한빛미디어

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

돌아가긴 하는데, 원리는 모르겠는데요?

2026년 현재, 개발자로서 AI를 프로젝트에 도입하는 건 이제 선택이 아닌 필수가 되었습니다. 저 역시 회사에서 레거시 시스템을 유지보수하다가도, 틈틈이 CS50 강좌를 듣거나 토이 프로젝트로 AI 기능을 붙여보곤 합니다.

문제는 '구현'과 '이해'의 간극이었습니다.

model.fit()을 실행하면 학습이 되고 결과도 나오지만, 정확도가 낮을 때 '왜' 그런지 설명할 수가 없었죠. 하이퍼파라미터를 튜닝할 때도 논리적인 근거보다는 '감'에 의존하곤 했습니다.

이 거대한 '블랙박스' 안을 들여다보고 싶다는 갈증이 생길 때쯤, 한빛미디어의 <AI를 움직이는 수학 이야기>를 만났습니다. 결론부터 말하자면, 이 책은 수포자 개발자에게 다시 미적분 책을 펴라고 강요하는 책이 아닙니다. 대신 "우리가 짜는 코드 뒤에서 숫자들이 어떻게 춤추고 있는지"를 시각적으로 보여주는 책입니다.

코딩과 수학은 생각보다 가까운 곳에 있다.

벡터, 데이터의 새로운 관점

이 책은 검색, 추천, 이미지 인식, 자연어 처리 등 6가지 핵심 AI 기술을 관통하는 수학적 원리를 다룹니다.

가장 인상 깊었던 부분은 '검색 엔진'과 '벡터 공간'을 설명하는 챕터였습니다. 현업에서 DB를 다루다 보면 데이터를 단순히 '행'과 '열'로만 인식하기 쉽습니다. 하지만 이 책은 데이터를 '공간 상의 점(Vector)'으로 시각화해 줍니다.

• 나의 경험: 예전에 유사 문서 검색 기능을 구현할 때, 라이브러리에서 제공하는 cosine_similarity 함수를 무지성으로 사용한 적이 있습니다. 그때는 "그냥 1에 가까우면 비슷한 거겠지" 하고 넘어갔었죠.
• 책에서의 깨달음: 책에서는 코사인 유사도가 왜 '각도'를 의미하는지, 고차원 공간에서 두 벡터가 가깝다는 것이 수학적으로 어떤 의미인지를 기하학적으로 풀어냅니다. 덕분에 이제는 임베딩된 데이터가 벡터 DB에서 어떻게 저장되고 검색되는지 머릿속에 그림이 그려지게 되었습니다.

책 속의 그래프가 실제 코드에서는 행렬 연산으로 바뀐다. 이론과 실무가 연결되는 순간.

미분은 '학습의 나침반'이다.

딥러닝 파트에서 다루는 '미분'과 '경사 하강법' 설명도 탁월했습니다. 개발자 입장에서 미분은 그저 '골치 아픈 계산'이었지만, AI의 관점에서 미분은 '오차를 줄이는 방향을 알려주는 나침반'이었습니다.

책은 복잡한 수식 증명 대신, 산을 내려가는 과정에 비유하며 가중치가 업데이트되는 과정을 설명합니다. 이 부분을 읽고 나니, 텐서플로우나 파이토치에서 설정하던 Learning Rate가 단순한 숫자가 아니라, "나침반을 보고 얼마나 큰 보폭으로 움직일지 결정하는 값"이라는 확신을 갖게 되었습니다.

이제는 모델이 수렴하지 않을 때, 무작정 에폭만 늘리는 실수는 하지 않을 것 같습니다.

수식이 아름다워 보일 줄이야. 핵심 원리를 이해하니 코드가 더 잘 보인다.

- 총평 및 추천 대상

이 책은 코드를 한 줄 한 줄 따라 치는 튜토리얼 북이 아닙니다. 하지만 코드를 짜기 전에 설계도를 이해하고 싶은 엔지니어에게는 필독서입니다.

✅ 이런 분들에게 추천합니다:

• AI API 사용법은 알지만, 내부 원리가 궁금한 주니어~중니어 개발자
• "이 모델은 왜 이런 결과가 나왔나요?"라는 질문에 당황한 적이 있는 데이터 분석가
• 수학 공식만 보면 머리가 아프지만, 기술의 본질은 알고 싶은 분

2026년, AI 기술은 점점 더 고도화되고 있습니다. 하지만 그 화려한 기술을 지탱하는 것은 결국 수학이라는 단단한 뿌리였습니다. 잠시 IDE를 끄고, 이 책을 통해 그 뿌리를 확인해보시길 바랍니다.

블랙박스인 줄 알았던 AI가,
사실은 투명한 유리 상자 속의 정교한 수학이었음을 깨닫게 해주는 책.