기획자와 리더를 위한 LLM 교양수업

기획자와 리더를 위한 LLM 교양수업

인공지능(AI)과 딥러닝 기술이 산업 전반을 재편하고 있지만, 정작 거대언어모델(LLM)이 어떤 개념 위에 서 있고 어디로 향하고 있는지를 큰 그림으로 파악하기는 쉽지 않습니다.

시중에 나와 있는 엔지니어 중심의 복잡한 논문 설명에 치우쳐 있거나, 반대로 단편적인 프롬프트 팁 수준에 머무는 경우가 많았습니다. 이 강의는 그 사이에서, 기획자와 비즈니스 리더에게 꼭 필요한 수준의 원리 개념과 글로벌 동향·비용 구조·산업별 활용 사례를 가급적 편안한 용어와 개념을 사용해서 설명합니다. 이 강의에서는 시각화 다이어그램과 실제 사례를 통해, 자연어 처리(NLP)와 단어 임베딩부터 트랜스포머(Transformer)와 어텐션의 개념, ChatGPT 이후의 빅테크 경쟁 구도와 환각(Hallucination)의 원인까지 한 흐름으로 설명합니다.

이 강의에서 다루는 것

인공신경망과 딥러닝의 기초

인공지능(AI)의 큰 그림을 설명하기 위해 인공신경망의 동작 원리에 대해 설명합니다. 구글 텐서플로우 플레이그라운드(TensorFlow Playground)로 신경망이 데이터를 학습(순전파·역전파)하고 추론하는 과정을 직접 눈으로 확인하며, 퍼셉트론에서 다층 퍼셉트론(MLP)까지의 동작 원리를 설명합니다.

자연어 처리(NLP)와 Word2Vec

컴퓨터가 사람의 말을 다루는 자연어 처리(NLP)는 단어를 숫자로 바꾸는 일에서 시작했습니다. 원-핫 인코딩의 한계를 짚고, 문장 속 주변 단어로 중심 단어를 맞추거나(CBOW) 중심 단어로 주변 단어를 예측하는(Skip-gram) Word2Vec 단어 임베딩의 원리와 코사인 유사도 개념을 소개합니다.

트랜스포머(Transformer)와 어텐션의 개념

지금의 LLM 시대를 연 트랜스포머의 핵심 개념인 어텐션(Attention)을 다룹니다. 문장에서 어떤 단어를 주목하는지를 한영 번역 시 지시대명사('It')가 가리키는 대상을 찾는 예시로 따라가고, 인코더 셀프 어텐션·마스크드 디코더 셀프 어텐션·크로스 어텐션의 세 가지 종류와 멀티헤드 어텐션, 그리고 인코더(BERT)·디코더(GPT) 계열의 차이를 큰 그림으로 정리합니다.

LLM의 생애주기: 사전학습부터 지식 증류까지

모델이 만들어지고 고도화되는 전체 흐름을 봅니다. 사전학습(Pre-training), 추론, 사후학습(파인튜닝)과 인간 피드백 강화학습(RLHF), 모델을 압축하는 지식 증류까지 이어지는 4단계 파이프라인 안에서 각 기술의 위치를 파악합니다. 실제 오픈소스 모델 파인튜닝 구현 실습은 이후 출시되는 후속 강의에서 다룹니다.

동향과 활용: 빅테크 경쟁 구도와 산업별 사례

ChatGPT의 등장 이후 패스트 팔로워들의 추격과 미·중 기술 패권 경쟁(DeepSeek, Qwen 등), 최신 프론티어 모델 판도와 빅테크별 비즈니스 전략을 짚습니다. 검색·사무자동화·코딩부터 콘텐츠 편집, IT 교육, 헬스케어, 일상생활까지 산업별 활용 사례를 통해 우리 조직에 적용할 지점을 찾습니다.

한계와 리스크: 환각, 저작권, 개인정보

LLM 활용의 이면도 함께 봅니다. 구체적인 예시를 통해 환각(Hallucination)이 발생하는 이유와 시점별 데이터 충돌 문제를 체감하고, 환각을 보완하는 RAG(검색 증강 생성)와 벡터 데이터베이스의 기본 역할을 소개합니다. 나아가 최신 기술 데이터가 쌓이지 않는 기근 현상, 오픈소스 학습을 둘러싼 저작권 분쟁과 개인정보·윤리 리스크까지 도입 전에 알아야 할 한계를 정리합니다.

3개 섹션, 50개 수업 커리큘럼 로드맵 (총 3시간 25분)

섹션 1. 언어모델의 역사와 AI 트렌드·환각 (21개 수업 / 1시간 33분)

• 오리엔테이션 및 언어모델(LM)의 정의, Word2Vec(CBOW·Skip-gram)의 원리

• 초거대 언어모델(LLM)과 트랜스포머의 탄생, Seq2Seq 번역기 구조

• 텐서플로우 플레이그라운드로 직접 보는 인공신경망 학습(순전파·역전파)과 추론

• 글로벌 빅테크·소버린 AI 동향, 도입 비용(BEP) 구조, 분야별 SOTA·코딩 AI와 요금제 진화

• 실제 사례(글자 수 세기, 표준어 변경 등)로 보는 환각(Hallucination)의 한계와 RAG·벡터 DB 개요

섹션 2. LLM의 규모·비용과 어텐션의 개념 (15개 수업 / 55분)

• 기존 언어모델(N-gram·RNN)의 긴 문장 예측 한계와 트랜스포머 이후 모델 계보

• 학습과 추론의 구분, 사전학습·파인튜닝·RLHF·지식 증류의 4단계 파이프라인

• 파라미터 크기(B)의 진화와 GPU 메모리 계산법, 양자화와 MoE·온디바이스 AI 사양

• 컨텍스트 길이(Token)와 요금제의 상관관계, 인과 모델(Causal)과 지시 모델(Instruct)·퓨샷 개념

• 어텐션의 개념과 대명사 추적 예시, 멀티헤드 어텐션, 비전 트랜스포머(DLSS)와 스테이블 디퓨전 원리

섹션 3. ChatGPT 이후 경쟁과 산업별 활용 사례 (14개 수업 / 56분)

• ChatGPT 혁명(10억 가입자 돌파)과 패스트 팔로워의 추격, 미·중 AI 기술 패권 경쟁(DeepSeek 등)

• AI 산업 지형도와 기업별 도입·내재화 전략, 빅테크(앤트로픽·구글·메타) 비즈니스 전략 비교

• 검색·업무·코딩 자동화부터 콘텐츠 편집·IT 교육·헬스케어·일상까지 산업별 실무 활용 사례

• LLM의 한계: 환각과 최신 기술 데이터 기근, 오픈소스 저작권·개인정보·윤리 리스크

• 미래 전망(초거대·경량화 투트랙, 자율주행 VLA 모델)과 에필로그

지식공유자 소개

하석재 | (주)투에이치큐브 (2HCUBE) 대표

투에이치큐브는 첨단 인공지능 기술의 본질을 대중과 산업계에 가장 명쾌하고 실용적인 언어로 전달하는 AI 전문 교육·컨설팅 기업입니다.

• 서울대학교 컴퓨터공학 학사·석사·박사과정 수료

• 국책 연구기관(ETRI), 삼성SDS 멀티캠퍼스 등 주요 연구기관·대기업 AI 핵심 기술 출강

• 고려대학교, 숭실대학교, 명지대학교, 충남대학교 등 출강

"기술의 껍데기가 아닌 본질적인 원리와 맥락을 전달한다"는 교육 철학으로 수많은 리더와 실무자의 AI 전환을 돕고 있습니다.