“인공지능을 공부하려면 수학을 잘 알아야 할까요?”, “머신러닝을 배울 때 수학을 먼저 공부해야 하나요?”와 같은 질문을 참 많이 받습니다. 아이러니하게도 그에 대한 대답은 “네” 또는 “아니요” 모두 가능합니다.
머신러닝을 처음 배울 때 수학이 반드시 필요한 것은 아닙니다. 하지만 공부를 계속하다 보면 자연스럽게 수학의 필요성을 느낄 수 있습니다. 반대로 수학을 조금 이해하고 나서 시작하면 머신러닝 모델의 작동 방식을 이해하는 데 훨씬 더 자유롭습니다. 정답이 있는 것이 아니며 자신에게 맞는 공부 방법을 선택하면 됩니다.
그간 수학을 실용적으로 잘 설명하는 책을 번역하려고 마음먹었지만 좋은 책이 쉽게 눈에 띄지 않았습니다. 다행히 오라일리에서 나온 이 책은 이런 요구 사항을 딱 채워주었습니다. 벡터에서 머신러닝까지 수학이 어떻게 데이터 분석과 머신러닝에 활용되는지 탐험해볼 수 있어 즐거웠습니다. 모쪼록 독자들도 이 책이 마음에 들기를 바랍니다.
저자가 밝혔듯이 이 책은 입문서를 읽은 독자가 한 단계 더 발전할 수 있도록 돕는 책입니다. 번역하면서 저도 많은 것을 새롭게 알게 되었습니다. 일반적인 머신 러닝 책과 달리 수식이나 코드를 담고 있지 않아서 누구나 가벼운 마음으로 읽을 수 있습니다. 모쪼록 이 책이 여러분의 ML 여정에 도움이 되길 바라겠습니다.
이 책의 정오표는 블로그(https://tensorflow.blog/ml-q-and-ai)에 등록해 놓겠습니다. 책을 보기 전에 꼭 확인해 주세요. 이 책에 관한 이야기라면 무엇이든 환영합니다. 언제든지 블로그나 이메일로 알려주세요.
LLM을 이해하는 가장 좋은 방법은 밑바닥부터 직접 구현해 보는 것이라는 저자의 말에 동감합니다. 특히 컴퓨터 과학과 머신러닝에서는 이런 학습 방법이 효과적입니다. 엔지니어로서 저는 여전히 도구의 작동 방식에 호기심이 더 많습니다. 아마 이 책을 든 여러분도 저와 비슷할지 모르겠습니다. 이 책을 따라 파이토치로 벽돌을 하나씩 차곡차곡 쌓아 LLM 탑을 완성해 가다 보면 지금 시대의 인공지능과 LLM이 어떤 수준에 도달했는지 명확하게 알 수 있습니다.
LLM의 구조를 샅샅이 분해하다 보면 LLM은 실제 추론을 하는 게 아니라 사후 합리화를 위해 추론을 하는 것 같은 텍스트를 생성한다는 주장에도 고개를 끄덕이게 됩니다. 추론이라는 것은 본질적으로 무엇일까요? 사람은 기계와 달리 어떻게 차별화될까요? 우리가 풀지 못한 문제가 아직 너무 많습니다. 앞으로도 이 분야는 흥미롭고 신비로운 일들이 끊이지 않을 것임에 틀림없습니다.
