학습 목표
예상 소요 시간: 15분
이 강의를 마치면 다음을 할 수 있게 됩니다:
- 이 강좌가 다루는 내용과 구성 방식 이해하기
- 모델과 제품이 계속 변화하더라도 이 내용이 지속적으로 유효한 이유 설명하기
- 역량 & 한계 프레임워크와 4D 프레임워크가 어떻게 함께 작동하는지 파악하기
기계에 대한 멘탈 모델
로드맵
생성형 AI란 무엇이며 다른 유형의 AI와 어떻게 다른가요?
사전 학습과 파인튜닝은 AI에 어떤 특성을 부여하나요?
다음 토큰 예측, 지식, 작업 메모리, 조종 가능성이란 무엇인가요?
실제 상황에서 속성들이 충돌하면 어떻게 되나요?
이 지식을 활용해 AI를 안전하고 효과적이며 윤리적으로 사용하는 방법은 무엇인가요?
AI 유창성 프레임워크 & 기초 강좌를 수강했다면, AI와 협력하기 위한 인간의 역량인 4D—위임(Delegation), 설명(Description), 분별(Discernment), 성실(Diligence)—를 이미 알고 있을 것입니다. 이 강좌는 그 보완 자료입니다. 즉, 프롬프트를 입력했을 때 기계가 무엇을 하는지, 그리고 그 이유에 관한 것입니다. 두 프레임워크는 서로 맞물립니다. 모델이 강한 부분과 약한 부분을 알지 못하면 작업을 잘 위임할 수 없고, 출력물이 어떻게 만들어졌는지에 대한 이해 없이는 출력 품질을 분별할 수 없습니다. 여기서 배우는 모든 것은 4D를 통해 실행 가능합니다.
먼저 AI에 특성을 부여하는 두 가지 학습 단계인 사전 학습(pretraining)과 파인튜닝(fine-tuning)부터 시작합니다. 그런 다음 네 가지 핵심 속성인 다음 토큰 예측(Next Token Prediction), 지식(Knowledge), 작업 메모리(Working Memory), 조종 가능성(Steerability)을 다루며, 각각은 여러분이 자신의 작업을 배치하는 방법을 배울 연속선입니다. 마지막으로 이러한 속성들이 어떻게 상호 연결되는지 살펴봅니다. 실제 세계의 대부분의 실패는 두 속성이 만날 때 발생하기 때문입니다(예: 환각된 인용문은 다음 토큰 예측이 지식 공백과 만나는 것입니다). 모델은 계속 변화하겠지만, 이러한 속성들의 형태는 여전히 유용합니다—이것이 이 내용을 지속적인 멘탈 모델로 만드는 이유입니다. 강좌에서 최대한 많은 것을 얻으려면 연습 문제에 실제 작업을 가져오세요. 목표는 암기하는 용어 목록이 아니라, 직접 느낄 수 있는 감각적 이해입니다.
핵심 요약
- AI 유창성 프레임워크(4D) 는 인간의 역량을 설명합니다. 이 강좌는 그 역량들이 반응하는 기계의 속성을 설명합니다.
- 생성형 AI에는 네 가지 핵심 속성이 있습니다: 다음 토큰 예측, 지식, 작업 메모리, 조종 가능성.
- 이 내용은 지속적으로 유효합니다 . 모델이 발전해도 속성들은 안정적으로 유지되기 때문입니다. 경계는 이동하지만 속성 자체는 동일하게 유지됩니다.
연습 문제
연습: 현재 AI 사용 현황 파악하기
이유: 이것은 이 강좌에서 이어지는 모든 연습의 기초입니다.
- 지난 2주 동안 실제로 AI를 사용한 작업 4~6가지를 나열하세요. AI를 아직 많이 사용하지 않았다면 사용하고 싶은 작업을 나열하세요. 구체적으로 작성하세요: "프로젝트 지연을 설명하는 고객 이메일 초안 작성"은 유용한 정보를 담고 있습니다. "글쓰기"는 그렇지 않습니다.
- 각 작업에 대해 한 줄로 메모하세요: 출력물이 처음 시도에 바로 사용 가능했나요, 아니면 사용하기 전에 수정이 필요했나요? 너무 깊이 생각하지 마세요. 빠른 직관적 판단으로 충분합니다.
- 이제 이 목록을 Claude(또는 다른 AI 어시스턴트)와 공유하고 물어보세요: "이 작업들 각각에 대해, 내가 주의를 기울이지 않으면 잘못될 수 있는 한 가지 방법은 무엇인가요?" AI가 언급하는 실패 패턴이 공감되는지 확인하세요. 공감되지 않는다면 반박하세요: "그건 제 경험과 맞지 않습니다. 실제로 잘못된 것은 이것이었습니다..."
이 목록을 보관하세요. 매 강의마다 다시 돌아오게 될 것이며, 그때마다 다르게 보일 것입니다.
강의 돌아보기
- 나열한 작업 중 AI에게 맡기기에 "안전하다"고 느낀 것과 위험하다고 느낀 것은 무엇인가요? 그 이유를 아직 설명할 수 있나요?
- 당시에는 설명할 수 없었던 AI의 행동(좋든 나쁘든) 한 가지는 무엇인가요?
다음 내용
네 가지 속성을 다루기 전에, 이 강좌에서 "AI"가 의미하는 것의 범위를 명확히 해야 합니다. 여기서는 구체적으로 생성형 AI와 그것이 다른 형태의 AI와 어떻게 다른지를 이야기합니다.
피드백
강좌를 진행하면서 강좌의 개념을 업무에 어떻게 활용하고 있는지, 그리고 의견이 있다면 알려주시면 감사하겠습니다. 피드백을 여기 서 공유해 주세요.
감사의 말 및 라이선스
Copyright 2026 Anthropic. Prof. Rick Dakan(링글링 예술 디자인 대학)과 Prof. Joseph Feller(코크 대학교)가 개발한 AI 유창성 프레임워크를 기반으로 한 원작. CC BY-NC-SA 4.0 라이선스에 따라 공개됩니다.