“컴퓨터 게임의 NPC는 대부분 if-else 로직에 불과하지만 종종 AI로 언급됩니다.”

더위도, 폭우도 힘든데, 그거 말고도 요즘 AI 때문에 머리 아파하는 사람 중 한 명이 그대는 아니겠지? 매일같이 새로운 모델이고, 기능이고, 서비스들이 쏟아져서 정신이 없단 말이지. 라마고, GPT고, 온갖 논문들이 폭우처럼 쏟아지는데, 전부 따라가려니 안녕히 계세요 여러분! 하고 싶은 맘을 추스르고 있는 사람들에게 경의를 표할 뿐. 물론 그 와중에 즐겁게 탐구 열정을 불태우는 많은 이들도 있는 것 같긴해.

이 시점에 ‘그래서 이 모든 게 어디서부터 시작된 거지?’ 하고 고개를 갸우뚱해 본 적 있다면, 볼만한 글이 있어서 소개하려고. AI라는 이름 뒤에 숨은 진짜 역사를 정리한 글인데, 그냥 ‘AI는 대단해!’가 아니라, 개발자들의 피땀눈물이 담긴 이야기라고 할 수 있어. 처음엔 ‘AI’라고 부르기 애매했던 게임 NPC의 귀여운 if-else 시절부터 시작해서, 초창기 임베딩의 삽질에, 훈련을 병렬로 돌릴 수 없어 속 터지던(?) RNN의 아픔도 슬그머니 느껴짐. 그리고 이 모든 걸 해결한 영웅(?), 트랜스포머가 어떻게 등장했는지 이미지로 깔끔하게 정리했어.

‘왜 요즘 AI 모델들이 이런 구조일까?’, ‘어텐션이 대체 뭐 길래?’ 같은 근본적인 궁금증을 시원하게 해소하길. 그래서 시원해지길(응?). 원래 기초부터 탄탄히 알고 나면, 새로운 기술도 더 깊이 이해하고 잘 써먹을 수 있는 법이라구.기초부터 LLM까지, 이미지로 보는 언어 AI의 역사

■ IT 스냅샷: 이달의 화두는?‍

• • [#비전트랜스포머] LLM은 어떻게 이미지를 이해할까?
    “이미지는 단어로 구성되지 않기 때문에 이런 토큰화 단계를 비전 데이터에 사용할 수 없습니다. 대신 ViT 저자들은 이미지를 ‘단어’로 토큰화하는 방법을 만들었습니다.”

• • [#소버린AI] “클라우드 주권 선언” 비용 통제와 AI 시대의 소버린 클라우드
    “단순히 외국산 기술에 우리 것이라고 상표만 붙인 것을 소버린 AI(인공지능)라고 할 수 있을까요? 이건 ‘언어도단’입니다.”

• • [#비용최적화] GPU를 밀도 있게 쓰는 방법 – 토스증권의 GPU 가상화(MIG) 도입기
    “서버 한 대에 GPU가 8장 있다고 가정하면 단순 계산상 서버 당 월 6,840만 원이라는 상당한 손실이 생기게 되죠.”

• • [#성장] 슬기로운 토스뱅크 개발 인턴 생활서
    “이런 상황을 보며 ‘DB에 프로젝트에서 사용되는 변수명과 뜻을 저장하고 IDE 플러그인을 사용해서 쉽게 변수명을 만들고 영단어 뜻을 알 수 있게 하자!’ 라는 생각을 했어요.”

• • [#시맨틱캐싱] 연간 LLM 호출 비용 25% 절감, 인턴이 도전한 시맨틱 캐싱 도입 기록
    “내부 추산에 따르면 연간 비용이 약 8~9억 원에 이르는 수준이었어요.”

• • [#업무자동화] 사이드 프로젝트로 업무 효율화하기
    “GTM 컨테이너 용량이 99%에 도달했을 때, 이 도구 덕분에 대규모 이관 작업을 빠르고 안정적으로 수행할 수 있었습니다.”

• • [#협업] 당근의 엔지니어가 긴밀하게 협업하는 방법
    “실제로 코드를 작성하는 시간보다, 좋은 설계를 만들기 위해 함께 이야기하는 시간이 더 길어요.”

• • [#바이브코딩] 바이브 코딩으로 48시간 만에 250명 규모 해커톤 AI 심사 시스템 구축기
    “OpenAI, Claude, Gemini를 모두 활용해 마치 ‘어벤져스’처럼 AI 심사위원단을 구성했습니다.”

• • [#에이전틱코딩] Beyond Vibe Coding to Agentic Coding: 카카오의 AI 협업 개발 실험
    “AI 개발자에게 지급되는 토큰 비용은 실제 개발자 인건비보다 훨씬 저렴하지만, 그럼에도 불구하고 비용을 줄이려는 노력은 중요합니다.”

• [#테스트자동화] 실패도 빠르게! 100개 배너 10초컷 테스트 자동화 구현기
  “하지만 돌아온 대답은 저를 당황하게 했습니다. 요청을 주신 건 이런 UI 자동화가 아니었다는 말이었거든요. 이… 이게 아니라구요?”

■ 독자탐구생활‍

• • 
    <LLM 서비스 설계와 최적화> by TheoryDB 님
    “AWS 인프라를 담당하는 경력을 갖춘 저자의 글이기에 더욱 신뢰가 간다. 그동안 LLM을 만드는 데 집중해 온 시기였다면 이제 본격적으로 이를 활용하여 저마다의 가치에 AI를 입히고 서비스를 고려하는 단계에 이른 것 같다. 이를 위해 고민해야 할 사항이 많지만 그 중에서도 가장 두려운 요소는 역시 비용 문제이다. 예시로 GPT-4의 경우 모델 훈련비용이 9천만 달러(약1700억 원)에 육박 했다고 하니 일반 기업으로는 LLM 구축은 요원한 일이다. 그렇다고 잘 만들어진 LLM 활용에 집중한다면 비용 문제에서 해방될 수 있을까?”
    ​

• 
  <주니어 백엔드 개발자가 반드시 알아야 할 실무 지식> by 의정부핵꿀밤 님
  “예를 들어 트래픽이 급증하여 서버 응답이 느려지면 정석의 답안은 서버의 scale up/out 을 통해 증설하는 것이다. 그러나 실제 업무에서는 해답을 찾는 과정에서 ‘비용’이 굉장히 중요한 부분을 차지하기 때문에 위의 우아한 답변은 사실상 적절한 해결책이 아니다. 이 때 이 책에서는 협업자와 논의를 통해 요구사항을 조절하는 방안을 제시하는 등 모든 trade-off를 감안한 답안을 제시한다. 만약 조회 범위가 너무 넓어 조회 성능이 느려졌다면 DB 인덱스를 추가하는 것보다…”
  ​

■ 데브주요뉴스‍

• • [쿼바디스, 한국 AI] 박태웅 “AI 맨해튼 프로젝트 시작하자”
• • K-AI 잇단 업그레이드…소버린 AI 정조준
• • 2025년, 내가 선택한 프로그래머 필수 도구 Top10
• • 왜 쿠버네티스와 조용히 결별하는 기업들이 늘고 있는가
• • AI가 오히려 숙련 개발자 작업 속도 19% 늦췄다?
• • 독자 AI 파운데이션 모델 국가대표 선발전…15개 팀 참가 확정
• • AI에 지메일 요약 시켰더니…해킹 당했다고?
• • 면접관 입장에서 가장 뽑고 싶은 지원자는? (feat. 카카오 면접관의 채용 기준)