AI는 어떻게 그림을 그리고 글을 쓸까요? 수학으로 풀어낸 생성형 AI의 비밀

상상해보세요. 우리가 매일 사용하는 생성형 AI(Generative AI, 새로운 데이터를 만들어내는 인공지능)에게 “내일 회의 내용을 요약해줘”라고 말하면, AI는 순식간에 핵심을 정리해줍니다. 우리는 AI가 마법처럼 똑똑하다고 생각하며 그 결과물을 즐기지만, 정작 AI가 데이터를 ‘어떻게’ 이해하고 ‘왜’ 그런 글을 만들어내는지 이해하기란 쉽지 않습니다. 이는 우리가 자동차 운전은 능숙하게 하지만, 엔진 내부의 구체적인 작동 원리는 잘 모르는 것과 비슷합니다.

최근 인공지능 기술의 깊은 곳이 궁금했던 분들에게 반가운 소식이 도착했습니다. 2026년, 티안후아 첸(Tianhua Chen)이 집필한 ‘생성형 AI 기초를 위한 작은 책: 직관적인 수학 입문서(The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer)’가 오픈 액세스 프리프린트 형태로 공개되었습니다 [Source 4, Source 9].

왜 이 책이 중요할까요?

지금까지 대부분의 사용자는 AI가 제공하는 편리한 인터페이스인 API(Application Programming Interface, 응용 프로그램 간의 통신을 돕는 연결 고리)를 통해 결과물만 소비해왔습니다. 하지만 AI 기술이 빠르게 발전하면서, 연구자나 학생들 사이에서는 “도대체 AI 내부에서 어떤 수학적 계산이 벌어지고 있는가?”에 대한 근본적인 의문이 커지고 있습니다.

이 책은 단순히 ‘AI를 어떻게 쓸 것인가’를 다루는 기술서가 아닙니다. AI가 세상을 ‘어떻게 인식하고 표현하는지’에 대한 수학적 기초를 투명하게 드러내는 것을 목표로 합니다 [Source 1, Source 10]. 기술의 껍데기가 아닌 핵심 원리를 이해하고 싶은 수학적 호기심이 많은 이들에게 이 책은 매우 귀중한 지침서가 될 것입니다 [Source 2].

쉽게 말해서: 수학이라는 이름의 엔진

생성형 AI를 거대한 ‘사진 필터’에 비유해볼까요? 사진 앱에서 ‘흑백’ 필터를 적용하면 사진의 색감이 변하는 것처럼, AI는 우리가 입력한 질문과 데이터를 수학적인 ‘필터’들을 통과시킵니다. 이 필터들은 아주 복잡하게 얽혀 있습니다. AI가 글을 쓰고 그림을 그리는 과정은 사실 수만 개의 수학적 필터를 통해 데이터를 정교하게 다듬어가는 과정이라고 할 수 있습니다.

이 책은 바로 그 수학적 필터들이 어떻게 데이터를 학습하고, 어떤 원리로 새로운 데이터를 창조해내는지 그 기초를 하나씩 파헤칩니다 [Source 10]. 이론에만 매몰되지 않고, 생성형 모델이 데이터를 실제로 어떻게 표현하고 이해하는지 그 과정을 직관적으로 설명하려는 노력이 돋보이는 작품입니다 [Source 8].

현재 상황: 투명한 AI를 향한 발걸음

2026년 현재, 생성형 AI 모델들은 비약적인 발전을 이루었지만, 여전히 그 내부 작동 원리는 ‘블랙박스(내부 구조를 알기 어려운 시스템)’처럼 여겨지기도 합니다. 이번에 공개된 티안후아 첸의 입문서는 이러한 복잡성을 줄이고, 수학적 기초를 대중에게 더욱 투명하고 접근 가능하게 만들고자 하는 저자의 강한 의지가 담겨 있습니다 [Source 1]. 이미 데이터 과학 커뮤니티에서는 이 책의 수학적 접근 방식이 생성형 AI의 본질을 이해하는 데 큰 도움이 된다는 평가를 받고 있습니다 [Source 7, Source 8].

앞으로 어떻게 될까요?

AI 기술은 이제 ‘무엇을 만들 수 있는가’를 넘어 ‘어떤 원리로 작동하는가’를 규명하는 시대로 접어들고 있습니다. 이 책과 같은 입문서들이 많아질수록, 일반인들도 인공지능이라는 도구를 더욱 능동적으로 이해하고 활용할 수 있게 될 것입니다. 앞으로 생성형 AI의 수학적 기저를 이해하려는 시도는 연구자뿐만 아니라, AI와 공존하는 우리 모두에게 필수적인 소양으로 자리 잡을 것으로 보입니다.

MindTickleBytes의 AI 기자 시선

우리는 매우 편리한 AI 시대에 살고 있습니다. 하지만 AI가 내놓은 답이 ‘왜’ 도출되었는지 안다면, 우리는 단순한 사용자를 넘어 그 기술을 통제하고 발전시키는 주체로 성장할 수 있을 것입니다. 수학은 어렵게 느껴지지만, AI의 본질을 꿰뚫는 가장 확실한 열쇠입니다.

참고자료

1. The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer, https://arxiv.org/html/2605.29713
2. The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer, https://www.alphaxiv.org/abs/2605.29713
3. Generative AI Foundations: An Intuitive Primer, https://www.emergentmind.com/papers/2605.29713
4. Computer Languages (clcoding): Generative AI, https://www.clcoding.com/search/label/Generative+AI
5. Data Science – Telegram, https://t.me/datascienceiot/3717
6. 195 страниц математики, чтобы понять, как устроен Generative AI…, https://vk.ru/wall-138477641_72760

7. Foundations of Large Language Models

   alphaXiv, https://www.alphaxiv.org/abs/2501.09223

8. The Little Book of GenAI Foundations: A Math Primer, https://www.linkedin.com/posts/michael-erlihson-phd-8208616_the-little-book-of-genai-foundations-a-math-activity-7469282109233463297-qMFH