모두의, 모두를 위한 AI

1부 왜 배워야 할까?

1. 1.1 AI가 다 해주는데, 왜 공부해야 해요?
2. 1.2 쓰는 법보다 "무엇인지"를 알아야 하는 이유
3. 1.3 AI에게 맡겨도 되는 일, 맡기면 안 되는 일

2부 의지하지 말고 도구로 쓰기

1. 2.1 의지하는 것과 도구로 쓰는 것은 뭐가 다를까
2. 2.2 AI의 답을 받아들이기 전에 확인할 것
3. 2.3 AI로 공부하면 실력이 늘까, 줄까
4. 2.4 내 정보, AI에게 넣어도 될까?
5. 2.5 AI는 왜 내 말에 맞장구칠까

3부 일자리와 미래

1. 3.1 AI가 일자리를 전부 대체할까?
2. 3.2 그래서 지금 뭘 준비하면 될까

4부 모든 곳에 AI가 필요할까?

1. 4.1 AI 탑재, 실제로는 뭐가 들어 있을까?
2. 4.2 LLM이 꼭 필요할까? 더 단순한 방법으로 충분한 경우
3. 4.3 그럼 LLM은 언제 쓰는 게 맞을까

5부 AI가 다 해준다는 환상

1. 5.1 알아서 다 돌아간다는 자동화의 환상
2. 5.2 AI로 쉽고 편하게 돈 버는 법은 왜 없을까
3. 5.3 AI가 곧 다 해낸다는 과장, 어떻게 읽을까
4. 5.4 AI를 붙이기 전에, 믿기 전에 물어볼 질문

6부 흔한 오해 바로잡기

1. 6.1 AI에 대한 흔한 오해, 퀴즈로 확인하기
2. 6.2 AI에 대한 오해는 왜 생길까

1부 AI가 도대체 뭔데?

1. 1.1 AI, 머신러닝, 딥러닝, LLM은 뭐가 다를까
2. 1.2 AI는 왜 규칙 대신 예시로 배울까

2부 AI는 어떻게 학습하는데?

1. 2.1 뉴런과 가중치 — AI는 어떻게 판단할까
2. 2.2 학습 — 틀릴 때마다 조금씩 고치기
3. 2.3 경사하강법 — 눈 가리고 산 내려가기
4. 2.4 층 쌓기 — 딥러닝은 왜 '깊을까'
5. 2.5 과적합 — 기출문제만 외운 학생

3부 ChatGPT는 어떻게 대답을 만들까?

1. 3.1 LLM이 하는 일은 딱 하나 — 다음 말 맞히기
2. 3.2 토큰 — 모델은 글자를 보지 않습니다
3. 3.3 같은 질문인데 왜 매번 답이 다를까
4. 3.4 임베딩 — 단어를 숫자로 바꾸는 법
5. 3.5 어텐션 — AI는 문맥을 어떻게 읽을까
6. 3.6 글 이어쓰기 기계가 채팅봇이 되기까지

4부 AI는 어떻게 자료를 읽고 도구를 쓸까?

1. 4.1 컨텍스트 윈도우 — 모델은 대화를 기억하지 않습니다
2. 4.2 RAG — AI는 모르는 걸 어떻게 찾아볼까
3. 4.3 도구 호출과 MCP — 글만 쓰는 모델이 일을 하는 법
4. 4.4 에이전트 — AI가 스스로 일을 끝내는 법

5부 AI 모델은 얼마나 크고, 어떻게 줄일까?

1. 5.1 왜 내 컴퓨터에서는 큰 모델이 안 돌아갈까
2. 5.2 양자화와 프루닝 — 모델을 작게 만드는 법

6부 AI는 왜 틀리고, 치우치고, 속을까?

1. 6.1 환각 — 왜 모르면서 아는 척할까
2. 6.2 편향 — 데이터의 치우침을 그대로 배웁니다
3. 6.3 프롬프트 인젝션 — AI는 어떻게 속을까
4. 6.4 AI 점수는 믿을 만할까, 전기는 얼마나 들까