Neural AI Works.
KOR
ENGKOR

AI 설계자의 길 시리즈

STAGE 1AI의 원점

AI를 움직이는 수학을 기초부터 차근차근 쌓아간다. 이 책은 당신을 첫 시험대에 올린다.사전 지식은 필요 없다. 끝까지 생각할 준비만 있으면 된다.

  • Chapter 1–4 무료 공개
  • 입문자
  • 설치 불필요
STAGE 1: AI의 원점정식 출시 전 Chapter 1–4를 무료로 먼저 경험하세요.
CHAPTERS 1–4 FREEEARLY ACCESS

아래 질문의 답을 아시나요?

  • GPU 가격이 올라가는 이유?
  • 편미분을 알아야 하는 이유?
  • 삼전닉스 주식이 요동치는 이유?
  • 알파고가 다음 수를 예측하는 수학적 원리?
  • 활성화 함수의 조건?
  • 왜 인공신경망은 처음부터 비선형으로 설계하면 안 될까?

책 속으로

Chapter 0.
원점에 선 예비 설계자들에게

AI가 세상을 뒤흔들고 있다.

누구나 AI를 말하고, 누구나 AI를 배우려 한다.

새로운 모델과 새로운 기술은 쉴 새 없이 등장하고, 그것을 설명하는 강의와 책도 매일같이 쏟아진다.

그런데 막상 AI를 제대로 이해하려고 안으로 들어가 보면 조금 이상한 사실을 발견하게 된다.

“우리가 흔히 상상하는 것처럼, AI가 하나의 단일한 학문 체계로 깔끔하게 정리되어 있는 것은 아니다.”

적어도 물리학이나 생물학처럼 오랜 시간에 걸쳐 지식이 정리되고, 무엇을 어떤 순서로 배워야 하는지가 충분히 가다듬어진 하나의 완결된 학문을 기대한다면 그렇다.

즉, 지금 이 분야에는 모두가 똑같이 따라가면 되는 하나의 완성된 지도가 있다고 말하기 어렵다.

어쩌면 당연한 일인지도 모른다.

현대 AI는 아직 빠르게 변하고 있다.

새로운 지식을 발견하고, 정리하고, 다시 누군가에게 전달할 수 있는 형태로 다듬는 동안에도 기술은 계속 앞으로 나아간다.

지도가 그려지는 속도보다 길이 만들어지는 속도가 더 빠른 셈이다.

하지만 더 깊이 내려가 보면 정반대의 사실도 발견하게 된다.

“오늘날 AI의 밑바닥을 이루는 많은 원리는 결코 새롭지 않다.”

선형대수학, 미분학, 확률과 통계, 기하와 벡터.

오늘날 AI를 움직이는 수많은 수학적 원리는 AI가 등장하기 훨씬 전부터 존재해왔다.

인류는 오래전부터 세상의 이치를 이해하기 위해 수학을 만들어왔다.

움직임을 설명하고, 변화의 정도를 계산하고, 공간의 관계를 표현하고, 불확실성을 숫자로 다루는 방법을 하나씩 발견해왔다.

때로는 당장 어디에 쓰일지도 알 수 없었던 수많은 수학적 발견들이 세대를 넘어 쌓였고, 그 위에 또 다른 발견이 놓였다.

그리고 그렇게 오랜 시간 잠자고 있던 수학들이 새로운 알고리즘과 방대한 데이터, 이전과는 비교하기 어려운 계산 능력을 만났다.

“그리고 잠에서 깼다.”

이 책은 우리를 그 원점으로 보낸다.

완성된 AI를 앞에 놓고 구조를 외우는 데서 시작하지 않는다.

누군가 만들어 놓은 공식을 보여주고 사용법부터 익히는 데서 시작하지도 않는다.

6-STAGE AI BOOK SERIES

선형 모델에서 Transformer까지, AI의 구조를 이해하는 6 STAGES의 여정

이 책은 총 여섯 단계로 구성되어 있습니다. 각 단계는 AI의 한 층을 하나씩 벗겨 내며 현대 AI로 차근차근 나아갑니다.

STAGE 1은 딥러닝의 기본 구성 요소 중 하나인 선형 모델에서 시작합니다. 이후 MLP, CNN, RNN, Transformer를 거쳐 그 너머로 나아갑니다.

No-Code Edition

코드 없이 개념을 이해하는 경로

AI의 구조와 흐름을 코드 없이 따라가고 싶은 독자를 위한 에디션입니다.

그래프, 그림, 퀴즈, 인터랙션을 통해 딥러닝 모델이 왜 그렇게 작동하는지 직관적으로 이해합니다.

추천 대상: 비개발자 · 기획자 ·
교육자
· AI 입문자

Code Edition

코드로 직접 확인하는 경로

AI의 개념을 코드와 실행 결과로 확인하고 싶은 독자를 위한 에디션입니다.

브라우저에서 코드를 직접 실행하며 모델의 계산 흐름과 학습 과정을 확인합니다.

추천 대상: 개발자 · 데이터 분석가 ·
Python 학습자
· AI 입문 개발자

FREE EARLY ACCESS

STAGE 1AI의 원점

AI를 배우는 사람과 AI를 설계하는 사람은 여기서 갈라진다.

이 책은 당신을 첫 시험대에 올린다. 사전 지식은 필요 없다. 끝까지 생각할 준비만 있으면 된다.이 책은 당신을 첫 시험대에 올린다. 사전 지식은 필요 없다. 끝까지 생각할 준비만 있으면 된다.

  • AI 진로·적성을 확인하려는 입문자
  • 모델의 원리를 다시 연결하려는 개발자

선착순 100명 Early Access 무료정식 출시 전 Chapter 1–4를 무료로 제공

설문 완료 시 최대 70% 할인정식 출시되는 STAGE 1을 할인된 가격으로 제공

Chapter 1–4 무료로 읽기EARLY ACCESS

AI Book만의 학습 방식

읽기만 하지 않습니다. 만지고, 확인하고, 물어보세요.

y = wx + b
READ

이야기로 맥락을 만듭니다

공식보다 문제가 먼저 등장합니다. 필요한 이유를 이해한 뒤 개념을 만납니다.

6 STAGES 하나의 연결된 여정

각 STAGE는 앞에서 만든 직관을 다음 구조의 재료로 사용합니다.

STAGE 1AI의 원점

  • AI를 움직이는 수학을 기초부터 차근차근 쌓아간다.
  • 사전 지식은 필요 없다.
  • 끝까지 생각할 준비만 있으면 된다.
무료로 읽기EARLY ACCESS
STAGE 2
MLP

다층 퍼셉트론의 설계

  • 은닉층을 쌓는 구조
  • 오차를 거슬러 배우는 법
  • 다층 신경망을 설계한다.
서비스 예정
STAGE 3
CNN

합성곱의 기하학

  • 부분부터 보는 시선
  • 필터로 읽는 공간 특징
  • 시각 신경망을 설계한다.
서비스 예정

이 책이 다른 이유

입문자를 위해 설계한 딥러닝의 수학.

미분, 그래디언트, 손실함수를 추상적인 공식으로 시작하지 않습니다. 직접 따져 볼 수 있는 간단한 문제에서 출발해, 딥러닝을 움직이는 수학까지 한 단계씩 쌓아 올립니다.

공식보다 문제를 먼저 이해합니다. 새로운 수학 개념은 가진 도구만으로는 더 풀 수 없을 때에만 등장합니다. 미분이나 경사하강법이 나올 즈음이면, 왜 그것이 필요한지 이미 알고 있습니다.

각 개념은 앞의 개념에서 자연스럽게 자라납니다. 변화율은 미분으로, 미분은 그래디언트로, 그래디언트는 경사하강법으로 이어집니다. 따로 떨어진 공식을 외우는 대신 조각들이 어떻게 연결되는지 보게 됩니다.

하나로 이어지는 이야기가 수학을 붙잡아 둡니다. 같은 인물, 같은 결정, 같은 데이터가 Chapter를 넘어 이어집니다. 문제가 정교해질수록 수학도 함께 자라며, 매번 처음부터 다시 시작하게 하지 않습니다.

이런 분께 권합니다

  1. AI 공부가 나에게 맞는지부터 확인하고 싶은 사람
  2. 개념의 출발점부터 차근히 배우고 싶은 완전 초보자
  3. 수식과 코드 사이의 연결을 처음부터 이해하고 싶은 대학생
  4. 새로운 분야로 옮기기 전에 AI의 토대를 만들고 싶은 커리어 전환자
  5. 도구 사용을 넘어 모델이 학습하는 원리를 이해하고 싶은 개발자
  1. AI 공부가 나에게 맞는지부터 확인하고 싶은 사람
  2. 개념의 출발점부터 차근히 배우고 싶은 완전 초보자
  3. 수식과 코드 사이의 연결을 처음부터 이해하고 싶은 대학생
  4. 새로운 분야로 옮기기 전에 AI의 토대를 만들고 싶은 커리어 전환자
  5. 도구 사용을 넘어 모델이 학습하는 원리를 이해하고 싶은 개발자

저자 소개

R

Richard One

Richard One은 AI가 가장 근본적인 원리에서 어떻게 만들어지는지에 깊은 관심을 가진 박사과정 학생입니다.그는 기술적 배경이 없는 사람도 이러한 개념을 쉽게 이해할 수 있도록 설명하는 데 집중하고 있습니다.이러한 관심에서 이 책이 탄생했습니다.

AI 설계자의 길

딥러닝을 결과가 아닌 원리부터 설계하세요

전체 시리즈 보러가기

자주 묻는 질문

Early Access란 무엇인가요?

정식 출시 전에 Chapter 1–4를 먼저 무료로 읽고 피드백을 남기는 단계입니다. 보내주신 의견은 설명의 흐름과 학습 분량을 다듬어 더 좋은 정식판을 만드는 데 반영됩니다.

지금 어디까지 읽을 수 있나요?

현재는 Chapter 1–4가 공개됩니다. Chapter 5–7은 정식판에 포함되며 같은 STAGE 1 페이지에 이어집니다.

코딩 경험이 없어도 되나요?

네. No-Code Edition으로 모든 핵심 개념을 학습할 수 있고 원하는 경우 Code Edition을 선택할 수 있습니다.

수학을 잘해야 읽을 수 있나요?

수식을 피하지는 않지만 언제나 그림과 비유로 직관을 먼저 만듭니다. 평균과 기울기처럼 필요한 개념을 맥락 안에서 다시 설명하기 때문에 모든 수학을 알고 시작할 필요는 없습니다.

전자책이나 PDF와 무엇이 다른가요?

본문 안의 시뮬레이터를 직접 조작하고 Chapter 퀴즈로 이해를 확인하며 읽고 있는 내용을 기준으로 AI에게 질문할 수 있습니다. 보는 콘텐츠보다 사용하는 교재에 가깝습니다.

어떤 환경에서 학습하는 것이 좋나요?

모바일에서도 읽을 수 있지만 인터랙티브 그래프와 넓은 본문을 함께 보기 좋은 PC 환경에서 가장 편안하게 학습할 수 있습니다.

Early Access로 Chapter 1–4를 무료로 읽어보세요

Chapter 1–4를 정식 출시 전에 먼저 읽고 피드백을 남겨 주세요.선착순 100명에게 Early Access를 무료로 제공하며, 설문에 참여하면 정식 출시되는 STAGE 1을 최대 70% 할인된 가격으로 제공합니다.Chapter 1–4를 정식 출시 전에 먼저 읽고 피드백을 남겨 주세요.선착순 100명에게 Early Access를 무료로 제공하며,설문에 참여하면 정식 출시되는 STAGE 1을최대 70% 할인된 가격으로 제공합니다.

FREE EARLY ACCESS

AI Book 서비스 소식 받아보기

새로운 STAGE가 공개되면 가장 먼저 알려드릴게요.

알림 받기
Neural AI Works.
개인정보 처리방침© 2026 Neural AI Works, Inc. All rights reserved.

오히려 반대로 해볼 것이다.

“아직 아무것도 만들어지지 않았다고 가정한다.”

어떤 판단을 숫자로 표현하려면 어떻게 해야 할까?

그 판단이 틀렸다는 것은 어떻게 계산할 수 있을까?

더 좋은 답이 어느 방향에 있는지는 어떻게 알아낼까?

가장 단순한 방법을 시도하고, 그 방법의 한계를 발견하고, 새로운 방법을 만들어낼 것이다.

“수학적 사전 지식이 없어도 된다. 화려한 프로그래밍 경력도 없어도 된다. 끝까지 생각할 준비 하나만 되어 있으면 된다.”

당신이 멈추지 않는 한, 이 책은 끝까지 길을 보여줄 것이다.

2026.9 Richard One

Chapter 1. 의사결정 공식

1-1. 여행 만족도 공식

“이런 거 본 적 있어?”

미지는 핸드폰을 내밀며 말했다.

지금까지 한 번도 본 적 없는 놀라운 풍경.

화면 속에는 눈물 나올 듯 멋진 절경이 쏟아지려 하고 있었다.

“좋은데? 근데 여기 가려면 꽤 비싸지 않아?”

“대신 여럿이서 같이 가면 숙소 같은 건 나눠 낼 수 있잖아.”

미지는 잠시 생각했다. 여행이란 게 좋은 곳에 간다고 무조건 만족스러운 것은 아니었다. 누구와 함께 가는지, 얼마나 돈이 드는지, 얼마나 오래 머무는지에 따라서도 만족도는 달라졌다.

(중략)

예를 들어 미지에게 동행 수가 많아지는 것은 좋은 일이고, 경비가 늘어나는 것은 부담스러운 일이다. 그렇다면 이러한 두 종류의 요소를 하나의 식으로 어떻게 표현할 수 있을까?

뺄셈에서는 앞의 값이 클수록, 뒤의 값이 작을수록 결과가 커진다.

예를 들어,

10 − 2 = 8

10 − 7 = 3

처럼 앞의 값이 같다면 뒤의 값이 작을수록 결과가 커진다. 반대로 뒤의 값이 같다면 앞의 값이 클수록 결과가 커진다.

미지는 이 뺄셈의 성질을 이용해, 만족도를 높이는 요소는 앞에 두고 만족도를 낮추는 요소는 뒤에 두는 아주 단순한 공식을 세웠다.

만족도 = 좋은 요소 − 부담스러운 요소

이렇게 식을 세우면 좋은 요소가 클수록, 부담스러운 요소가 작을수록 만족도는 높게 계산된다.

미지의 여행에서 좋은 요소는 동행 수, 부담스러운 요소는 경비다. 그러면 위의 공식을 다음과 같이 바꿔 쓸 수 있다.

만족도 = 동행 수 − 경비

메뉴
목차

Chapter 0.원점에 선 예비 설계자들에게

    Chapter 1.의사결정 공식

    • 1-1.여행 만족도 공식
    • 1-2.영향력의 적용

    Chapter 2.오차 계산 공식

    • 2-1.영향력의 조정
    • 2-2.오차들의 합
    • 2-3.오차 제곱합
    • 2-4.오차 제곱합의 그래프
    • 2-5.의사결정 공식과 오차 계산 공식의 구분
    • 2-6.오차 제곱합 그래프의 꼭짓점의 좌표
    • 2-7.평균 제곱 오차
    • 2-8.오차 계산 공식 설계의 유연성

    Chapter 3.출력 조정 함수

    • 3-1.직선의 형태가 아닌 데이터
    • 3-2.시그모이드 함수
    • 3-3.시그모이드 함수의 변형
    • 3-4.의사결정 공식과 출력 조정 함수의 합성
    • 3-5.출력 조정 함수와 합성된 의사결정 공식의 MSE

    Chapter 4.변화 측정

    • 4-1.기울기의 계산
    • 4-2.평균변화율과 그 부호
    • 4-3.아주 가까운 두 점에서의 기울기
    • 4-4.한 점만으로 기울기를 구하는 법

    Chapter 5.낮은 점 탐색

      Chapter 6.여러 값의 낮은 점 탐색

        Chapter 7."AI의 정체"를 항해

          w₁bMSE
          INTERACT

          만지는 학습

          학습률·경사하강법 같은 핵심 개념을 다루는 시뮬레이터를 직접 조작하면 손실 곡선이 실시간으로 바뀌는 모습을 확인할 수 있습니다. 외우는 수식이 아니라 손에 남는 직관을 만듭니다.

          Q. MSE(w₁, b)에서 b 방향의 기울기를 구하려면?
          w₁ 고정 → 단면 곡선 → b에 대해 미분
          b 고정 → w₁ 단면 → w₁에 대해 미분
          QUIZ

          확인하는 학습

          각 Chapter의 퀴즈와 용어 툴팁으로, "이해했다는 느낌"이 아니라 이해했다는 증거를 확인합니다.

          가중치와 보정값은 어떻게 함께 학습하나요?
          w₁과 b 각각에 대해 편미분으로 기울기를 구한 뒤, 각 기울기의 반대 방향으로 두 값을 함께 업데이트합니다.
          AI

          물어보는 학습

          막히는 문장에서 바로 AI에게 질문하세요. 검색하러 나갈 필요 없이, 지금 보는 본문 기준으로 답합니다.

          STAGE 4
          RNN

          순환의 시간

          • 순서 있는 데이터를 다룬다.
          • 이전 정보를 기억한다.
          • 시간의 흐름을 이해한다.
          서비스 예정
          STAGE 5
          LSTM

          장기 의존성

          • 오래 기억하고 잊는 법
          • 게이트로 기억을 고른다.
          • 긴 순서를 다룬다.
          서비스 예정
          STAGE 6
          Transformer

          어텐션과 트랜스포머

          • 어디를 볼지 정하는 망
          • 중요한 문맥을 연결한다.
          • 병렬 구조를 설계한다.
          서비스 예정
          시리즈는 어떤 순서로 공개되나요?

          『AI의 원점』을 시작으로 MLP, CNN, RNN, LSTM, Transformer 순서로 이어집니다. 순서대로 학습하면 모델 구조의 발전 흐름이 자연스럽게 연결됩니다.