빠르게 변하는 기술 트렌드를 쉽게 풀어드립니다
LLM, 신경망, AI 아키텍처 등 — AI 지식을 이해하는 데 필요한 개념들을 체계적으로 다룹니다.
온톨로지는 개념과 개념 사이의 관계를 명시적으로 정의하는 구조다. 원래 철학에서 “존재란 무엇인가”를 따지는 분야였지만, IT에서는 지식을 체계적으로 표현하는 방법으로 쓰인다. 최근 RAG의 한계가 드러나면서 온톨로지 개념이 다시 주목받고 있다. 나는 RAG 파이프라인을 운영하면서 벡터 유사도의 한계를 체감했다. 검색은 되는데 답변 품질이 기대에 못 미쳤고, 원인을 파고들다 온톨로지라는 단어를 자주 마주치게 됐다. 많이 들어봤지만 정확히 뭔지는 … 더 읽기
AI 에이전트가 하나일 때는 문제가 없었다. 혼자 도구를 고르고, 혼자 판단하고, 혼자 결과를 낸다. 그런데 에이전트가 여러 개가 되면 이야기가 달라진다. 서로 뭘 할 수 있는지 모르고, 작업을 넘기는 방법도 제각각이다. A2A 프로토콜은 이 문제를 풀기 위해 나온 에이전트 간 통신 표준이다. 나는 2026년 들어 컨퍼런스나 밋업에 갈 때마다 느낀다. 어디를 가든 “에이전트”가 화두다. 작년까지만 … 더 읽기
트랜스포머는 2017년 구글 브레인이 발표한 딥러닝 아키텍처다. 이 구조 하나가 GPT, Claude, Gemeni 등 현재 주요 AI 모델의 기반이 됐다. 트랜스포머 이전에도 딥러닝은 있었지만, AI를 쓰는 방식 자체를 바꾼 건 트랜스포머 이후의 일이다. 나는 트랜스포머 이전 시대에 모델을 직접 학습시켜 본 경험이 있다. 데이터를 모으고, 전처리하고, 학습 파이프라인을 짜고, 파인튜닝까지 거쳐야 겨우 쓸 만한 모델이 … 더 읽기
N-gram 은 앞 N-1 개 단어만 보고 다음 단어를 확률로 맞추는 가장 단순한 통계 언어 모델이다. 오늘날 LLM 의 출발점으로 불리며, 지난 50여 년 동안 자연어 처리 기술의 기반 역할을 해왔다. 트랜스포머가 가져온 변화를 이해하려면 이 출발점부터 알아야 한다. 처음 N-gram 을 만난 건 2020년이었다. 자연어 처리를 막 공부하던 시기였고, BERT가 한창 화제였지만 교과서는 여전히 … 더 읽기
하네스 엔지니어링은 AI 모델 바깥의 실행 환경을 설계하는 분야다. 도구·권한·메모리·피드백 루프·사람 승인을 묶어 모델이 실제 작업을 안정적으로 끝내고, 같은 모델에서도 결과 차이를 만든다. 처음에는 나도 모델 차이가 전부인 줄 알았다. 그런데 사례를 보다 보니 실행 환경 영향이 생각보다 훨씬 컸다. 2025년에는 코딩 에이전트가 코드를 짤 수 있는지가 관심사였다. 2026년에는 그 코드가 믿을 만하게 돌아가는지가 중심에 … 더 읽기
Google은 2025년 11월 13일, VSCode와 Colab의 연동 기능을 제공하는 공식 Colab 확장을 공개했다. 기존 VSCode Colab 연동 방식은 ngrok이나 SSH 터널 기반 설정이 필요했지만, 이제 확장 설치와 구글 로그인만으로 무료 T4 GPU까지 바로 연결할 수 있다. (출처) 예전에는 VSCode와 Colab을 연결하려면 ngrok 설정부터 Token 발급, Jupyter 서버 연결까지 우회 절차를 직접 설정해야 했다. 설정 과정이 … 더 읽기
프롬프트 작성법은 AI에게 원하는 답을 얻기 위해 질문을 설계하는 방법이다. 같은 AI를 써도 어떤 사람은 한 번에 원하는 답을 받고, 어떤 사람은 같은 질문을 몇 번씩 다시 고친다. 차이는 대부분 프롬프트에 들어 있는 정보량과 구조에서 나온다. AI가 좋다는 이야기는 많이 들리는데, 막상 처음 써 보면 어디서부터 어떻게 물어야 할지 막막하다. 어느 정도 익숙해진 뒤에도 답이 … 더 읽기
AI와 그래픽카드는 떼려야 뗄 수 없다. AI 학습과 추론의 핵심이 거대한 행렬 곱셈이라, 같은 계산을 수천 개씩 병렬 처리하는 GPU가 CPU보다 압도적으로 유리하다. 2026년 현재 글로벌 AI GPU 주문량은 200만 장을 넘었지만 공급은 70만 장 수준이다. 나는 AI와 그래픽카드의 관계를 설명할 때마다 “왜 GPU가 이렇게 부족한데?”라는 질문을 받는다. 엔비디아 최신 칩은 빅테크가 선점하고, 한국도 같은 … 더 읽기
AI 토큰은 ChatGPT 같은 AI 모델이 문장을 읽을 때 사용하는 단위다. 우리가 보는 글자를 그대로 읽는 게 아니라, 단어와 문자 묶음을 잘게 나눠 처리한다. 한국어는 영어보다 2~3배 더 많은 토큰을 쓰는 경우가 많아서, 같은 질문이라도 한국어 사용자가 비용과 속도 면에서 더 불리해질 수 있다. GPT-3 가 처음 나왔을 때는 한국어 프롬프트 품질이 지금보다 훨씬 불안정했다. … 더 읽기
AI 모델이 파일을 읽고 API를 호출하려면 모델 바깥에 연결 계층이 필요하다. 클로드 MCP(Model Context Protocol)는 그 연결을 표준화한 오픈 프로토콜이다. 앤트로픽이 공개했고, 클로드 코드(Claude Code)가 외부 도구를 실행하는 구조가 이 위에 올라간다. 나는 클로드 코드를 쓰면서 “이게 어떻게 내 파일 시스템에 접근하지?”라는 의문이 생겼다. 클로드 MCP 구조를 파보니, 단순한 챗봇이 아니라 도구를 직접 실행하는 계층이 … 더 읽기