PPT (섹션별 분할): Google Drive 폴더

  • 슬라이드 총 수: 785장

섹션별 내용

Intro — AI as a Ensemble-of-Social-Relations

기계식 터키인(Mechanical Turk)과 Deep Blue 사례로 시작해, AI를 사회적 관계의 앙상블로 바라보는 관점 제시.

Chap 1 — 추천 시스템: 유사성과 거리

추천 알고리즘의 원리. 유사도 계산법:

  • Euclidean distance (거리)
  • Cosine similarity (방향)
  • Jaccard similarity (집합)

실제 추천 서비스 구현 파이프라인.

Chap 2 — 컴퓨터 아키텍처와 AI 역사

컴퓨팅 하드웨어 역사 (Brief History of Compute). AI 겨울이 반복되는 이유. 기호주의(Symbolism) vs 연결주의(Connectionism) 방법론 대비.

Chap 2-2 — AI 역사 상세

Brief History of AI — 퍼셉트론부터 딥러닝까지 인공지능 역사 심화.

Chap 3 — 신경망의 역전파: 미분의 쓸모

McGurk Effect로 시작하는 멀티모달 지각. 역전파(Backpropagation) 알고리즘 수식과 직관.

Chap 4 — 강화학습 & 인공생명

Exploration-Exploitation Dilemma (진동과 안정 사이의 딜레마). StarCraft AI (AlphaStar) 사례. 강화학습과 인공생명의 연결.

Chap 4-2 — A-Life: Cellular Automata

Game of Life와 Cellular Automata. 인공생명(Artificial Life) 연구 흐름. Foundation Model 기반 ALife 탐색 (Sakana AI).

Chap 5 — LLM과 Gen AI: You’re All I Need?

자전거 기어비 비유로 Transformer 구조 설명. LLM과 생성 AI 개요.

Chap 6 — 인프라, 데이터, Responsible AI: Winter is coming?

AI의 물질적 토대: Compute, Storage, Network. 데이터 파이프라인. 책임 있는(Responsible) AI.

Chap 7 — 금융 AI

IT 산업 패러다임 전환 (Mainframe → Unix → Linux → Cloud-native). 은행 코어뱅킹 시스템 역사. 금융 서비스별 AI 활용: AICC, FDS, AML, OCR. Front/Middle/Back Office AI 적용 현황.


참고 논문

기초

Transformer / LLM

강화학습

인공생명

신경과학


Q&A

세션 후 Q&A 및 토론 기록.