수학 없이 이해하는 인공지능 (E-Book)SALEMD
온라인 서점에서 구매 가능
간편결제 가능AI 시대를 살아가는 누구나에게 필요한 내용을 담았습니다.
생성형 AI는 언제든지 대체되고 새롭게 출시됩니다.
기본 내용을 숙지하면 자신에게 필요한 선택을 할 수 있습니다.
본 상품은 판매 상품이 아니라 하단의 링크에서 구매하셔야 합니다.
교보문고 구매링크
Yes24 구매링크
책 소개
챗GPT에 문장 하나를 입력하면 사람이 쓴 듯한 답이 돌아옵니다. 그 짧은 순간, 화면 너머에서 정확히 무슨 일이 벌어지는 걸까요?
『수학 없이 이해하는 인공지능 이야기』는 수학 공식 한 줄 없이, 인공지능이 "배우고 · 읽고 · 쓰는" 전 과정을 하나의 이야기로 풀어낸 AI 해설서입니다. 독자는 '코리'라는 캐릭터와 함께 할머니의 과일 가게에서 사과의 단맛을 예측하는 일에서 출발하여, 데이터란 무엇인지, 기계가 '배운다'는 것이 무슨 뜻인지, 그리고 오늘날 모든 AI의 심장이라 불리는 트랜스포머가 어떻게 작동하는지를 차근차근 따라갑니다.
1부 「AI의 지도」에서는 인공지능의 전체 지형을 조감합니다. 18세기 체스 자동인형 '터크'의 일화에서 시작해 데이터·머신러닝·딥러닝·어텐션·트랜스포머까지, 흩어진 용어들이 어떻게 맞물려 돌아가는지를 한 장의 지도로 그려 줍니다. 2부 「LLM 엔진 해부」에서는 그 지도를 들고 실제 엔진의 뚜껑을 엽니다. "도서관 몇 시까지 열어요?"라는 한 문장이 토큰으로 쪼개지고, 숫자가 되고, 어텐션을 거쳐 다음 단어 하나를 뱉기까지의 전 과정을 부품 단위로 해부한 뒤, RAG와 에이전트를 달아 쓸모를 갖추는 데까지 나아갑니다.
AI 전공을 준비하는 학생, 비전공 대학원 진학을 꿈꾸는 직장인, 생성형 AI를 매일 쓰면서도 그 원리가 궁금했던 모든 분을 위한 책입니다. 외우는 대신 머릿속에 그림을 그리고, 그 그림 위에 새로운 지식을 계속 쌓아 갈 수 있도록 설계되었습니다.
목차
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
책 속으로
①첫 번째 실패, 그리고 '벌점' (손실이란 무엇인가)
코리는 자신만만하게 첫 규칙을 세웠습니다. "무거운 사과는 다 시다! 무거우면 물이 많아서 싱거울 거야." 그래서 묵직한 230그램짜리 빨간 사과를 들고 당당하게 외쳤어요. "이건 무거우니까…… 실 거예요!" 할머니가 그 사과를 쓱 잘라 한 조각 건네셨습니다. 그런데 웬걸, 꿀처럼 달았습니다. 첫 규칙이 보기 좋게 빗나간 겁니다.
여기서 코리에게 아주 중요한 질문이 떠오릅니다. "내 규칙이 도대체 얼마나 틀린 거지?" 그냥 "좀 틀렸네" 하고 넘어가면 다음에 무엇을 고쳐야 할지 알 수 없습니다. 그래서 코리는 틀린 정도를 숫자로 나타내 보기로 합니다. 이렇게 예측이 정답에서 얼마나 벗어났는지를 숫자로 계산한 값을 머신러닝에서는 손실(Loss)이라고 합니다.
어렵게 느껴지시나요? 사실 우리도 매일 비슷한 판단을 합니다. 요리할 때 "어, 좀 싱겁네"라고 틀린 정도를 가늠하고, "소금을 더 넣자"라고 고칠 방향을 정하잖아요. 수학은 그 판단을 감에만 맡기지 않고 숫자로 정확히 나타내도록 도와줄 뿐입니다.
② 며칠 뒤, 코리의 머릿속에 생긴 것 (모델·가중치란 무엇인가)
코리는 예측하고, 틀리고, 점수를 매기고, 규칙을 조금 고치는 순서를 며칠 동안 수백 번 반복했습니다. 그런데 어느 순간 신기한 일이 벌어졌어요. 사과를 척 보면 판단이 먼저 떠오르기 시작한 겁니다. 처음에는 무게만 보던 코리가 이제는 자기도 모르게 향을 가장 중요하게 보고 있었습니다. 그래서 그 감을 숫자로 적어 봤습니다.
단맛 점수 = 색깔 점수 × 0.4 + 무게 점수 × 0.3 + 향 점수 × 0.6
향 점수에 붙은 0.6이 색깔 점수의 0.4보다 크죠? 이것은 코리가 "향을 색깔보다 더 믿게 됐다"는 뜻이에요. 며칠 동안 이어진 연습이 이 숫자들 안에 고스란히 담긴 겁니다. 이렇게 학습 과정에서 조정되는 숫자를 파라미터(Parameter)라고 부릅니다.
AI 시대를 살아가는 누구나에게 필요한 내용을 담았습니다.
생성형 AI는 언제든지 대체되고 새롭게 출시됩니다.
기본 내용을 숙지하면 자신에게 필요한 선택을 할 수 있습니다.
본 상품은 판매 상품이 아니라 하단의 링크에서 구매하셔야 합니다.
교보문고 구매링크
Yes24 구매링크
책 소개
챗GPT에 문장 하나를 입력하면 사람이 쓴 듯한 답이 돌아옵니다. 그 짧은 순간, 화면 너머에서 정확히 무슨 일이 벌어지는 걸까요?
『수학 없이 이해하는 인공지능 이야기』는 수학 공식 한 줄 없이, 인공지능이 "배우고 · 읽고 · 쓰는" 전 과정을 하나의 이야기로 풀어낸 AI 해설서입니다. 독자는 '코리'라는 캐릭터와 함께 할머니의 과일 가게에서 사과의 단맛을 예측하는 일에서 출발하여, 데이터란 무엇인지, 기계가 '배운다'는 것이 무슨 뜻인지, 그리고 오늘날 모든 AI의 심장이라 불리는 트랜스포머가 어떻게 작동하는지를 차근차근 따라갑니다.
1부 「AI의 지도」에서는 인공지능의 전체 지형을 조감합니다. 18세기 체스 자동인형 '터크'의 일화에서 시작해 데이터·머신러닝·딥러닝·어텐션·트랜스포머까지, 흩어진 용어들이 어떻게 맞물려 돌아가는지를 한 장의 지도로 그려 줍니다. 2부 「LLM 엔진 해부」에서는 그 지도를 들고 실제 엔진의 뚜껑을 엽니다. "도서관 몇 시까지 열어요?"라는 한 문장이 토큰으로 쪼개지고, 숫자가 되고, 어텐션을 거쳐 다음 단어 하나를 뱉기까지의 전 과정을 부품 단위로 해부한 뒤, RAG와 에이전트를 달아 쓸모를 갖추는 데까지 나아갑니다.
AI 전공을 준비하는 학생, 비전공 대학원 진학을 꿈꾸는 직장인, 생성형 AI를 매일 쓰면서도 그 원리가 궁금했던 모든 분을 위한 책입니다. 외우는 대신 머릿속에 그림을 그리고, 그 그림 위에 새로운 지식을 계속 쌓아 갈 수 있도록 설계되었습니다.
목차
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
책 속으로
①첫 번째 실패, 그리고 '벌점' (손실이란 무엇인가)
코리는 자신만만하게 첫 규칙을 세웠습니다. "무거운 사과는 다 시다! 무거우면 물이 많아서 싱거울 거야." 그래서 묵직한 230그램짜리 빨간 사과를 들고 당당하게 외쳤어요. "이건 무거우니까…… 실 거예요!" 할머니가 그 사과를 쓱 잘라 한 조각 건네셨습니다. 그런데 웬걸, 꿀처럼 달았습니다. 첫 규칙이 보기 좋게 빗나간 겁니다.
여기서 코리에게 아주 중요한 질문이 떠오릅니다. "내 규칙이 도대체 얼마나 틀린 거지?" 그냥 "좀 틀렸네" 하고 넘어가면 다음에 무엇을 고쳐야 할지 알 수 없습니다. 그래서 코리는 틀린 정도를 숫자로 나타내 보기로 합니다. 이렇게 예측이 정답에서 얼마나 벗어났는지를 숫자로 계산한 값을 머신러닝에서는 손실(Loss)이라고 합니다.
어렵게 느껴지시나요? 사실 우리도 매일 비슷한 판단을 합니다. 요리할 때 "어, 좀 싱겁네"라고 틀린 정도를 가늠하고, "소금을 더 넣자"라고 고칠 방향을 정하잖아요. 수학은 그 판단을 감에만 맡기지 않고 숫자로 정확히 나타내도록 도와줄 뿐입니다.
② 며칠 뒤, 코리의 머릿속에 생긴 것 (모델·가중치란 무엇인가)
코리는 예측하고, 틀리고, 점수를 매기고, 규칙을 조금 고치는 순서를 며칠 동안 수백 번 반복했습니다. 그런데 어느 순간 신기한 일이 벌어졌어요. 사과를 척 보면 판단이 먼저 떠오르기 시작한 겁니다. 처음에는 무게만 보던 코리가 이제는 자기도 모르게 향을 가장 중요하게 보고 있었습니다. 그래서 그 감을 숫자로 적어 봤습니다.
단맛 점수 = 색깔 점수 × 0.4 + 무게 점수 × 0.3 + 향 점수 × 0.6
향 점수에 붙은 0.6이 색깔 점수의 0.4보다 크죠? 이것은 코리가 "향을 색깔보다 더 믿게 됐다"는 뜻이에요. 며칠 동안 이어진 연습이 이 숫자들 안에 고스란히 담긴 겁니다. 이렇게 학습 과정에서 조정되는 숫자를 파라미터(Parameter)라고 부릅니다.
