통합 요약노트
Ch.1 AI와 프로그래밍의 만남
컴퓨터의 원리부터 AI의 역사, 그리고 LLM 파이프라인 전체를 조감합니다.
이 챕터의 내용
이진수란? — 0과 1로 세상을 담다
전기에는 ON과 OFF 두 가지 상태만 있습니다. 이것이 0과 1의 비밀입니다.
전등 스위치를 떠올려보세요. ON 아니면 OFF, 딱 두 가지뿐입니다
트랜지스터도 마찬가지입니다. 전류가 흐르면 1(ON), 안 흐르면 0(OFF)
이 단순한 원리가 디지털 세계의 출발점입니다
- 비트(bit) = 0 또는 1, 최소 정보 단위
- 바이트(byte) = 8비트 = 256가지 값
- 사진, 음악, 영상 모두 0과 1로 표현
CPU와 메모리 — 컴퓨터의 두뇌와 기억
요리사(CPU) + 조리대(RAM) + 냉장고(SSD) 비유로 이해해봅시다.
컴퓨터를 주방에 비유하면 이해가 쉽습니다
컴퓨터 안에는 4가지 핵심 부품이 있습니다
Python으로 RAM과 SSD의 차이를 체험해봅시다
- CPU = 두뇌 (순차 실행)
- RAM = 임시 기억, SSD = 영구 보관
- GPU = 대량 병렬 처리
AI란? — 규칙 vs 학습
규칙을 사람이 짜주던 시대 → 데이터에서 스스로 배우는 시대 로의 전환이 핵심입니다.
1943년, 최초의 수학적 뉴런 모델이 탄생합니다
초기 AI와 현대 AI, 근본적으로 다릅니다
규칙 기반 AI와 학습 기반 AI를 직접 코드로 비교해봅시다
- 1943 뉴런 → 1956 AI 명명 → 2017 Transformer
- 규칙 기반 ≠ 학습 기반 AI
- 현대 LLM = Transformer 아키텍처
반도체와 트랜지스터 — 0과 1의 물리적 근원
수도꼭지 비유 — 트랜지스터를 이해하는 가장 쉬운 방법입니다.
전류를 제어할 수 있는 물질, 그것이 반도체입니다
트랜지스터는 전류의 ON/OFF 스위치입니다
트랜지스터의 ON/OFF를 Python으로 시뮬레이션합니다
- 반도체 = 전류를 제어할 수 있는 물질
- 트랜지스터 = ON/OFF 스위치 → 비트 0과 1
- 수도꼭지 비유: 게이트=손잡이, 소스=입구, 드레인=출구
논리게이트 — AND, OR, NOT
AND, OR, NOT — 모든 계산의 기본 벽돌입니다.
AND, OR, NOT 트랜지스터로 만드는 논리 연산
AND와 XOR를 조합하면 1비트 덧셈이 가능합니다
AND, OR, NOT을 Python 함수로 직접 만들어봅시다
- AND·OR·NOT → 논리 연산의 기본 단위
- 논리게이트 조합 → 덧셈기 → ALU
GPU vs CPU — AI 칩의 세계
교수 1명 vs 학생 수천 명 — 문제의 종류에 따라 답이 다릅니다.
CPU와 GPU, 무엇이 다를까?
최첨단 AI 칩의 놀라운 스펙
CPU(순차)와 GPU(병렬)의 속도 차이를 코드로 체감합니다
- CPU = 만능 지휘관, GPU = AI 전용 가속기
- GPU 수천 코어로 행렬곱 병렬 처리 → AI 핵심
- H100 GPU: 코어 16,896개, 가격 4,000만 원
챕터 1 종합 퀴즈
종합 복습 — 다음 챕터로 넘어가기 전 마지막 점검입니다.
Ch1에서 배운 핵심을 정리합니다
무어의 법칙에 따르면 트랜지스터 수는 약 몇 년마다 2배가 되는가?
학습 기반 AI는 사람이 규칙을 직접 코딩한다
- 컴퓨터: 0과 1 → CPU(순차) + GPU(병렬)
- AI 역사: 1943 → AI 겨울 → 2017 Transformer
- LLM 6단계: 데이터→토큰화→임베딩→모델→학습→추론
핵심 용어 모음
이진수
0과 1로 모든 정보를 표현하는 수 체계
비트
이진수 한 자리, 정보의 최소 단위
CPU
순차적 명령 실행에 최적화된 범용 프로세서
GPU
수천 개 코어로 병렬 연산을 수행하는 프로세서
RAM
조리대 — 지금 쓰는 재료
SSD
냉장고 — 재료 보관
LLM
대규모 텍스트 데이터로 학습한 언어 생성 AI 모델
트랜스포머
어텐션 메커니즘 기반 신경망 구조, 현대 LLM의 핵심
도체
전류 잘 흐름 (구리, 금)
부도체
전류 안 흐름 (고무, 유리)
반도체
전류를 제어! (실리콘)
0 + 0
= 0 (올림 없음)
비교 정리
| 항목 | 규칙 기반 | 학습 기반 |
|---|---|---|
| 방식 | 사람이 규칙 직접 작성 | 데이터에서 패턴을 학습 |
| 예시 | 체스 엔진 (1990s) | ChatGPT, AlphaGo |
| 항목 | CPU | GPU |
|---|---|---|
| 코어 수 | 4~16개 (강력한 코어) | 수천 개 (작지만 많은 코어) |
| 비유 | 교수 1명 (심화 강의) | 학생 수천 명 (단순 시험) |
| AI 역할 | 데이터 전처리, 제어 | 행렬곱, 학습, 추론 |
퀴즈와 인터랙션으로 더 깊이 학습하세요
play_circle인터랙티브 코스 시작하기