랭체인 & 랭그래프로 AI 에이전트 개발하기

랭체인 & 랭그래프로 AI 에이전트 개발하기 - 현직 AI Specialist에게 배우는 LLM Agents! 랭스미스, 오토젠, AutoGPT, 크루AI, 라마인덱스, M365 코파일럿 에이전트까지
서지영 지음 / 길벗 / 2025년 3월

LLM 활용 기술들을 실제 코드 구현으로 가장 쉽고 빠르게 파악할 수 있도록 구성된 입문서

랭체인을 비롯한 LLM 활용 기술들의 개념을 익히고 코랩 기반으로 간단하게 실습해보면서 결과를 확인할 수 있도록 구성된 입문서이다.

이 책의 단연 돋보이는 특징은 난이도와 전달력이다. 일단 PC등에 설치 환경 구축 등의 과정을 피할 수 있어 입문자나 초보자가 코드를 실행하기 용이하도록 구성되어있다.

캐글 등의 데이터 관련 경진대회를 진행하다보면 베이스 라인이라는 기본 뼈대를 잡고 성능을 개선해나가는데 이 책의 예제는 그런 베이스 라인 예제를 배우는 단계로 보면 된다.

그렇기에 등장하는 예제들이 매우 심플하고 직관적이어서 이해하기 쉬울뿐더러 가장 중요한 기능만 담아 코드량을 줄였기 때문에 실습을 따라오는데 전혀 무리가 없고 랭스미스 등의 핵심 기술들의 굵직한 개념등을 체계적으로 파악하기에 용이한 구성이다.

7장까지는 전반부로 볼 수 있는데 AI 활용에 필요한 기술에 대한 개념을 도식과 예제로 설명하고 있어 난이도가 매우 쉽다.

핵심부분은 8장부터 진행되는데, 8장은 다양한 프레임워크를 활용하여 에이전트를 직접 구현할 수 있는 장이다. 랭체인, AutoGPT, 오토젠, 라마인덱스, 크루AI, 랭그래프 등 다양한 프레임워크를 사용해보면서 장단점을 한눈에 비교하기 좋게 구성되어있다.

이후 후처리 작업에 해당하는 랭스미스를 실습하는데 디버깅, 모니터링, 성능평가 등을 실습하며 향후 이 핵심기술들을 어떻게 활용해야 할지 큰 그림을 그리는데 필요한 알짜배기만 담아내고 있다는 점이 특징이다.

마지막으로 M365 코파일럿과 에이전트의 비교 파트가 등장한다. 저자의 타깃 독자층을 가장 쉽게 파악할 수 있는 부분이다.

M365의 경우 프로그래밍을 버튼 기능으로 최소화 할 수 있다는 것이 특징이지만, 그만큼 서비스 제공에 있어 자유도가 떨어지고 학습에 활용할 자료를 클라우드에 업로드해야 하는 제약 사항이 발생한다. 하지만 노코드 기반의 서비스 구현을 원하는 일반인에게는 꽤 쓸만한 선택지가 될 수 있다.

코랩에서 실습하기 때문에 이 책은 특히 비전공자나 프로그래밍을 잘 모르는 일반인도 왠만하면 따라할 수 있을 것 같다. 상세한 그림으로 어떤 버튼을 눌러야 하는지까지 상세하게 안내하고 있어 사실 프로그래밍의 특정 지식을 요하지 않도록 잘 구성되어 있다.

일반인들도 코딩을 어느정도 할 수 있는 시대가 된만큼 입문자 수준의 전공자와 더불어 LLM 활용의 첫걸음을 내딛기에 최적화된 서적이라 할 수 있다.

[리뷰] 제대로 시작하는 챗GPT와 AI 활용 with 파이썬

제대로 시작하는 챗GPT와 AI 활용 with 파이썬 - 프롬프트 엔지니어링부터 음성 인식, 이미지 생성, 챗봇, 웹 서비스까지
에이먼 엘 암리 지음, 대니얼WJ 옮김 / 한빛미디어 / 2025년 3월

현존하는 생성형 AI 모델 대부분을 쉽게 실습해보며 빠르게 활용법을 파악할 수 있다. 임베딩, 파인튜닝, RAG, Agent 같은 난이도 있는 기술도 핵심만 빠르게 흡수할 수 있도록 도와준다.

LLM의 중요한 장점 중 하나는 일반인이 프로그래밍 세계로 진입하는데 장벽을 매우 낮춰준다는 점이다. 덕분에 이 책에서 다루는 내용과 같이 일반인도 LLM의 도움을 받아 기존에 엄두도 내지 못했던 기능을 구현할 수 있게 되었다.

다른 리뷰에서도 작성했지만 현시점만 놓고 봤을때 사실상 AI의 중요한 본질은 정량화, 비정형 데이터의 해석력에 있다고 생각한다. 비정형 해석 장벽이 낮아지면서 자연어로 프로그래밍 혹은 서비스를 만들 수 있는 가능성이 높아졌다.

이 책은 OpenAI 진영의 비정형 데이터를 해석할 수 있는 다양한 모델들을 실습해보는 예제이다.

그렇기에 눈에 띄는 장점은 다음 세가지를 들 수 있다. 첫번째로는 일반인이 따라갈 수 있는 난이도, 두번째로는 생성형 AI 모델의 전체 기능을 빠르게 훑을 수 있다는 점, 세번째로는 예시 기반으로 하니씩 실행해가며 쉽게 따라할 수 있다는 점을 들 수 있다.

첫번째 장점은 저자가 서문에서도 밝힌 바와 같다. 기반 지식이 부족해도 자신만의 지식시스템을 구축하고자 독자에게 상당한 도움이 될 수 있는 책이다.

대부분의 DevOps 환경 구성을 감춰줄 수 있는 구글 코랩 환경에서 실습이 이뤄지고, 초보자가 요금 폭탄을 맞는 실수를 피하기 위해 다양한 모델의 세부적인 가격까지 안내할 정도로 친절한 설명이 이어진다.

물론 Python의 예제가 등장하여 프로그래밍을 해 본 독자라면 더 좋겠지만, 일단 프로그래밍을 모르더라도 깃허브에 올라온 예제를 그대로 필사하는 정도만으로도 원하는 기능을 구현하는데 큰 무리는 없을것이다.

사실상 말이 프로그래밍이지 OpenAI의 API를 호출하는 형식의 코드가 대부분이기에 바둑으로 따지면 거의 외길 수순이다. 그대로 따라하면 큰 문제없이 수행된다.

더불어 중간 중간 중요한 개념들은 자세하게 설명하며 짚어나가고 있기에 대략적인 개념 정도는 잡으며 실습할 수 있을 것이다. 예를 들어 아래 그림과 같이 프롬프팅이 무엇인지 개념도와 예시 설명을 들고 있다.

초반부 프롬프팅과 같은 간단한 예제를 살펴보았다면 중반부에는 다양한 AI 모델을 체험할 수 있도록 구성되어 있다. DALL·E 모델을 활용하여 텍스트로 이미지를 생성해본다든가, 이미지를 합성해 보고, TTS나 이미지 분류 등을 실습하며 다양한 LLM의 활용법을 빠르게 익힐 수 있다.

이 책은 OpenAI 중심의 모델을 주로 다루고 있지만, 부록을 참조하면 클로드와 같은 또 다른 진영의 AI 활용 실습을 진행해 볼 수 있다는 점도 장점이다.

다만, 후반부에 해당하는 15장 임베딩 파트부터는 일반인이 따라하기에는 다소 벅찰 수도 있다. 그래도 예제대로 실습을 따라하며 주요 개념만 파악해보겠다는 자세로 진행하면 상당히 많은 지식을 얻을 수 있을것이다.

임베딩의 경우 사실 개념상으로는 별게 없다. 이 세상의 자연어와 같은 텍스트를 단순히 숫자(조금 더 표현하면 벡터)로 변환해 주는 것이다.

이를 통해 컴퓨터가 알아들을 수 있게 숫자로 변환이 가능해진다는 점, 나아가 코사인 유사도와 같은 수학적 도구를 사용할 수 있다는 점이 큰 특징인데 이를 통해 벡터 공간에 포진된 두 개념의 유사도를 구할 수 있고 이로써 LLM은 정규표현식에서 한걸음 더 나아간 의미 기반 검색도 가능해진다.

다음의 예제는 임베딩의 개념을 아주 깔끔하게 소개해주는 예제이다. 입력된 자연어가 숫자 그것도 벡터 형태로 변환되어 출력되고 있음을 볼 수 있다.

여기서 한걸음 더 나아가면 독자가 보유한 자체 데이터로 기존 모델을 파인튜닝 할 수 있게 된다. 기능적인 측면만 놓고 봤을때는 나만의 별도 모델을 얻는 셈이다.

이 또한 일반인이 따라할 수 있을 듯 싶다. 파인튜닝 또한 OpenAI API에게 맡겨버리기 때문이다. 대시보드를 통해 아래 그림과 같이 모니터링 및 결과 확인이 가능하다.

또한 부록을 포함하여 후반부에는 다양한 재미있는 예제들이 등장한다. 예를들면 스트림릿과 깃허브를 이용하여 건강상담 챗봇을 구현하는 예제가 그러하다. 둘 다 AI시대 각광받는 플랫폼이기에 비전공자들이 프로그래밍 세계에 진입할 수 있는 호기심 어린 좋은 예제라 생각한다.

그 외에도 RAG, Agent의 핵심 코드 정도를 다루고 있어 이 두 개념의 핵심을 빠르게 파악할 수 있는 예제도 등장한다. 최근 등장한 A2A, MCP와 같은 기술을 제외하고 굵직한 개념 정도는 이 책을 통해 실습 및 파악할 수 있는 셈이다.

결론적으로 이 책은 일반인, 기획자, 경영자에게 매우 많은 도움을 줄 수 있을 것 같다. 물론 개발자중에도 AI를 거의 접해본 적이 없다면 빠르게 현존하는 AI 모델의 특성을 파악하고 기획하는 서비스에 어떻게 활용할지 판단하는데 매우 큰 도움이 될 것이다.

랭체인으로 실현하는 LLM 아키텍처

랭체인으로 실현하는 LLM 아키텍처 - LLM 애플리케이션 아키텍처 설계와 실전 개발 퀵 가이드
조대협 지음 / 프리렉 / 2024년 8월

RAG, 에이전트 등 LLM 중심 기술의 핵심 개념을 심플하게 담아낸 책으로 관련 기술을 빠르게 실전에 적용하는데 도움이 된다.

LLM, RAG, 에이전트 기술을 다룬 책이다. 저자가 그 유명한 조대협님이신데, 역시 대협님의 글 답게 핵심 개념이 심플하게 잘 정리되어있고 중요한 개념이 빠지지 않게 기술되어 있다.

책이든 블로그이든 저자의 글을 읽으면 복잡한 개념을 단권화한 느낌이 강하게 든다. 본인이 새로운 기술을 익히면서 핵심을 정리한 느낌인데 이 책 또한 그런 방식이 개인적으로 마음에 드는 부분이다.

책은 크게 전반부와 후반부로 나뉜다. 3장까지의 전반부는 LLM과 그 주변 기술의 간략한 기능적 개요를 다룬다. 실습은 코랩으로 진행하기에 DevOps 부분을 신경쓰지 않아도 되어서 쉽게 따라할 수 있고 LLM은 구글의 제미나이를 활용한다.

이 책의 장점과 다루는 핵심은 4장 이후의 후반부에서 다룬다. 보통의 책은 프롬프팅의 일반적인 기술만 다루는 데 반해 이 책은 예제 선택 방법론도 다루고 있어 유익하다.

예를 들면 통계요약 알고리즘(MMR)이 그러한데 유사도 기반을 측정하여 토픽의 다양성과 중복 문제를 해결할 수 있다. 다만, 연산량에 따른 응답시간이나 성능적인 부분을 고려해야 한다.

또한 LLM을 더욱 깊이있게 사용할 수 있는 다양한 기능들이 소개되어 좋았다. Buffer Memory나 Summary Memory와 같은 메모리 컴포넌트를 쓸 일이 있었는데 이 책 덕분에 핵심만 빠르게 파악할 수 있어 많은 도움이 되었다.

이름에 걸맞게 핵심은 4장의 체인 파트라 할 수 있다. 이중에서도 “체인”을 다루는 파트가 빠르게 기술을 습득하는데 도움을 줬다. 순차적인 체인을 구성하는 것은 별로 어려운 일이 아니지만, 병렬로 복잡한 흐름을 구성하는 것은 처음에는 까다로운 편인데 이 책에 안내된 것처럼 Advanced Sequential Chain을 이용한 가이드를 참조하면 좋다.

2023년 중반에 등장한 LCEL의 개념도 반드시 알아둬야 할 핵심 개념이다. 이를 통해 병렬처리, 비동기 처리, 스트리밍 등의 복잡한 처리를 단순화 할 수 있다. 아울러 본 도서에는 유틸리티 체인도 다루고 있는데 이렇듯 핵심개념을 놓치지 않고 심플하게 핵심을 잘 전달한다는 점이 이 책의 매력이다.

마지막 5장으로 넘어가면 LangChain의 기능을 더욱 보강해주는 RAG 기술을 다룬다. Pinecone과 같은 유명 벡터 데이터베이스를 함께 활용하는 실습 예제가 있어 반드시 실습을 따라할 것을 권하고 싶다. 벡터DB와 임베딩의 핵심 개념 정도는 알고 있어야 이해에 무리가 없는데 다음 그림이 배경 지식을 잘 설명하고 있다.

임베딩이나 검색 증강을 실습하고 나면 마지막으로 에이전트와 툴의 개념에 대해 학습한다. 이는 LLM을 넘어서 특히 사내 데이터를 연동하거나 외부 검색엔진을 이용하여 검색의 품질을 높이는 등 벡터DB나 외부 API 서비스 등의 툴과 연동할 수 있도록 프로토콜상 독립적인 기능을 부여하여 서비스의 확장성을 돕는 기술로 2024년의 화두가 되는 기술이기도 하다.

이렇듯 LLM과 관련된 핵심개념을 매우 간결하게 전달하는 것이 이 책의 특징이다. 핵심 개념을 중심으로 저자의 다양한 시도 혹은 잘 갖춰진 베이스라인이 소개되고 있어 빠른 시간내에 다양한 기술과 본질을 파악하는데 도움이 된다.

물론 그만큼 내용상 중요하지 않은 부분들은 축약된 경향이 있고, 예제 또한 영문을 활용하고 있어 친숙하지 않은 면도 있어 입문자에게는 다소 난이도 있는 책으로 보일수도 있으나 중급 이상의 경험이 있는 독자라면 오히려 핵심을 빠르게 체득할 수 있어 만족스러운 구성이 아닐까 싶다. LLM의 핵심 기술을 빠르게 습득하고 싶은 독자에게 권하고 싶은 책이다.

[리뷰★] 머신 러닝 마스터 클래스

머신 러닝 마스터 클래스 - 기본기를 바로잡는 9가지 레슨 ㅣ 프로그래밍 인사이트 Programming Insight
민재식 지음 / 인사이트 / 2025년 1월

AI 시대에 필요한 인간의 역량인 본질. 그 본질에 집중할 수 있게 도와주는 이 시대의 필독서

먼저 AI라는 어려운 주제를 다루고 있음에도 우리나라에도 이렇게 AI의 본질을 관통하는 책이 등장한 것에 경의를 표한다. 그간 수많은 AI 관련 기술 서적을 탐독했지만 이 책만큼 본질을 관통하는 책은 적어도 우리나라에선 보지 못한 것 같다.

AI 시대에 기술자들은 공부량이 어마무시하다. 나 역시 물리적 시간의 부족에 쫓겨 LLM 등장 이후에는 AI의 핵심 논문을 찾아볼 겨를도 없다. 생성형 AI 이전 시절에는 논문을 중심으로 학습했었음에도 이젠 가까스로 시간이 남으면 긱스 뉴스나 Daily Arxiv 혹은 페이스북 커뮤니티 등을 통해 동향만 어느 수준 파악하고 있을 뿐이다.

그도 그럴것이 불과 보름전에 MCP, A2A와 같은 또 다른 LLM 활용 기술이 등장했고 이들의 시너지에 호기심이 생겨 Cline, Cursor, WindSurf와 같은 AI를 탑재한 IDE의 사용법에 집중하는 것조차 시간이 빠듯하기 때문이다.

아마 대부분의 AI 진영 개발자들은 나와 같은 현실에 벗어나기 힘든 것 같아 보인다. 그런데 언제까지 이런 행태를 반복해야 하는 것일까? 이 책의 서두를 읽으며 적잖이 따끔했다. 한 두번은 이럴 수 있겠지만 매번 최신 기술이 나올떄마다 방향을 잃고 쫒는데에만 급급해야 하는 것인지에 대한 불안감이 엄습했다.

대한민국의 AI분야 자타공인 최고 고수인 하정우 의장도 그의 저서 2025 AI 대전환: 주도권을 선점하라에서 밝힌 바와 같이 기술의 본질에 집중할 시점임을 강조하고 있고, 기술의 편식에서 벗어나고자 AI 시대, 우리의 질문와 같은 인문 서적을 보며 노력보다는 방향성이 중요한 시대라는 것을 절실히 깨닫곤 한다.

바로 그런 점에서 그동안 정신없이 달리기만 했던 기술적 활용 능력 업그레이드의 과제를 잠시 중단하고 더 넓은 시야로 본질에 집중하며 AI의 발전속도보다 빠른 지름길을 찾아야 한다고 살 길이 열린다는 생각이 든다.

이렇듯 이 책은 내 기본적인 AI에 대한 접근법을 비판 및 검증하여 올바른 방향으로 이끌어 준 고마운 책이다.

그간 수많은 AI프로젝트를 진행해왔다. 온프레미스 중심의 머신러닝 시스템을 설계하는가하면 딥러닝 핵심 모델에 대한 이해의 깊이를 늘리고자 Numpy와 같은 원시적 수준의 라이브러리만을 활용해 딥러닝 모델을 구현해 본 적도 있고 지금은 앞서 말한 바와 같이 LLM을 누구보다 잘 활용하고자 노력하며 창의성을 불어넣고자 노력하는 중이다.

그런데 이런 빛의 속도에 가까운 기술의 발전속에 정작 본질을 제대로 이해해 온 것일까? 막연한 불안감은 이 책을 읽는 과정 내내 확신으로 바뀌었다. 그동안 의문이 떠올라도 깊이 고민할 시간이 없었던 주제들, 때로는 반드시 개념을 다지고 넘어가야 한다고 확신했으면서도 시간을 핑계로 넘겨왔던 주제들이 이 책에 거의 다 수록되어있다.

어쩌면 이렇게 대부분의 전문가들이 잘 설명하지 못하는 애매한 질문들과 어느 책에도 깊이있게 소개되지 않았던 핵심 개념들을 일반인 언어의 수준으로 이렇게 잘 전달할 수가 있을까?

이는 저자의 본질을 꿰뚫는 통찰, 수십년간의 경험, 그리고 본질을 있는 그대로 잘 표현해내는 전달력의 역량 덕분이 아닐까 싶다.

당장 1장만 펼쳐도 베이즈 추론과 조건부 확률이 AI에 활용되는 방식을 풀어쓴 것 부터 예술이다. 알파고 등장 이후 비전공 영역이었던 통계를 새롭게 공부하면서 베이즈 추론과 추천시스템의 본질이 이해되지 않아서 애썼던 경험이 있다.

개인적으로는 동적 기억력이 필요한 부분이라고 표현하곤 하는데 법학 분야의 법리도 비슷하다. 당장 내재된 기억으로 1차원적으로 활용할 수 없는 개념들이 있는데 IF문과 같은 요소들이 굉장히 복잡하게 얽혀 있다던가 극도로 축약이 되어있다던가 그런 류의 지식들은 인간의 두뇌에서 끄집어 내는데 제법 시간이 걸리고 완벽하게 기억하지 못하는 이상 실수가 나오는 영역이다.

이런 컨텍스트 로딩 지연 문제를 대응하는 방법은 반복, 숙달, 확실한 이해, 좋은 예제를 완벽히 이해하는 것 정도의 해법 밖에는 없어 보인다. 그래서 베이즈 추론 진영의 개념들을 직관적으로 빠르게 해석하는 능력은 결국 몰입했던 특정 머신러닝 시스템을 설계하면서 쌓인 경험으로 해결할 수 있었다.

그런데 1장에 등장한 “십회구마” 예제를 보고 과거에 이런 책을 만났다면 얼마나 좋았을까 아쉬움이 들 지경이다. 나의 설명보다는 내공이 고강한 저자의 설명을 직접 살펴보자.

베이즈추론, Likelihood 개념때문에 골머리를 썩어본 사람이라면 저자의 통찰력과 전달력을 한 눈에 알아볼 수 있을 것이다. 기계적인 계산으로 베이즈 추론의 공식상 완전한 피연산자의 구성이 불가능한 상황에서 AI가 어떤 단서를 얻어낼 수 있는지 그 개념이 AI에 어떻게 활용되는지는 물론 일련의 과정에서 있어 베이즈 추론의 개념을 완벽하게 이해할 수 있게 돕는다.

2장 역시 마찬가지이다. 엔트로피를 중심으로 KLD, 크로스 엔트로피로 이어지는 개념의 향연이 즐겁다. 클래스 간 순서가 존재하는 경우이거나 변수 범위를 벗어나는 경우 엔트로피의 무능함을 살펴봄으로써 통상적인 상식 수준으로 오용할 일을 줄일 수 있다.

3장 역시 AI에서 어쩌면 가장 중요한 근간인 확률 분포를 다루며 softmax에 숨은 본질을 살펴본다. 1등을 압도적 1등으로 만드는 지수적 원리의 부작용을 얼마나 훌륭히 제어할 수 있는지 아니, 정확히 애초에 문제가 있었던 것인지 조차 식별할 능력이 있었는지에 대해 독자들에게 날카로운 본질의 문제를 묻는다.

뒤에도 목표함수, 정규화, VAE, 평가 등의 본질을 살펴볼 수 있는 향연은 계속된다. 어려운 개념들을 이리 쉽게 설명할 수 있다는 것이 놀랍다.

요즘 잠들기 전 생각을 정리하기 위해 즐겨읽는데 읽을 때마다 새롭게 보이기도 하고 무엇보다 읽는 것이 즐겁다. 여기서 그치지 말고 저자가 남은 경험과 지식들을 더 공유하는 책을 출간하여 AI 민주화에 공헌해주시길 기대하는 마음이다.

LLM을 활용해보며 90% 이상은 참 쉽게 만들 수 있다는 생각이 든다. 문제는 10%의 정확도와 원하는 방향으로 이끌기 위한 스킬이 중요한 시대가 된 것 같다.

다만 블랙박스 내부 해석을 위한 XAI 기술을 비롯하여 원치 않는 결과가 나왔을 때 원하는 성능으로 유도하는 기술과 역량이 중요한 시대가 올 것 같다.

그리고 그 중심에 본질이 있다. 그래야 제대로 활용할 줄도 알고 AI의 사각지대가 무엇인지 파악할 수 있어 AI를 제대로 이끌 수 있을 것 같다. 끊임없이 존재 의미를 찾아야하는 미래의 여정에서 이 책은 훌륭한 나침반이 되어 줄 것이다.

AI 시대, 우리의 질문

AI 시대, 우리의 질문 - AI와 우리를 위해 반드시 짚고 넘어가야 할 질문 13
미리엄 메켈.레아 슈타이나커 지음, 강민경 옮김 / 한빛비즈 / 2025년 3월

“AI-인간”의 본 모습을 이해하기 위해 시대를 관통한 거인들의 어깨를 빌려 장미빛 미래의 멀티버스 선택을 위해 반드시 생각해봐야 할 질문을 도출한다.

AI가 세상을 뒤흔들고 있지만, 결국 기계와 인간 사이의 문제이다. 나는 이럴때마다 손자병법의 지피지기 백전백승의 잣대를 활용한다. 너무 단순한 개념인지라 대부분의 사람들이 중요성을 간과하는 경향이 있는데 이런 심도있는 문제를 다룰때마다 나는 반드시 이 프레임을 먼저 꺼내든다. 예를들면 논할 가치도 없는 성 혐오 현상도 범죄자 여부를 가리기 이전에 남녀를 먼저 분류해서 생기는 우매한 현상이다.

다시 책의 화두로 넘어와서 적용해보자면, 내가 인간이라면 상대는 AI다. 즉, 인간과 AI를 다 잘 알고 있어야 전쟁에서 이길 수 있다는 말이 된다.

이 책을 읽는 나는 또 하나의 전쟁을 했다. 저자들은 주로 인간의 진영에 서 있었기에, 기술자이자 독자인 나는 AI 진영에 서 보았다. 둘의 치열한 사고 논증, 비판의 과정을 거치면 언제가 그렇듯 변증법의 선물을 얻을 수 있다.

세상의 본질을 이해하고 그 이해를 바탕으로 세상에 창의성을 부여하는 독일 학자들 답게 존재론적 그리고 인식론적 문제에서 인간과 현 사회의 본질을 해석하고, 역사적 그리고 철학적인 저변의 탄탄함을 바탕으로 인간과 세상을 재해석해내는 통찰의 과정이 놀라웠다.

먼저 이 책은 기계(AI)의 태생의 근간인 인간의 사고에 대한 모방에 있어 인류가 쌓아온 역사와 굵직한 사건들 그리고 그 과정에 인간의 사유 과정을 잘 정리하고 있다.

미국의 철학자 길버트 하만이 고안한 “통속의 뇌 사고실험”, 세계 최초의 컴퓨터 프로그래머 에이다 어거스타 러브레이스의 기계에 대한 생각, 상대가 사람인지 컴퓨터인지 구분할 수 없는 “튜링테스트”, “인류는 지능 발달의 일시적 단계일 뿐”이라며 구글을 퇴사한 제프리 힌턴의 경고에 이르기까지 심도있는 철학의 저변에 기대어 시대를 관통한 인물 혹은 사건에 대해 사고하다보면 AI와 기계를 이해하기 위한 밥솥이 끓기 시작한다.

이어서 인류 역사와 철학의 동력인 “사람의 생각을 이해하기 위한 노력”의 향연이 펼쳐진다. 아리스토텔레스의 삼단논법과 연역논증,라이프니츠의 확률 모델, 불의 대수, 로젠블렛의 신경망, 민스키와의 정반합의 논리와 기술에 가까운 사고과정을 들여다 보면 AI를 이해하기 위한 기본적인 상식을 얻을 수 있다. 세상을 석권하는 AI 솔루션들을 한눈에 관찰할 수 있는 것은 또 다른 별미이다.

3장에서는 AI의 역사적 발전 과정을 엿볼 수 있다. 인공지능의 겨울 시기의 힌튼의 활약, GPU의 등장과 발전으로 인한 컴퓨팅 파워의 향상, 얀르쿤과 이미지 넷, 알파고의 등장, GPT의 등장, 할루시네이션 현상, GAN의 개념은 사실 기술적으로 꽤 어려운 개념이지만 일반인이 이해할 수 있을 정도의 일상 수준 언어로 잘 정리하고 있다.

여기까지 기계에 대한 이해를 도왔다면 4장부터는 현 시점 인간과 세상에 대한 이해를 위한 통찰로 넘어간다. 본격적인 변증법 싸움의 시작인데 AI 시대 반드시 우리가 해결해야 할 질문들을 체계적으로 파악할 수 있게 도와준다.

우선 경제 부문의 경우, 맥킨지애 따르면 생성형 AI는 4조 6천억 달러의 잠재력을 가진 시장으로 파악된다.

그러나 현실은 AI가 가져올 변화에 대응할 여력은 커녕 우리가 가진 큰 문제도 해결하기 어려운 상황인 것 같다. 노벨상을 수상한 로버트 솔로의 “생산성의 모순” 문제가 그 예이다. 이는 현재 경제학자들도 쉬이 결론을 내지 못하는 생산성의 문제로, 사람이 동영상을 녹화하여 인터넷강의 등으로 수익을 얻게 되면 분명 통계에 없는 컴퓨터가 등장하기 시작하는데 경제 측면에서 쏟아져 나오는 수많은 데이터들이 짜임새 있게 연결되거나, 전체를 파악하기 어려운 상황이다.

노동 측면의 경우도 상황은 마찬가지이다. 핀란들에서 실험한 조건없는 기본 소득 가능성의 문제가 그 예이다. 이런 실험을 진행하면 결국 인간의 본질적인 욕구가 주변환경의 변화에 어떤 움직임을 보일지 심도있는 연구가 선행되어야 할 것 같다.

존 메이너드 케인스의 “손자세대를 위한 경제적 가능성” 논문에 의하면 일 3시간의 노동만이 가능한 시대를 점치는데 이와 비슷하게 우리나라에도 일찍이 주5일제, 대체휴일제, 주52시간제 육아휴직 등의 제도가 시행되었다.

일개 노동자인 나의 개인적인 느낌으로는 다행히 사회에 큰 변화가 없이 삶의 질이 좋아졌다는 것을 느꼈다. 그런데 AI가 가져오게될 빈곤 혹은 편리의 문제 또한 그렇게 무사히 지나갈 수 있을까?

저자들은 다양한 역사적 사례를 제시하며 독자들의 다양한 경우의 수 - 멀티버스 -를 내다볼 수 있게 돕는다.

산업혁명기 영국 섬유 공장의 방직기를 부순 러다이트 운동, 인정받고자 하는 욕구를 비롯 자본주의 사회에 내재된 인간의 욕구, 자연을 지탱해 온 정규분포 곡선의 붕괴 우려, ATM이 2000년까지 15년간 6배가 늘었으나 은행 창구직원은 약 5만명이 증가한 리플의 법칙을 현대적 관점에서 해석한 사례나 2030년 예측되는 직업군의 85%가 아직 등장하지 못한 현상 등 다양한 역사적 사실은 보다 정확한 미래 예측을 돕는데 일조할만한 사례들이다.

책에서 언급한 대로 생성형 AI 분야만 보더라도 프롬프트 엔지니어, GPT 트레이너, AI 심사원, 인간-기계 통합 관리직 같은 새로운 일자리가 출현하고 있다. 과연 AI가 일자리를 줄이기만 할 것인지, 새로운 일자리를 창출할지는 늘 화두가 되는 문제이지만 적어도 기술자적인 관점에서 경험하기로는 새로운 일자리의 수요도 상당 부분 증가하고 있다.

이 문제는 창작에 관련된 파트까지 이어진다. “원본이란 무엇인가?“의 문제에서 출발하여 AI는 저작권의 판도도 뒤 흔들기 시작한다. 하늘 아래 새로운 것은 없고 바퀴를 새로 만들지 말라는 격언은 원본에 관한 근본적인 정의를 애매모호하게 만든다. 이 부분에 대한 답 없이는 AI가 생성해내는 산출물 역시 올바른 잣대를 적용할 수 없을 것이다.

책과 별개로 개인적인 경험을 빗대어 소개하자면 최근 A2A, MCP, Agent 등의 기술이 등장했다. 주변 개발자들은 cursor, cline, windsurf 등 AI의 능력을 활용하여 프로그램을 개발하기 시작했다.

재미있는 것은 개발자들이 많은 호기심을 갖기 시작했다는 것이다. agent 상호간의 소통으로 어떤 시너지가 나올지 실험하는 개발자가 늘고 있다는 것인데 그 결과로 속속들이 생각지도 못한 혹은 이 세상에 없었던 아이디어, 결과들이 쏟아지고 있다.

근친 교배의 위험성은 이미 자연현상에 존재하는 개념이다. agent간의 상호작용 - 즉, AI끼리의 대화로 사람과 AI의 대화를 넘어선 세계 - 이 지속되며 근친 교배 위험성 방지를 위한 새로운 지식은 어떤 식으로 공급되어야 할까?

정치 역시 우려되는 주요 분야이다. SNS에 영향을 끼쳐 사상으로 이어지게 만드는 AI의 생산물들, 딥페이크로 인한 성범죄와 사상에 끼치는 영향력에서 AI에게 사상의 정당성을 판단할 영역까지 맡겨야 할까?

최근 정치, 경제가 어느때보다 크게 뒤흔들리고 있다. 트럼프 관세발 주식 하락장을 골드만삭스의 허위정보로 반등하는 재미있는 현상을 보기도 했는데 정보의 조작과 왜곡에 맞설 방법이 과연 존재할까? 또, 조작의 주체는 누구인가?

"경계"

최근 내 최고의 관심사는 경계에 있다. 인류가 아직 풀지못한 애매모호한 경계선들이 참 많다. 미적분 등장 이래 0과 무한이 0에 가까운 것의 경계선이 불분명하다.

또, 아인슈타인 이후 미시세계와 거시세계의 경계가 모호하다. 이는 양자역학으로 이어진다. AI 덕분에 정성과 정량의 경계는 그나마 뚜렷해졌다. 너무나도 정성적이었던 것이 상당부분 정량화 되었다.

그대신 이제는 정답이 존재하는 개념과 존재하지 않는 개념의 경계? 혹은 가치관, 신념, 취향의 경계에 대해 심도 있는 연구가 필요한 시점인 것 같다.

윤리, 편견 등의 옮고 그름을 어떻게 판단할 수 있을까? 이 책에서는 코드자본을 소개하며, 공정한지 물을게 아니라 어떻게 권력을 움직이는지의 질문으로 우문을 현문화하는 아이디어를 제시하기도 한다.

10장에서 12장은 앞서 언급한 내용들을 종합적으로 결론 내리며 인류가 가야할 방향을 제시한다. 당연히 저자들도 쉽게 내릴 수 없는 결론이거니와 나도 많은 세월을 기울여 판단해야 할 문제이기에 비판적 검증조차 접근하기 어려운 영역이기에 이 책을 읽는 독자분의 판단에 맡기고 싶은 부분이다.

다만, 이 장을 읽으면서 MNIST 데이터셋의 판단 정확도 측면에서 AI가 인간을 넘어선 요즘 캡차가 무슨 의미가 있는 것인지? 나아가 지능이란 무엇인가에 대한 심도있는 질문과 답을 수도 없이 되뇌었다.

마지막 13장과 에필로그는 서양권에서 가지는 13이라는 숫자의 근엄함이 느껴진다. 아카데미에서 7개 부문의 상을 석권한 “에브리씽 에브리웨어 올 앳 원스” 영화를 소개하며 AI가 가져올 멀티버스의 수미쌍관 장식이 수려하다.

결론은 AI로 인해 인간이 행복해질지 혹은 인간의 종말이 다가올지의 문제로 귀결된다.

개인적으로 인간의 역할은 점점 세상의 진리, AI에의 지피지기에 있어 역설적으로 본질에 집중해야할 시점이라 생각한다. 이 책의 저자들도 비슷한 관점을 내비치고 있어 틀린 판단은 아닌 것 같아 위안이 되기도 했다.

중요한 것은 기술에 종속되어 쫓아다닐 것이 아니라 이 책에 소개된 시대를 관통하는 통찰처럼 잠시 멈추고 본질적 현상의 변화가 무엇일지 예측이 필요한 시점이라는 점이다.

본질을 잃거나 비판적 사고 방식의 둔화를 최대로 경계하며 위 질문들에 대한 사회적인 합의가 이뤄진다면 조금은 더 장미빛 미래의 멀티버스를 선택할 수 있지 않을까?

---

• 책소개 - AI 시대, 우리의 질문