AI는 어떻게 생각하는가

1부 복잡성은 어디에서 오는가
1장 복잡성에도 법칙이 있을까
2장 커피 오토마톤: 직관을 실험으로 바꾸기
2부 좋은 학습은 짧은 설명이다
3장 신경망의 가중치를 몇 비트로 말할 수 있는가
4장 최소 설명 길이: 학습을 압축으로 이해하기
3부 기억하는 기계의 탄생
5장 문자를 하나씩 예측했더니 문체가 나타났다
6장 LSTM은 어떻게 오래된 정보를 지키는가
4부 기억을 지키며 규모를 키우는 법
7장 기억을 망가뜨리지 않는 드롭아웃
8장 음성에서 문자까지 하나의 신경망으로
5부 기억에서 주의집중으로
9장 번역기가 원문을 다시 바라보다
10장 집합을 줄 세우면 의미가 바뀌는가
11장 답을 만들지 말고 입력을 가리켜라
6부 기계는 어떻게 보는가
12장 이미지 인식을 처음부터 다시 배우기
13장 AlexNet: 딥러닝이 실제 규모에서 이긴 순간
7부 넓게 보고 깊게 배우는 법
14장 해상도를 잃지 않고 문맥을 넓히기
15장 층을 더 쌓았는데 왜 더 못 배우는가
16장 지름길을 더 곧게 만들기
8부 기억을 꺼내고 관계를 묻는 기계
17장 기억을 저장하는 곳과 계산하는 곳을 나누다
18장 사물을 아는 것과 관계를 아는 것은 다르다
9부 관계는 기억되고 메시지는 흐른다
19장 기억 속 항목들이 서로 대화하게 하다
20장 분자를 그래프로 읽는 법
10부 규모에는 법칙이 있다
21장 언어모델의 성능을 미리 그려 보다
22장 거대한 모델을 여러 장치에 흐르게 하다
11부 무엇을 기억하고 무엇을 버릴 것인가
23장 압축은 손실이 있어야 쓸모가 있다
맺음말: 능력보다 통로를 보라
참고문헌

본 서비스는 인공지능 기술의 핵심을 단순한 기능 목록이 아닌, 그 근간이 되는 '질문'과 '문제 해결의 흐름'으로 풀어낸 전자책입니다. 23개의 핵심 인공지능 원문을 엄선하여, 수식 계산 없이 인공지능이 복잡성, 기억, 주의집중, 시각, 관계 등을 어떻게 처리하는지 비전공자의 언어로 명쾌하게 설명합니다.

원리를 꿰뚫는 문제 중심 구성: 단순한 기술 나열이 아닙니다. 당시 연구자들이 어떤 '막힌 지점'을 해결하고자 했는지, 실험이 무엇을 증명했는지, 그리고 그 기술의 한계는 무엇인지 문제 해결의 서사를 따라갑니다.

직관적인 읽기 안내: 수식을 외우는 모델이 아니라, 입력과 비용, 정보의 통로를 이해하도록 돕습니다. 비유와 반론을 적절히 배치하여 인공지능 기술의 경계를 명확히 확인합니다.

비전공자를 위한 맞춤형 해설: 복잡한 알고리즘을 '커피 오토마톤', '컨베이어 벨트', '포인터' 등의 일상적 비유와 시각화 자료를 통해 누구나 이해할 수 있게 풀어냈습니다.

본질적인 이해력 향상: 모델의 이름을 외우는 수준을 넘어, 연구자가 문제를 어떻게 정의했는지를 배우게 되어 최신 AI 트렌드를 더 깊이 있게 읽어낼 수 있습니다.

실무적 통찰: 신경망의 구조를 단순히 코드로 보는 것이 아니라 '정보의 통로'로 인식하게 됨으로써, 학습과 일반화의 원리를 실제 서비스나 연구에 적용할 수 있는 사고의 기반을 마련해 줍니다.