이 영상은 OpenAI 연구원 가브리엘 피터슨이 직접 밝힌 AI 시대의 효과적인 공부법에 대해 설명합니다. 특히, 기존의 바텀업(Bottom-up) 학습 방식 대신 탑다운(Top-down) 학습 방식과 AI 튜터의 적극적인 활용을 강조하며, 이를 통해 6년 걸릴 공부를 3일 만에 끝낼 수 있다는 놀라운 주장을 펼칩니다. 가브리엘은 AI를 단순한 답을 얻는 도구가 아닌, 이해를 돕는 과외 선생님처럼 활용하는 구체적인 방법을 제시하며, 이는 교육의 미래를 근본적으로 바꿀 것이라고 말합니다.

1. 안드레 카파시의 조언과 시대의 변화 🐦

2020년 11월, OpenAI의 공동 창업자이자 전 테슬라 AI 총괄인 안드레 카파시가 전문가가 되는 방법에 대한 세 가지 핵심 조언을 트위터에 남겼어요. 그의 조언은 다음과 같았죠.

• "구체적인 프로젝트를 잡고 필요한 지식은 그때그때 배워라."
• "배운 것은 자기 말로 정리해 다른 사람에게 가르쳐라."
• "비교는 오직 과거의 나하고만 해라."

당시에는 이 조언이 마치 이상론처럼 들렸을 거예요. 왜냐하면 필요한 지식을 그때그때 배우려면 옆에서 가르쳐줄 1대1 선생님이 필요했는데, 그런 존재를 찾기가 어려웠기 때문이죠. 하지만 2026년인 지금, 상황은 완전히 달라졌어요. 이제는 지치지 않는 AI 과외 선생님이 모든 사람에게 생겼기 때문에 카파시의 조언이 현실이 될 수 있었죠. 그리고 이 조언을 실제로 실천하여 고졸 학력으로 OpenAI 연구원이 된 가브리엘 피터슨의 이야기가 이 모든 것을 증명하고 있어요.

2. 가브리엘 피터슨의 학습법: 탑다운 학습 🚀

가브리엘 피터슨은 기존의 교육 방식인 바텀업(Bottom-up) 학습의 비효율성을 지적하며, 탑다운(Top-down) 학습이 훨씬 빠르고 효과적이라고 강조합니다.

2.1. 탑다운 학습 vs. 바텀업 학습

가브리엘은 사람들이 가장 빠르게 배우는 방법이 바로 탑다운 접근 방식이라고 설명해요.

• "사람들이 가장 빠르게 배우는 방법은 탑다운 접근 방식이라고 생각합니다."
• "문제에서 시작해서 그 문제를 해결하는 데 필요한 모든 것을 찾아 읽고, 또 다른 문제를 찾아서 읽고, 문제의 핵심까지 파고드는 방식이죠."

반면에 학교에서는 전통적으로 바텀업 방식을 고수해요. 예를 들어 머신러닝을 배우려면 4년 동안 수학, 행렬 곱셈, 선형대수학 등 기초부터 다지고 나서야 실제 머신러닝에 접근할 수 있게 되는 거죠.

• "학교에서는 모두가 이런 사고방식을 가지고 있죠. '기초부터 시작해야 해.' 예를 들어 머신러닝을 하고 싶다면 처음 4년 동안은 머신러닝을 할 생각은 꿈도 꾸지 마세요. 수학을 해야 하고, 행렬 곱셈을 해야 하고, 선형대수학을 해야 합니다."

이러한 바텀업 방식은 배우는 데 엄청나게 오랜 시간이 걸리고 매우 비효율적이라고 가브리엘은 말합니다. 그 이유 중 하나는 탑다운 접근 방식이 선생님이 항상 옆에서 필요한 지식을 알려줘야 하기 때문에 확장하기 어렵다는 점 때문이었지만, 이제는 ChatGPT와 같은 AI 덕분에 이러한 제약이 사라졌습니다.

2.2. ChatGPT가 교육에 미치는 영향 🎓

가브리엘은 ChatGPT의 등장이 교육 방식을 근본적으로 바꿀 것이라고 확신해요. 그는 대학들이 ChatGPT를 교육 과정에 포함하지 않는 것을 이해할 수 없다고 말할 정도예요.

• "ChatGPT 덕분에 이 모든 것이 변하고 있습니다. 교육이 항상 변할 거라고 사람들은 말하지만, ChatGPT를 교과 과정의 일부로 가르치지 않는 대학들을 진지하게 받아들이기 어렵습니다."
• "이제 기초 지식에 대한 대학의 독점은 사라졌습니다. 어떤 기초 지식이든 ChatGPT에서 얻을 수 있죠."

이제 우리는 문제에서 시작하여 필요한 기초 지식을 재귀적으로(recursively) 파고들 수 있게 되었어요. 예를 들어, 머신러닝을 배우고 싶다면 ChatGPT에게 프로젝트를 추천받고, 코드를 작성하게 한 다음, 발생하는 버그를 해결하면서 배우는 거죠.

• "머신러닝을 배우고 싶다면 ChatGPT에게 '어떤 프로젝트를 해야 할까요? 프로젝트를 작성해 주세요.'라고 묻습니다. 버그가 생기면 버그를 고치기 시작하고, 그렇게 작동하게 만들죠."
• "그리고 나서 머신러닝 문제의 특정 부분에 대해 질문합니다. '여기서 무슨 일이 일어나고 있죠? 이 모듈이 모델을 학습하게 하는 직관적인 이유를 설명해 줄 수 있나요?' 그러면 ChatGPT가 설명을 해 줄 겁니다."

이렇게 필요할 때마다 기초 지식을 AI에게 질문하며 채워나가는 방식이 바로 가브리엘이 말하는 탑다운 학습의 핵심입니다.

3. AI를 과외 선생님처럼 활용하는 법 🤝

가브리엘은 AI를 단순한 검색 엔진처럼 활용하는 것이 아니라, 나만의 과외 선생님처럼 활용해야 한다고 강조합니다. 특히, 답만 받지 않고 과정까지 이해하는 것이 중요하다고 말해요.

3.1. 답 대신 과정을 요구하는 질문 🧐

그는 디퓨전 모델 코드를 예로 들며 AI 활용법을 설명합니다.

• "디퓨전 모델 코드를 모두 작성해 달라고 요청하면, AI가 코드를 다 써주죠. 그러면 저는 처음에 무슨 일이 일어나는지 전혀 모릅니다."
• "그 다음에는 AI와 함께 코드를 작동시키고 디버깅하면서 '아, 이 부분이 이렇게 작동하는구나!' 하는 직관을 얻기 시작합니다."

이 과정에서 중요한 것은 AI에게 각 코드 줄이 무엇을 하는지 상세하게 설명해 달라고 요청하는 것입니다. 예를 들어, ResNet 블록과 같은 특정 부분에 대해 질문하고, AI가 설명해 준 내용에 대해 다시 "이게 무슨 의미죠? 더 효율적으로 학습한다는 게 무슨 뜻이죠?"와 같이 꼬리 질문을 계속해서 던지는 거죠.

• "모델에게 계속해서 질문해야 합니다. 정말로 이해할 때까지요. 그리고 이해했다면 모델에게 '제가 이해한 게 이겁니다. 이게 완전히 맞나요?'라고 확인을 요청할 수 있습니다."

이처럼 AI에게 끊임없이 질문하고, 설명을 요구하고, 자신의 이해를 확인받는 과정을 통해 깊이 있는 지식을 습득할 수 있습니다.

3.2. '12살 아이에게 설명하듯이' 요청하기 👶

어려운 개념을 쉽게 이해하기 위한 꿀팁도 알려줍니다. 바로 "12살 아이에게 설명하듯이 설명해 달라(Explain this concept like I'm 12 years old)"는 프롬프트인데요.

• "이 개념을 12살 아이에게 설명하듯이 설명해 주세요. 이 방법이 정말 좋습니다."
• "AI는 마치 서점에 있다고 가정하고 임베딩을 서점의 다른 책에 비유하는 등, AI 관련 모든 개념을 실제 세계의 개념과 연결시켜 설명해 줄 것입니다."

이러한 요청은 AI가 복잡한 개념을 직관적이고 쉽게 이해할 수 있는 비유를 통해 설명하게 하여 학습에 큰 도움을 줍니다.

3.3. 논문 요약 및 이해에 AI 활용 💡

가브리엘은 논문을 읽을 때도 AI를 적극적으로 활용한다고 합니다. 논문 전체를 단어 하나하나 읽는 대신, ChatGPT에게 논문의 핵심을 파악하게 하는 거죠.

• "물론 논문을 단어 하나하나 읽지는 않습니다. ChatGPT를 사용하죠. 저는 '이 논문이 이전에 했던 것과 다른 점들의 목록을 알려줘.'와 같은 지시를 내립니다."
• "이전에 나온 기술을 바탕으로 새로운 내용을 추가하는 경우가 많기 때문에, AI에게 이전 기술과 비교하여 이 논문이 정확히 무엇을 다르게 했는지 매우 구체적으로 알려달라고 요청합니다."

이런 식으로 AI를 활용하면 논문의 핵심 아이디어를 빠르게 파악하고, 구현 가치가 있는지 판단하는 데 시간을 절약할 수 있어요.

4. '바이브 코딩' 거부와 깊은 이해의 중요성 🤔

일부 개발자들 사이에서 AI가 짜준 코드를 깊이 이해하지 않고 단순히 복사해서 사용하는 '바이브 코딩(Vibe Coding)'이 유행하기도 하는데요, 가브리엘은 이를 강력하게 거부합니다.

• "저는 바이브 코더가 아닙니다. 코딩에 관해서는 매우 고집이 있습니다."
• "코드를 던져 넣기만 할 수는 없습니다. 무슨 일이 일어날지 절대 알 수 없죠."

그는 AI가 코드를 작성하더라도, 모든 코드 라인을 반드시 직접 읽고 이해해야 한다고 강조합니다. 특히 새로운 분야의 최전선에서 일하는 연구원으로서 모든 기초를 이해하는 것이 무엇보다 중요하다고 말하죠.

• "저는 모든 기초를 이해하고 싶습니다."
• "작업은 AI에게 시킬 수 있지만, 이해는 맡기지 마세요."

이 부분은 AI를 활용하되, 비판적 사고와 깊이 있는 이해의 중요성을 잊지 말라는 강력한 메시지를 전달하고 있습니다. AI는 도구일 뿐, 최종적인 이해와 책임은 인간에게 있다는 것을 상기시켜 줍니다.

5. 3일 vs. 6년: 교육 시스템에 대한 비판 💥

가브리엘은 대학의 교육 시스템이 AI 시대의 변화에 발맞추지 못하고 있다고 비판합니다.

• "대학은 여러분의 학습에 대한 독점권을 가지려고 합니다. 만약 평생을 대학에 가는 것이 중요하다고 사람들에게 말하며 보낸 교수라면, 갑자기 그럴 필요가 없어진다면 모든 노력을 다해 기존 방식을 유지하려 할 겁니다."
• "가장 똑똑한 사람들이 스스로 배우기 시작하면 어떻게 될까요? 그러면 가장 똑똑한 사람들은 대학에 가지 않을 것이고, 이는 대학의 위상을 떨어뜨릴 것입니다."

그는 전통적인 교육 시스템이 기득권을 유지하려는 성향 때문에 변화를 거부하고 있으며, 이는 결국 교육의 효율성을 저해한다고 주장합니다. 한 인터뷰 진행자는 자신의 경험을 예로 들며 가브리엘의 주장에 공감합니다.

• "저는 10년간 교육을 받았고, 40만 달러의 빚이 있습니다. 박사 학위 논문도 성공적으로 방어했습니다. 그런데 가브리엘 피터슨이 '저는 현재 박사 학위 소지자만이 전통적으로 하는 일을, 머신러닝이나 수학 경험이 전혀 없이 ChatGPT의 도움으로 하고 있습니다.'라고 말하고 있습니다."

가브리엘은 이러한 현상이 과거의 사고방식에서 비롯된 개념들을 비판하는 것이며, 기존의 교수나 박사 학위 소지자들의 업적을 폄하하는 것이 아님을 명확히 합니다. 그는 탑다운 방식으로 디퓨전 모델을 3일 만에 배울 수 있는 반면, 바텀업 방식으로는 6년이 걸린다고 비유하며 교육 시스템의 변화 필요성을 역설합니다.

• "탑다운 방식으로 디퓨전 모델을 배우는 데 3일이 걸립니다. 바텀업 방식으로는 6년이 걸리죠. 그것이 완벽한 비유입니다."
• "대학 졸업 후 디퓨전 모델을 배우고 싶다면, 최소한 6년의 교육을 받은 후에야 만날 수 있을 겁니다."

이는 AI를 활용한 학습이 얼마나 혁신적인 변화를 가져올 수 있는지를 극명하게 보여주는 사례라고 할 수 있습니다.

마무리하며

가브리엘 피터슨의 이야기는 AI 시대에 우리가 어떻게 배우고 성장해야 할지에 대한 강력한 통찰을 제공합니다. 기존의 답습적인 바텀업 학습 방식에서 벗어나, 문제 해결 중심의 탑다운 학습을 채택하고 AI를 적극적인 학습 동반자로 활용하는 것이 미래 인재가 갖춰야 할 핵심 역량이 될 것입니다. 이처럼 AI는 단순히 업무를 자동화하는 도구를 넘어, 우리의 학습 방식과 사고방식까지 혁신적으로 변화시키는 촉매제가 될 것으로 보입니다. 🌟