미리보기
미리듣기
AI는 단지 기술이 아니라 진로를 바꾸는 언어다. 전공과 경계를 넘어 AI 시대에 나만의 길을 설계할 수 있도록 안내한다. 기술과 인간, 진로와 삶을 함께 묻는다.
AI 전문가로 성장하기 위한 이상적인 학습 흐름은 이렇게 두 단계로 나눌 수 있다. 처음에는 각각의 기초를 충분히 다져야 하고, 이후 단계에서는 기초 역량들을 서로 긴밀하게 연결해 하나의 전체적인 능력으로 통합한다. 이러한 과정을 거친 학생들은 AI를 더 깊이 있게 이해하고, 실제 문제에 직면했을 때 훨씬 빠르고 정확하게 해결책을 찾을 수 있다.
즉, AI 학습은 처음부터 끝까지 “기초를 다지고 → 통합적으로 활용하는 과정”으로 이뤄진다. 따라서 대학 초반에 배우는 미적분, 선형대수학, 통계, 프로그래밍, 빅데이터 기초 과목들은 반드시 제대로 학습해야 하며, 그 과정에서 어느 하나라도 쉽게 포기해서는 안 된다. 대신 초반의 학습 과정에서는 과도한 깊이나 복잡성보다는 핵심 개념과 기본 원리를 명확히 이해하는 데 초점을 맞추고, 이후 학년이 올라가면서 점진적으로 이 역량들을 통합하며 발전시켜 나가야 한다.
－01_“AI의 출발선, 기초 역량” 중에서
예를 들어 우리가 산 정상에서 아래로 내려갈 때, 가장 빠르게 내려가려면 경사가 가장 급한 방향을 찾아 내려가야 한다. AI가 손실을 줄여 나가는 과정도 이와 비슷한 원리로 이뤄져 있다. AI는 손실 함수의 미분을 통해 ‘지금 어느 방향으로 조금 움직이면 손실이 가장 빠르게 줄어드는지’를 계산한다. 이 방식을 ‘경사 하강법(Gradient descent)’이라고 한다. 미분을 사용하면 손실 함수가 가장 급격히 감소하는 방향과 정도를 정확하게 알 수 있기 때문이다. 이런 과정을 반복하면서 AI 모델은 점점 더 정확한 예측을 하도록 최적화된다. 이렇게 보면, 미적분은 AI가 학습을 통해 최적의 답을 찾는 과정을 돕는 필수 도구라는 것을 이해할 수 있다.
－03_“AI의 뇌, 수학” 중에서
AI라는 넓고 빠르게 진화하는 분야에서 진로를 결정하는 일은 쉽지 않다. 선택지가 너무 많고, 각각 서로 다른 준비와 성향을 요구하기 때문이다. 그럴수록 먼저 해야 할 일은 외부 정보를 더 모으는 것이 아니라, 스스로에게 질문을 던지는 일이다. ‘어디로 가야 할까’보다 먼저 ‘나는 어떤 사람인가’라는 물음이 진로의 출발점이 된다. 예를 들어 자신에게 “나는 팀으로 일하는 걸 좋아하는가, 혼자 몰두하는 시간을 더 즐기는가?”라고 물어보는 것부터 시작해 보자. AI 프로젝트는 대부분 협업 기반이지만, 모델 설계나 데이터 처리처럼 깊이 있는 개인 작업이 중요한 순간도 많다. 혼자 집중할 수 있는 환경에서 더 빛나는 사람이 있는가 하면, 다양한 의견을 조율하고 소통하며 시너지를 내는 데 강점을 가진 사람도 있다. 둘 다 중요하지만, 어느 쪽이 나에게 더 자연스러운지를 아는 것이 중요하다.
－06_“AI의 무대, 진로 안내서” 중에서
이처럼 사용자의 불편, 반복적인 비효율, 정보에 대한 접근 격차 등은 모두 창업의 출발점이 될 수 있다. 창업가는 기술을 만들기보다, 문제를 먼저 발견하고 질문을 던지는 사람이다. 그리고 그 질문에 대한 답을 실험해 보는 첫 단계가 바로 MVP(Minimum Viable Product, 최소 기능 제품)다. 꼭 완성된 제품이 아니더라도, 작동하는 간단한 버전을 만들어 사용자에게 보여 주고 피드백을 받는 과정이 중요하다. 문제 → 아이디어 → MVP → 사용자 반응이라는 이 흐름을 반복하며, 서비스는 점점 더 정교해지고, 실질적인 가치를 갖게 된다.
－09_“AI의 기획자, 창업과 서비스” 중에서