초지능 시대 생존을 위한 AI 교양 수업

1강 | AI의 진화
: 사고하는 기계에서 디지털 마법사가 되기까지
딥 블루에서 GPT까지: AI는 어떻게 체스 선수에서 팔방미인으로 거듭났을까 19
낱말 맞추기 게임의 역습: 대규모 언어 모델이 선사하는 기막힌 마법 22
신경망과 머신 러닝: AI 두뇌의 ‘비밀 키워드’ 25
연산력 + 알고리즘 + 데이터: AI의 발전을 이끈 세 가지 핵심 요소 30
AGI 축제의 전야: 대규모 언어 모델이 열어젖힌 AGI의 문 33

2강 | 감각 기관의 혁명
: 인간을 닮은 ‘멀티모덜 AI’
소리 ‘해독법’: 기계는 인간의 말을 어떻게 알아들을까 45
픽셀 캐처: 숫자만 알던 AI가 척척박사가 되기까지 50
움직임을 추적하다: AI가 영상 속 시공간 암호를 해독하는 방법 65
멀티 모덜의 교향곡: 주변 상황을 ‘세심하게’ 관찰하는 AI 68

3강 | 꿈의 제작소
: AI가 펼치는 기발한 아이디어의 향연
텍스트 연금술: AI의 영감은 어디서 올까 77
확산 모델의 마술: 터치 한 번으로 펼쳐지는 환상의 세계 82
음률의 조각가: AI 작곡가의 멜로디 방정식 89
시간과 공간의 편집자: AI가 만드는 영상의 비밀 96
미래의 창작 활동: AI는 예술 분야에서 혁신을 일으킬 수 있을까 98
생성형 AI: 인간 상상력의 한계를 재정의하다 102

4강 | 대화형 AI의 치트키
: 언어의 마술사
프롬프트 엔지니어링: AI와 대화하는 기술 107
CO-STAR 프레임워크: 프롬프트의 만능 공식 107
ROSES 프레임워크: AI가 내 마음을 더 잘 읽게 하려면 119
CLEVER 프레임워크: AI의 생각 체인을 효과적으로 제어하다 125
대규모 언어 모델의 암호: 서로 다른 AI를 위한 ‘비밀 신호’ 130

5강 | 사고의 도약
: AI에 ‘논리적 추론’을 가르치다
빠른 사고의 함정: 전통적 AI의 직관적인 응답 139
추론 특별 수업: AI에 ‘탐정처럼 사고하는’ 방법 가르치기 141
느린 사고의 각성: AI는 어떻게 깊이 사고할까 142

6강 | 미래 세대의 교실
: AI, 스마트 튜터가 되다
교육계의 터닝포인트: ‘시험 중심 교육’에 도전장을 내밀다 167
교육의 새로운 로드맵: AI가 지식의 세계를 재구성하는 방법 169
교육의 대변혁: 주입식 교육에서 ‘스마트한 실천 중심 학습’으로 170
논쟁의 초점: AI는 학습의 서포터일까, 부정행위의 촉진제일까 171
AI 필수 과목: 디지털 네이티브의 생존 법칙 172
교육 진화론: AI 융합의 올바른 방향성 174
학부모 가이드: 자녀와 함께 AI의 파도를 헤쳐 나가는 법 175
변화를 포용하라: AI 시대, ‘우수함’을 재정의하다 180

7강 | 실전! AI 크리에이터 되기
: 누구나 디지털 아티스트가 될 수 있다
5분 속성 AI 회화: 간단한 스케치에서 갤러리까지 185
오리지널 음악 DIY: 딥시크와 수노 AI로 즐기는 AI 작곡 192

8강 | AGI와 ASI
: 미래 지능의 발전과 인류의 운명
AGI의 각성: 실리콘 기반의 생명체가 ‘호기심을 갖는 순간’ 213
ASI의 등장: 초지능의 임계점 217
AI의 진화: 기술 발전의 새로운 흐름 223
UBI + UHI: AI가 삶과 행복을 동시에 책임지는 시대 224
장수의 비밀: AI가 바꾸는 인간 수명의 공식 226
궁극의 종착지: 인류는 ‘우주의 조연’이 될 것인가 232

9강 | 최첨단 기술 로드맵
: 세상을 바꿀 AI 융합 혁신 기술
뇌-컴퓨터 인터페이스: 생각만으로도 모든 것을 제어하는 시대 239
로봇의 혁명: 로봇 팔에서 감정적인 동반자가 되기까지 246
양자 AI: 연산 능력으로 물리적 한계를 극복하다 251
에너지 혁명: AI가 조종하는 ‘인공 태양’ 254
산업 4.0: 상온 초전도 + AI 258

10강 | 별들이 빛나는 순간
: AI의 역사를 만든 천재들
튜링의 예언: 컴퓨터 과학의 아버지가 내던진 대담한 상상 265
다트머스 회의: AI 탄생의 시작 266
기계 학습의 여명을 밝히다: AI 스스로 성장하게 하다 268
신경망의 아버지: 힌턴의 ‘디지털 뉴런’ 270
삼위일체의 돌파구: 알고리즘 + 연산력 + 데이터의 질적 도약 271
대규모 언어 모델 시대: 언어가 곧 지능이 된 세상 273
딥시크: 모두가 쓸 수 있는 대형 모델 277
별들의 연대기: AI의 운명을 바꾼 20인의 천재들 280

11강 | 인간과 함께 춤추는 무대
: AI 시대의 생존 철학
과학의 새로운 발견: AI가 풀어낸 ‘우주의 숨은 코드’ 289
역할 재설정: 만물의 주인에서 AI의 협력자로 293
AI가 대체할 수 없는 영역: 인간만이 누리는 ‘인지’의 영역 294
가치의 재구성: AI의 바다 한가운데 등대가 되다 295

초기 인공지능은 겉보기에는 똑똑해 보였지만, 실제로는 방대한 수작업이 뒷받침되었다. 사전에 무수한 경우의 수를 설정해 둬야 했고, 그마저도 일부 표준화된 단순 질문에만 대답할 수 있었다. 더 큰 문제는 인간에겐 쉽지만, 기계에는 가르치기 어려운 지식이 많았다. 가장 전형적인 예로 고양이를 인식하지 못했다. 언어로 고양이를 묘사해도 네 발, 꼬리 등의 키워드만으로는 개와 구분이 어려웠다. 하지만 어린아이는 특별히 가르쳐주지 않아도 몇 번 보고 나면 고양이와 개를 구분할 수 있다. 이는 인류의 뇌에 독특한 학습 방식이 있기 때문이다. 이 학습 방식을 기계에 적용한 것이 바로 ‘머신 러닝(Machine learning)’, 즉 기계 학습이다.

ChatGPT의 자아(ego)는 ‘단어 추측 기계’라고 할 수 있다. 텍스트를 계속 이어서 써 나가며, 그간에 나온 단어를 기반으로 다음에 나올 단어를 확률적으로 추측한다. 즉, ChatGPT는 최종적인 단어를 출력하기에 앞서 수만 개의 확률값을 계산하는데, 각 확률은 특정 단어 또는 ‘토큰(token)’이 등장할 가능성을 의미한다. 여기서 토큰은 단어뿐 아니라 접두사·접미사·접속어·표정·특수 기호 등을 모두 포함한다. 주의할 점은 토큰은 확률이 가장 큰 것을 고르는 게 아니라 무작위성을 따르기 때문에, 같은 질문을 던지더라도 계속 다른 결과를 도출할 수 있다는 것이다.