은 그 영역을 채우면 그만이다. 그러기 위해 나는 시간이 중요하다고 생각한다. AI가 떠먹여주는 일들은 AI에게 맡기거나 시키고 내 시간은 AI가 할 수 없는 영역에 집중하는 것이 당연한 수순이다.

그 외에도 릴스니 숏츠니 하는 도파민을 자극하는 중독에서 해방될 수 있는 좋은 습관을 갖고, AI에게 없는 자아(개인적으로는 자유의지의 존재 여부를 고찰했었다) 여부에 따라 AI의 환상에 되려 인간이 할루시네이션을 유발하는 일에 대한 경계에 대한 조언 등 저자의 다양한 관점이 담겨 있어 유익했다.

AI 시대에는 더 깊은 생각이 필요하다. 이 책은 그런 사유의 장을 마련하기에 제 격이다. 급변하는 현재와 미래에 한숨을 쉴 시간이 있다면 이런 부류의 책을 읽으며 더욱 깊은 생각에 잠겨보는 것은 어떨까 싶다. 적어도 이런 질문에 대한 답은 AI가 내려줄 수 없는 아직까지는 인간 고유의 영역이기 때문이다.

---

• 책소개 - 인공지능은 생각하지 않는다