AiBook: AI를 다시 배우기 위한 정적 웹 책
AiBook은 AI를 처음부터 다시 정리하기 위해 만든 정적 웹 책 프로젝트입니다.
AI를 처음 공부하는 사람, 예전에 AI 개론을 배웠지만 개념이 흐릿해진 사람, AI 도구는 써 봤지만 내부 원리를 더 알고 싶은 비전공자가 같은 흐름을 따라갈 수 있게 구성하고 있습니다.
이 프로젝트의 목표는 자료를 많이 모으는 것이 아닙니다.
AI 개론과 지형도 -> 기초 복구 -> 데이터 모델링 -> 머신러닝 -> 딥러닝 -> LLM과 생성형 AI -> 프로젝트로 이어지는 재학습 경로를 만드는 것입니다.
왜 다시 배우는가
요즘 AI는 너무 빨리 변합니다.
새 모델, 새 API, 새 도구, 새 프레임워크가 계속 나오고, 매번 표면만 따라가다 보면 정작 중요한 질문이 남습니다.
- 이 기술은 기존 AI 흐름에서 어디에 놓이는가?
- 머신러닝, 딥러닝, 생성형 AI, LLM은 서로 어떻게 이어지는가?
- 프롬프트, 임베딩, RAG, 에이전트는 서비스 구조 안에서 어떤 역할을 하는가?
- 수학과 Python은 어느 정도까지 다시 잡아야 실제 모델 계산을 읽을 수 있는가?
저는 AI를 다시 배우려면 최신 도구 사용법만 따라가는 방식으로는 부족하다고 생각합니다.
도구를 쓰는 감각도 중요하지만, 그보다 먼저 개념의 위치와 학습 의존 관계를 잡아야 합니다. 그래야 새로운 기술이 나와도 그것이 완전히 새로운 것인지, 기존 구조의 확장인지, 이름만 바뀐 것인지 판단할 수 있습니다.
책의 구성
AiBook은 일곱 개 Part로 구성합니다.
- Part 1. AI 개론과 지형도: AI의 범위, 역사, 규칙과 학습의 차이, LLM 사용 경험의 기본 요소를 잡습니다.
- Part 2. 기초 복구: 수학, Python, 데이터 도구, 실행 환경을 AI 모델 계산을 읽는 데 필요한 만큼 복구합니다.
- Part 3. 데이터 모델링: 원천데이터를 학습 가능한 입력과 비교 가능한 결과 구조로 정리합니다.
- Part 4. 머신러닝: 문제 설정, 데이터 분리, 학습, 평가, 대표 알고리즘을 하나의 공통 구조로 봅니다.
- Part 5. 딥러닝: 신경망 계산, 역전파, CNN, RNN, attention, Transformer로 이어지는 구조를 다룹니다.
- Part 6. LLM과 생성형 AI: 토큰, 프롬프트, 생성 설정, 임베딩, 검색, RAG, 에이전트, 평가를 연결합니다.
- Part 7. 프로젝트: 앞에서 배운 개념을 작은 산출물로 만들고, 실행 로그와 평가 기준으로 검증합니다.
이 순서는 단순한 목차가 아니라 학습 의존 관계입니다.
먼저 AI의 큰 지형을 잡고, 모델 계산을 읽기 위한 기초를 복구한 뒤, 데이터를 학습 가능한 구조로 바꿉니다. 그 위에서 머신러닝과 딥러닝의 공통 구조를 읽고, 마지막으로 현재의 LLM과 생성형 AI 서비스 구조로 이어갑니다.
비전공자를 기준으로 쓰기
AiBook은 대학 수준의 수학, 프로그래밍, 시스템 기초를 이미 안다고 가정하지 않습니다.
그렇다고 쉬운 비유만 남기는 방식도 피하려고 합니다. 핵심 용어는 가능한 한 한국어와 영어를 함께 적고, 나중에 논문, 공식 문서, 해외 강의, API 문서에서 다시 찾을 수 있도록 연결합니다.
예를 들어 학습(learning), 모델 실행(inference), 표현(representation), 임베딩(embedding), RAG(retrieval-augmented generation) 같은 용어는 처음에는 낯설 수 있습니다. 하지만 이 단어들을 피하면 결국 AI 문서를 읽을 수 없습니다.
그래서 AiBook은 용어를 없애기보다, 용어가 필요한 장면을 먼저 만들고 그 의미를 반복해서 연결하는 방향으로 작성합니다.
문서도 제품처럼 관리하기
AiBook은 단순 Markdown 묶음이 아니라, 문서 제품에 가깝게 관리하려고 합니다.
본문은 docs/ 아래에 두고, 목차는 MkDocs의 nav로 관리합니다. 개념이 흩어지지 않도록 개념사전을 두고, 각 Section에는 Section ID와 Version을 붙입니다.
또한 본문 밖에는 management/ 영역을 따로 둡니다. 이곳에는 집필 가이드, 릴리즈노트, Part별 체크리스트, 근거 수집 도구, 번역 품질 리포트 도구를 분리해 둡니다.
이 구조가 필요한 이유는 분명합니다.
AI 책은 한 번에 완성되기 어렵습니다. 설명은 계속 고쳐야 하고, 외부 자료는 날짜와 맥락을 확인해야 하며, 번역본은 원문과 의미가 어긋나지 않는지 다시 검수해야 합니다.
문서를 계속 고칠 수 있으려면, 글만 잘 쓰는 것으로는 부족합니다.
변경 이력, 검수 기준, 용어 기준, 목차 구조가 함께 관리되어야 합니다.
AI 도구와 함께 만들기
AiBook은 AI 도구를 사용해 만들어집니다.
AI는 커리큘럼 초안, 자료 조사, 비교 정리, 다이어그램 작성, 번역 초안, 문서 구조화에 도움을 줍니다. Codex 같은 도구는 저장소 안에서 파일을 읽고, 초안을 만들고, 구조를 정리하고, 반복 검토를 보조할 수 있습니다.
하지만 AI가 만든 문장은 최종 결과가 아니라 검토 대상입니다.
자연스러운 문장이라고 해서 맞는 설명은 아닙니다. 그럴듯한 요약이라고 해서 근거가 충분한 것도 아닙니다. 그래서 AiBook에서는 표준적 설명, 작업 가설, 검증 필요를 구분하려고 합니다.
AI를 활용하되, AI가 만든 결과를 다시 검토하는 구조를 함께 가져가는 것.
이것이 이 책의 중요한 작성 원칙입니다.
정리하며
AiBook은 AI를 빠르게 소비하기 위한 문서가 아닙니다.
새 도구를 하나 더 익히기 전에, 지금 내가 보고 있는 AI 기술이 어떤 흐름 위에 있는지 다시 잡기 위한 책입니다.
저에게 AiBook은 개인 학습 노트이면서, 동시에 지식베이스를 어떻게 구조화하고 운영할 수 있는지 실험하는 프로젝트입니다. AI를 공부하는 책이지만, 그 안에는 문서화, 검수, 번역, 릴리즈 관리, 자동화에 대한 고민도 함께 들어 있습니다.
처음 읽는다면 아래 두 문서부터 보면 됩니다.
홈으로 가기