복잡한 AI를 이해로 바꿉니다.
AI의 변화 [월간 AI 트렌드 리포트 | 2026.09] AI 상업화가 새로운 단계에 들어섰다
AI의 우험에 대한 경고는 커졌지만 자본과 상업화는 멈추지 않았다. 2026년 9월 AI 산업에서 벌어진 변화와 그 의미를 살펴본다.
AI의 변화 [월간 AI 트렌드 리포트 | 2026.09] AI 안전은 누가 결정하는가
AI 안전을 결정하는 건 과학일까, 정치일까, 시장일까. 2026년 9월, 규제 논쟁과 AI 사고·소송이 동시에 커지며 안전의 기준을 둘러싼 충돌이 본격화됐다.
실험실 모델이 클수록 AI가 강해질까?
Scaling Laws와 Chinchilla가 바꾼 AI 학습의 공식
실험실 컴퓨터는 어떻게 단어의 의미를 이해하게 되었을까?
word2vec 논문을 통해 분산 단어 표현 학습이 단어 사이의 관계를 표현하는 방식을 어떻게 바꾸었는지 살펴봅니다.
실험실 BERT가 바꾼 것은 아키텍처가 아니었다 - 언어를 읽는 방향이었다
BERT 논문을 통해 양방향 사전학습이 언어 모델의 문맥 이해 방식을 어떻게 바꾸었는지 살펴봅니다.
노트 나는 언제부터 AI에게 결정을 맡겼을까
AI에게 물어보는 것과 AI에게 결정을 맡기는 것은 다릅니다. 그 경계가 언제, 어떻게 흐려졌는지에 대한 기록.
노트 AI가 사람을 움직이기 시작하면
AI가 사람의 판단과 행동에 영향을 미치기 시작했습니다. 하지만 AI는 그 결과에 책임질 수 없습니다. 그렇다면 그 책임은 어디로 가야 할까요?
AI 이해하기 AI가 학습한다는 건, 정말 무슨 뜻일까?
AI가 학습한다는 것은 무엇을 의미할까요? 인간의 학습과 비교하며 파라미터, 역전파, 인간 피드백을 통해 AI가 어떻게 학습하는지 살펴봅니다.
실험실 Language Models are Few-Shot Learners
GPT-3 논문을 통해 언어 모델의 규모를 키우는 것이 어떻게 few-shot learning과 in-context learning의 강력한 능력으로 이어졌는지 살펴봅니다.
AI 이해하기 AI가 틀릴 때, 그건 실수일까 선택일까?
AI는 왜 그럴듯하면서도 틀린 답을 내놓을까요? 언어 모델의 답변 생성 방식과 오류의 원인을 살펴보고, 더 정확한 결과를 얻기 위해 무엇을 바꿔야 하는지 알아봅니다.
AI 이해하기 AI는 정말 '이해'하고 있을까?
AI는 정말 사람처럼 이해하고 생각할까요? 대규모 언어 모델의 작동 원리와 이해를 둘러싼 논쟁을 살펴보고, AI의 능력과 한계를 짚어봅니다.
AI 이해하기 인공지능 모델의 '파라미터' 사람으로 치면 뇌세포일까?
AI 모델의 '파라미터'가 무엇인지 그리고 뇌세포라는 비유가 어디까지 맞는지 쉽게 알아봅니다.
실험실 Improving Language Understanding by Generative Pre-Training
GPT-1 논문을 통해 생성적 사전학습과 지도학습 기반 파인튜닝이 현대 언어 모델의 중요한 기반이 된 과정을 살펴봅니다.
실험실 Attention is All You Need
Attention Is All You Need 논문을 통해 Transformer가 순환 구조 대신 self-attention을 중심으로 새로운 시퀀스 모델링의 기반을 만든 과정을 살펴봅니다.