Dan Lee

프롤로그. 양자컴퓨팅, 정말 이해하니?

Dan Lee — Tue, 13 Oct 2026 14:04:00 GMT

“양자컴퓨터는 0과 1을 동시에 계산합니다.” 이 문장을 들어본 적이 있을 겁니다. 뉴스에서도, 유튜브 영상에서도, 기술 기사에서도 자주 등장하는 말입니다. 처음 들으면 신기합니다. 0과 1을 동시에 다룬다면, 계산이 훨씬 빨라질 것 같습니다. 그래서 양자컴퓨터가 나오면 모든 문제가 빨리 풀리고, 인공지능도 더 강해지고, 암호도 곧 무너질 것처럼 느껴집니다

6부. 쇼맨 - 마이크를 넘겨받다

Dan Lee — Tue, 13 Oct 2026 13:56:15 GMT

발표 당일, 강도현 대표는 예정된 시간보다 20분 늦게 도착했다. 고객사 임원들이 이미 회의실에 모여 있었다. 대형 화면에는 뉴로웨이브의 로고와 NOVA 제품 소개 화면이 떠 있었다. 팀장은 휴대전화를 확인하고는 지훈을 바라봤다. “대표님이 다른 미팅이 길어졌대요. 도착할 때까지 우리가 먼저 진행해야겠어요.” “제가 시작하면 될까요?” “가능하겠어요?”

AI는 문장을 어떻게 읽을까?

Dan Lee — Tue, 13 Oct 2026 13:48:05 GMT

문장 아래 숨어 있는 단위를 알면 달라지는 것들 AI에 긴 문서를 넣고 요약을 부탁합니다. 잠시 뒤 핵심을 정리한 답변이 나옵니다. 질문 몇 개를 더 던지면 세부 내용까지 설명합니다. 이런 모습을 보면 사람처럼 문서를 읽고 이해하는 것 같습니다. 그러다 낯선 장면을 만납니다. 자료가 너무 길어 입력되지 않거나, 답변이 예상보다 일찍 끝나기도 합니다. 개발용

프롤로그 - 매일 쓰는 도구를 조금 더 이해한다는 것

Dan Lee — Mon, 12 Oct 2026 14:28:57 GMT

ChatGPT에게 글을 부탁하면 초안이 나옵니다. 문장이 어색하다고 말하면 고쳐주고, 설명이 어렵다고 하면 예시를 붙여줍니다. 제목을 몇 개 더 제안해 달라는 요청에도 곧바로 답합니다. 빈 문서 앞에서 첫 문장을 고민하던 시간이 이렇게 달라질 수 있다는 사실은 여전히 흥미롭습니다. 이 브런치북도 그 방식으로 시작했습니다. ChatGPT와 주제를 의논하고,

5부. 사람들이 달라졌다. - 처음으로 이름을 불렀다.

Dan Lee — Mon, 12 Oct 2026 12:35:30 GMT

“한지훈 씨, 오늘 설명 정말 좋았습니다.” 고객사 미팅이 끝난 뒤, 담당 임원이 지훈에게 악수를 청했다. “기술적인 내용을 이해하기 쉽게 말씀해 주셔서요. 내부 검토할 때도 오늘 설명을 기준으로 보겠습니다.” 지훈은 그 말을 듣고 고개를 숙였다. “감사합니다.” 손바닥에 땀이 조금 배어 있었다. 긴장이 풀리자 그제야 심장이 빠르게 뛰기 시작했다.

4부. 말이 나온다 - 말은 준비되어 있었다.

Dan Lee — Mon, 12 Oct 2026 10:00:13 GMT

오전 9시 12분. 지훈은 회의실 문 앞에서 잠시 걸음을 늦췄다. 유리벽 너머로 사람들이 보였다. 영업팀과 제품팀, 그리고 뉴로웨이브의 대표 강도현. 테이블 위에는 고객사 도입 제안서가 펼쳐져 있었다. 오늘 회의는 지난주보다 중요했다. 고객사 측 임원들이 참석하는 최종 발표를 앞두고, 제안서의 기술 부분과 위험 요소를 마지막으로 점검하기로 했다. 지훈은 데

3부. 몸이 먼저 안다 - 그는 아무렇지 않게 따라갔다.

Dan Lee — Mon, 12 Oct 2026 03:58:02 GMT

아침 6시 15분. 지훈은 알람이 울리기 전에 눈을 떴다. 손목이 가볍게 진동했다. "좋은 아침입니다.어젯밤 수면 효율은 96퍼센트였습니다.심박 변이는 안정적입니다.오늘은 가벼운 유산소 운동이 적절합니다." 지훈은 잠시 천장을 바라봤다. 어제도 운동을 했다. 그 전날에도 했다. 일주일 전까지는 운동이라는 말을 들으면 피곤함이 먼저 떠올랐다. 계단을 오

2부. 첫 번째 아침 - 잘 잤습니다.

Dan Lee — Sat, 10 Oct 2026 05:56:51 GMT

NOVA는 예상보다 작았다. 지훈은 택배 상자를 열고 손목에 차 보았다. 검은 원형 디스플레이, 얇은 실리콘 밴드, 뒷면에 작은 센서들이 촘촘히 붙어 있었다. 시장에 나와 있는 스마트워치와 크게 다르지 않았다. 다만 패키지에는 설명서가 없었다. 대신 작은 카드 한 장이 들어 있었다. “NOVA는 당신의 하루를 학습합니다.처음 14일은 캘리브레이션 기간입

1부. 조용한 개발자 - 그는 아무것에도 동의하지 않았다.

Dan Lee — Sat, 10 Oct 2026 05:21:54 GMT

한지훈은 회의실 구석 자리가 편했다. 창가 쪽 마지막 좌석. 카메라에 잘 안 잡히고, 팀장의 시선에서도 조금 벗어나 있는 자리. 회의가 시작되기 전에 노트북을 열고, 회의가 끝나면 가장 먼저 자리에서 일어난다. 누군가 자신에게 질문하지 않는 한, 말을 건넬 이유는 없었다. “이번 분기 목표는 AI 관련 매출 확대입니다.” 팀장의 목소리가 회의실을 채웠다

프롤로그. 더 편안해졌습니다. - AI는 갑자기 오지 않았다.

Dan Lee — Sat, 10 Oct 2026 04:57:15 GMT

Perplexity와 쓰는 AI 소재의 소설이다. 영화 속에서는 늘 그랬다. 거대한 서버가 깨어나고, 로봇이 거리를 점령하고, 인간은 마지막 순간에야 위험을 알아차렸다. 우리는 그러한 스토리에 익숙하다. 그리고 그런 일은 멀리 있을 것이고 그 변화를 쉽게 알아차릴 수 있을 것이라고. 하지만 현실의 AI는 그렇게 오지 않았다. AI는 먼저 소프트웨어로 왔

참고자료와 설명 범위

Dan Lee — Fri, 09 Oct 2026 04:36:12 GMT

본문의 근거 표시는 원자료의 이름과 관련 절을 한 줄씩 보여줍니다. 문서명을 누르면 해당 원자료를 확인할 수 있습니다. 수식은 표준적인 정의를 설명하기 위한 것이며, 예시 문장과 설계 제안은 이 글의 서술입니다. 제품별 기능은 구현 사례로만 다루며 모든 AI 서비스에 동일한 정책이나 내부 구조가 적용된다는 뜻은 아닙니다. 확인일: 2026-10-07. 아

더 많은 기능보다 더 명확한 질문 - 과제에 맞는 정보와 검증 경로 선택

Dan Lee — Fri, 09 Oct 2026 04:30:53 GMT

검색, 기억, 문서 분석과 에이전트까지 모두 연결하면 더 좋은 결과가 나올까요. 기능이 늘면 새로운 근거와 행동을 얻지만, 비용과 실패 지점도 함께 생깁니다. 무엇을 성공이라고 볼지 먼저 정하면 필요한 연결과 불필요한 복잡성을 구분할 수 있습니다. 마지막으로 지금까지의 원리를 실제 선택 기준으로 묶어보겠습니다. 창작, 추출, 분석, 실행은 성공 조건이 다

그럴듯한 답과 믿을 만한 답 사이 - 정확성, 근거성, 실행 안전성을 분리하기

Dan Lee — Fri, 09 Oct 2026 04:24:28 GMT

오래된 문서를 정확하게 요약한 답은 원문에 충실하지만 현재 사실과 다를 수 있습니다. 제공한 자료에 없는 내용을 우연히 맞힌 답은 사실일 수 있어도 근거 사용이라는 요구를 충족하지 못합니다. 이 두 경우를 같은 정답과 오답으로만 묶으면 무엇을 믿을지, 무엇을 고칠지 판단하기 어렵습니다. 신뢰성은 서로 다른 기준을 나누는 데서 시작됩니다. 근거에 충실한 답

사진을 설명하는 AI와 글자를 읽는 AI는 다르다 - 멀티모달의 입력 표현과 출력 목표

Dan Lee — Fri, 09 Oct 2026 04:16:33 GMT

사진 속 장면을 잘 설명하는 AI가 작은 표의 숫자까지 정확히 읽는다고 기대할 수는 없습니다. 음성을 자연스럽게 말하는 능력도 원래 발화를 정확하게 인식했다는 증거와 다릅니다. 멀티모달이라는 이름보다 입력의 표현과 출력의 목적을 먼저 나누어 보면 어떤 오류를 어디에서 확인해야 하는지가 보입니다. 다른 매체는 모델이 처리할 표현으로 변환됩니다 텍스트는 토큰

“처리했습니다”라는 말을 어디까지 믿어야 할까 - 도구 요청, 검증, 실행 결과를 나누기

Dan Lee — Fri, 09 Oct 2026 04:09:15 GMT

일정을 등록했다고 답했지만 실제 일정이 보이지 않는 상황을 생각해 봅시다. 반대로 화면에 오류가 떠도 외부 시스템의 변경은 끝났을 수 있습니다. 완료 문장은 상태 확인을 대신하지 못합니다. 도구 호출은 언어로 만든 요청을 실제 시스템의 행동에 연결합니다. 이때 출력 형식, 사용자 의도, 실행 권한과 결과 확인을 각각 나누어야 합니다. 도구 스키마는 출력의

내 자료를 줬는데 왜 다른 답을 할까 - RAG의 검색 누락과 해석 오류 구분

Dan Lee — Fri, 09 Oct 2026 04:03:37 GMT

필요한 문서가 저장소에 있는데 답변이 예외를 놓칩니다. 자료를 보관한 것과 이번 질문에 필요한 근거를 모델에 전달한 것은 같은 일이 아닙니다. RAG는 이 사이를 검색으로 연결합니다. 그래서 오류를 이해하려면 모델의 문장뿐 아니라 검색된 자료부터 살펴야 합니다. 자료 준비와 질의 처리를 분리합니다 자료 준비에서는 문서를 조각으로 나누고 제목, 버전, 출처

검색을 켜도 최신 사실이 보장되지는 않는다 - 출처의 시점과 적용 범위를 확인하는 법

Dan Lee — Fri, 09 Oct 2026 03:56:50 GMT

공식 문서 링크가 붙어 있으면 답을 믿기 쉬워집니다. 하지만 공식 문서도 이전 버전에 관한 것일 수 있고, 현재의 일반 정책이 내 프로젝트 설정과 다를 수도 있습니다. 검색에서 중요한 것은 링크의 존재만이 아닙니다. 무엇을 찾았고 어느 범위까지 확보했으며 그 자료가 지금 질문에 적용되는지가 함께 확인돼야 합니다. 질의 구성에서 이미 정보가 선택됩니다 질문

파일을 받았다고 조건까지 읽은 것은 아니다 - 문서 추출과 표·각주의 관계 보존

Dan Lee — Fri, 09 Oct 2026 03:41:55 GMT

문서에서 숫자를 정확히 가져왔는데 결론이 틀릴 수 있습니다. 표 제목이나 단위, 하단의 각주를 놓치면 같은 숫자도 다른 의미가 되기 때문입니다. 업로드 완료와 이해 완료 사이에는 추출, 구조 보존, 선택과 해석의 경계가 있습니다. 가상 집계표 하나로 그 차이를 구체적으로 보겠습니다. 문서의 원래 모습과 모델에 전달된 표현은 다릅니다 디지털 문서의 텍스트를

AI는 기억하는 걸까, 다시 읽는 걸까 - 현재 콘텍스트와 영속 기억의 연결

Dan Lee — Fri, 09 Oct 2026 03:35:18 GMT

대화가 이어지면 AI는 앞의 조건을 기억하는 듯합니다. 그런데 화면에 남아 있는 기록, 지금 모델에 전달된 맥락, 따로 저장한 선호는 서로 다른 상태입니다. 이 차이를 모르면 잊은 것처럼 보이는 현상도, 오래된 조건을 적용하는 현상도 하나의 기억 능력으로만 평가하게 됩니다. 실제로는 어떤 기록을 다시 가져왔는지부터 살펴야 합니다. 현재 콘텍스트는 매 호출

같은 질문에 답이 달라지는 이유 - 출력 확률, 디코딩, KV 캐시의 역할

Dan Lee — Fri, 09 Oct 2026 03:18:15 GMT

같은 질문을 다시 보냈는데 표현이 바뀝니다. 문맥을 이해하는 계산이 끝나도 답변은 아직 하나로 정해지지 않을 수 있습니다. 후보의 점수를 만드는 일과 다음 토큰을 선택하는 일이 다르기 때문입니다. 이번에는 출력 확률과 선택 규칙을 연결해 보겠습니다. 답이 달라지는 이유뿐 아니라, 답이 늘 같아도 사실을 보증할 수 없는 이유도 여기에 있습니다. logit에