Project NEUROVERSE

AI는 어떻게 만들어지고,
어떻게 작동할까

입문 · 기초 이론 편

1. 1부

   AI가 도대체 뭔데?

   AI, 머신러닝, 딥러닝, LLM의 관계와, 규칙 대신 예시로 배운다는 것

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

2. 2부

   AI는 어떻게 학습하는데?

   가중치, 학습, 층 쌓기, 외우기와 이해하기의 차이

   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

3. 3부

   ChatGPT는 어떻게 대답을 만들까?

   다음 토큰 예측, 토큰, 임베딩, 어텐션, 채팅봇이 되기까지

   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

4. 4부

   AI는 어떻게 자료를 읽고 도구를 쓸까?

   컨텍스트 윈도우, RAG, 도구 호출, MCP, 에이전트, 글 대신 선택지를 고르는 모델

   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

5. 5부

   AI 모델은 얼마나 크고, 어떻게 줄일까?

   왜 내 컴퓨터에서 큰 모델이 안 돌아가는지, 양자화와 프루닝, 증류

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

6. 6부

   AI는 왜 틀리고, 치우치고, 속을까?

   환각, 편향, 프롬프트 인젝션, 비용, 평가의 어려움

   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