수학 없이 이해하는 인공지능 이야기

AI와 함께 살아갈 우리에게

나현진 지음

애스커스 2026년 07월 06일 출간

작품소개

책소개

챗GPT에 문장 하나를 입력하면 사람이 쓴 듯한 답이 돌아옵니다. 그 짧은 순간, 화면 너머에서 정확히 무슨 일이 벌어지는 걸까요?

『수학 없이 이해하는 인공지능 이야기』는 수학 공식 한 줄 없이, 인공지능이 "배우고 · 읽고 · 쓰는" 전 과정을 하나의 이야기로 풀어낸 AI 해설서입니다. 독자는 '코리'라는 캐릭터와 함께 할머니의 과일 가게에서 사과의 단맛을 예측하는 일에서 출발하여, 데이터란 무엇인지, 기계가 '배운다'는 것이 무슨 뜻인지, 그리고 오늘날 모든 AI의 심장이라 불리는 트랜스포머가 어떻게 작동하는지를 차근차근 따라갑니다.

1부 「AI의 지도」에서는 인공지능의 전체 지형을 조감합니다. 18세기 체스 자동인형 '터크'의 일화에서 시작해 데이터·머신러닝·딥러닝·어텐션·트랜스포머까지, 흩어진 용어들이 어떻게 맞물려 돌아가는지를 한 장의 지도로 그려 줍니다. 2부 「LLM 엔진 해부」에서는 그 지도를 들고 실제 엔진의 뚜껑을 엽니다. "도서관 몇 시까지 열어요?"라는 한 문장이 토큰으로 쪼개지고, 숫자가 되고, 어텐션을 거쳐 다음 단어 하나를 뱉기까지의 전 과정을 부품 단위로 해부한 뒤, RAG와 에이전트를 달아 쓸모를 갖추는 데까지 나아갑니다.

AI 전공을 준비하는 학생, 비전공 대학원 진학을 꿈꾸는 직장인, 생성형 AI를 매일 쓰면서도 그 원리가 궁금했던 모든 분을 위한 책입니다. 외우는 대신 머릿속에 그림을 그리고, 그 그림 위에 새로운 지식을 계속 쌓아 갈 수 있도록 설계되었습니다.

목차

제1부 · AI의 지도
- 사과 한 개에서 챗GPT까지, 인공지능의 큰 그림

들어가며 외우지 말고, 그림을 그리세요
1장 인공지능은 마법이 아니에요
2장 기계가 '배운다'는 것
3장 특징을 스스로 찾다
4장 기계는 어떻게 배우는가
5장 컴퓨터가 말을 읽는 법
6장 어텐션과 트랜스포머
7장 문장을 짓는 기계
8장 똑똑하지만 완벽하진 않아

제2부 · LLM 엔진 해부
- 챗봇은 어떻게 글을 쓰는가:
토큰화부터 트랜스포머, RAG·에이전트까지

여는 글 큰 그림 먼저 — 한 문장을 끝까지 따라갑니다
1장 글이 숫자가 되고, 의미를 얻기까지
더하기 트랜스포머 이전 — 기억하며 한 단어씩 읽던 기계
2장 순서를 알고, 단어끼리 대화하기
3장 여러 관점으로 보고, 혼자 생각 정리하기
4장 깊이 쌓고, 드디어 단어를 뱉다
5장 모델마다 뭐가 다를까, 그리고 앞으로
6장 AI에게 '오픈북 시험'을 허락하기 — RAG
7장 두뇌에 손발 달기 — 에이전트와 도구 사용
8장 골라 쓰기 — 프롬프트 vs RAG vs 파인튜닝

닫는 글 그림을 그렸으니, 이제 만들 차례
부록 용어 사전 · 점검 · 해설

책 속으로

①이 책을 쓰게 된 계기가 있습니다.
비전공자로 인공지능 대학원에 진학했다가, 첫 학기에 쏟아지는 용어와 수식 앞에서 길을 잃은 분을 만났어요. 머신러닝, 딥러닝, 트랜스포머, 어텐션 — 수업마다 조각은 배우는데, 그 조각들이 어디서 와서 어디로 이어지는지 전체 그림이 좀처럼 그려지지 않았다고 해요. 한편에서는 회사에서 "생성형 AI 도입해야 한다"는 말에 이번엔 챗GPT, 다음엔 클로드, 그다음엔 또 새로운 도구를 매번 처음부터 쫓아다니느라 지친 분도 적지 않았습니다. 도구가 바뀔 때마다 다시 초보가 되는 거예요.
두 분의 고민은 달라 보이지만 뿌리는 같았습니다. 기초와 큰 흐름을 한 번도 처음부터 끝까지 이어서 본 적이 없다는 것. 용어 사전은 많고, 도구별 튜토리얼은 넘치는데, 데이터가 뭔지부터 챗GPT가 왜 그렇게 답하는지까지를 하나의 이야기로 꿰어 주는 지도가 없었어요. 그래서 이 책이 그 지도가 되려고 했습니다.

② 며칠 뒤, 코리의 머릿속에 생긴 것 (모델·가중치란 무엇인가)
코리는 예측하고, 틀리고, 점수를 매기고, 규칙을 조금 고치는 순서를 며칠 동안 수백 번 반복했습니다. 그런데 어느 순간 신기한 일이 벌어졌어요. 사과를 척 보면 판단이 먼저 떠오르기 시작한 겁니다. 처음에는 무게만 보던 코리가 이제는 자기도 모르게 향을 가장 중요하게 보고 있었습니다. 그래서 그 감을 숫자로 적어 봤습니다.
단맛 점수 = 색깔 점수 × 0.4 + 무게 점수 × 0.3 + 향 점수 × 0.6
향 점수에 붙은 0.6이 색깔 점수의 0.4보다 크죠? 이것은 코리가 "향을 색깔보다 더 믿게 됐다"는 뜻이에요. 며칠 동안 이어진 연습이 이 숫자들 안에 고스란히 담긴 겁니다. 이렇게 학습 과정에서 조정되는 숫자를 파라미터(Parameter)라고 부릅니다.

출판사 서평

시중에 AI 용어를 나열한 입문서는 넘친다. 그러나 데이터의 정의에서 출발해 GPT가 문장을 생성하는 원리까지를 하나의 서사로 꿰어 주는 책은 드물다. 이 책은 '코리'라는 캐릭터를 내세워 과일 가게의 일상에서 머신러닝·딥러닝·트랜스포머·RAG·에이전트까지 도달하는 구성을 취한다. 개념이 등장할 때마다 "왜 이것이 필요했는가"를 이야기의 흐름 안에서 납득시키기 때문에, 독자는 용어를 외우는 것이 아니라 맥락 속에서 이해하게 된다.
2부의 설계가 주목할 만하다. "도서관 몇 시까지 열어요?"라는 하나의 한국어 문장이 토큰화·임베딩·어텐션·소프트맥스를 거쳐 출력에 이르기까지의 전 과정을 관통 예문으로 추적한다. 추상적이기 쉬운 LLM 내부 구조를 하나의 구체적인 흐름 위에 고정시킨 것으로, 비전공자를 위한 해설 전략으로서 효과적이다.
수식을 완전히 배제한 것은 이 책의 가장 뚜렷한 선택이자 한계이기도 하다. 큰 그림을 잡는 데는 탁월하지만, 이후 논문이나 구현 코드로 넘어가려면 별도의 학습이 필요하다. 다만 저자 역시 이 점을 분명히 인식하고 있다. 닫는 글에서 "설계할 수 있으면 만들 수 있다"며 이 책의 역할을 '지도 그리기'로 한정하고, 다음 단계는 독자에게 맡긴다. 범위를 스스로 제한함으로써 오히려 책의 정체성이 선명해진다.
AI 관련 학과 진학을 준비하는 학생에게는 첫 번째 안내서로, 생성형 AI를 업무에 도입하려는 실무자에게는 원리를 압축적으로 파악하는 경로로, AI 리터러시 교육을 설계하는 교육자에게는 커리큘럼 참고 자료로 활용할 수 있을 것이다.

인물정보

저자(글) 나현진

교육학과 인공지능 컴퓨팅을 함께 공부해 온 융합형 교육 전문가. 연세대학교에서 교육학 석사학위를 취득한 뒤 인공지능 분야를 공부하며, 기술의 원리와 교수 설계를 함께 아우르는 관점으로 AI 교육을 설계하고 있다.

현재 대기업과 공공기관을 대상으로 생성형 AI 실무 활용 강의를 진행하고 있으며, 공무원 연수원 외래교수로도 활동하고 있다. 사내 강사 양성과정과 핵심인재 육성 프로그램 등을 통해 현장의 AI 활용 역량을 높여 왔으며, 스마트워크·생성형 AI·창의적 문제 해결과 같은 최신 흐름을 실제 업무에 적용할 수 있는 교육으로 연결하는 데 집중하고 있다.

한국코치협회 프로코치이자 인증심사위원이며, Notion 한국 앰버서더로 활동하고 있다. 저서로는 《성과를 내는 사람의 생각 정리법》, 《성장하는 조직을 만드는 사내 교육의 기술》, 《노션, 딱 이만큼만》, 《수학 없이 이해하는 인공지능 이야기》가 있다.

도구의 기능보다 그 안에 담긴 활용 목적과 철학에 주목한다. 노션과 AI 같은 새로운 도구를 복잡하게 익히는 것보다, 자신에게 필요한 만큼 이해하고 일과 삶에 오래 활용하는 방법을 전하고 있다.

문의: [e-mail]