PR용 입문 강의가 아닙니다. 프론티어 모델을 만드는 사람들이 실제로 듣는 커리큘럼입니다. Google Brain 창시자 Andrew Ng, ImageNet을 만든 Fei-Fei Li, Jeff Dean이 "학생이었으면 좋겠다"고 언급한 Percy Liang까지. AI 역사를 쓴 사람들이 직접 가르칩니다.
1. 어떤 강의들이 공개되어 있을까요?
[CS230: Deep Learning] 딥러닝의 기초입니다. CNN, RNN, LSTM부터 BatchNorm, Dropout까지. 자율주행, 헬스케어, 음악 생성 등 실제 사례로 배웁니다. Andrew Ng가 직접 강의합니다.
[CME295: Transformers & LLMs] 트랜스포머 아키텍처의 핵심을 다룹니다. 어텐션 메커니즘부터 SFT, LoRA, RLHF까지. LLM을 실무에 적용하려면 여기서 시작하면 됩니다.
[CS336: Language Models from Scratch] LLM을 처음부터 끝까지 직접 만듭니다. 데이터 수집, 토크나이저, 트랜스포머 구현, 학습, 평가까지 전 과정을 코딩합니다. Jeff Dean이 "학생이었으면 좋겠다"고 말한 강의입니다.
[CS329H: ML from Human Feedback] ChatGPT를 ChatGPT답게 만드는 기술입니다. RLHF, DPO, 보상 모델링 등 인간 선호도 학습의 이론과 구현을 다룹니다.
[CS231N: Computer Vision] 컴퓨터 비전의 바이블입니다. ImageNet을 만든 Fei-Fei Li가 가르칩니다. 이미지 분류부터 객체 탐지, 생성 모델까지.
[CME295: LLM Evaluation & Scaling] 모델을 만드는 것과 평가하는 것은 다른 문제입니다. 벤치마크 설계, 스케일링 법칙, 실제 성능 측정 방법을 배웁니다.
2. 왜 스탠포드는 강의를 무료로 공개했을까요?
생태계를 장악하기 위해서는 진입장벽을 낮추는 방법도 있습니다. 더 많은 사람이 우리의 프레임워크로 배울수록, 그 프레임워크가 표준이 되기 쉽습니다. 스탠포드도 비슷한 계산을 했을 수 있습니다. 전 세계 AI 인재가 스탠포드 커리큘럼으로 학습하면, 스탠포드는 AI 교육의 사실상 표준이 될지도 모릅니다.
하지만, 더 근본적인 변화가 있어 보입니다. 대학의 역할이 바뀌고 있는 것 같습니다. 과거에는 도서관에 가야 논문을 읽을 수 있었고, 강의실에 앉아야 배울 수 있었습니다. 이제 논문은 arXiv에 공개됩니다. 강의는 유튜브에 올라옵니다. 지식의 희소성이 사라지고 있습니다. 그렇다면 대학의 가치는 어디서 올까요? 네트워크의 가치는 아직 매우 높다고 생각합니다. 강의 콘텐츠를 넘어 그 강의실에 앉아 있는 사람들입니다. 옆자리에서 같이 과제를 하는 동기가 다음 유니콘의 창업자가 됩니다. 교수님에게 직접 질문하고, 연구실에서 프로젝트를 함께 합니다. 이건 유튜브로 복제하기 어렵습니다.
복제 가능한 것(강의)은 공개하고, 복제 불가능한 것(네트워크)으로 차별화하는 시대가 시작된 건지도 모르겠습니다. 확실한 건 하나있습니다. 지식에 대한 접근성은 역사상 가장 높아졌습니다. 이 변화가 어디로 향할지는 모르지만, 배우고 싶은 사람에게는 분명 좋은 시대입니다.
3. 100시간 강의, 어떻게 소화할까요?
현실적인 문제가 있습니다. 6개 강의를 다 보면 100시간이 넘습니다. 영어 강의를 집중해서 보기는 어렵습니다. 대부분 첫 강의만 보고 "나중에 봐야지" 하며 플레이리스트를 저장합니다. 그리고 그 나중은 잘 오지 않습니다. AI 시대인 만큼 AI를 적극 활용하려고 합니다. NotebookLM 같은 도구를 활용하면 학습 방식 자체가 바뀝니다. 먼저 전체 구조를 파악합니다. 플레이리스트를 넣으면 강의 전체의 목차와 핵심 개념을 요약해줍니다. 숲을 먼저 볼 수 있습니다. 어떤 주제가 있고, 어떤 순서로 연결되는지 금방 파악할 수 있습니다.
그다음 질문을 던집니다. "RLHF와 DPO의 차이가 뭐야?", "트랜스포머에서 어텐션이 왜 중요해?" 궁금한 것을 직접 물어보면, 해당 부분만 정확히 찾아서 설명해줍니다. 2시간짜리 강의에서 필요한 5분을 뽑아내는 겁니다. 마지막으로 깊이 들어갑니다. 요약으로 이해가 안 되는 부분, 직접 코드를 보고 싶은 부분만 원본 강의로 돌아갑니다. 이때는 목적이 명확하니까 집중력이 다릅니다. 20시간을 1-2시간으로 압축하기만 하는 것은 아닙니다. 학습의 방향이 바뀝니다. 수동적 시청에서 능동적 탐색으로. AI 강의를 AI로 학습하는 것. 결국 같은 자료를 보고도 누군가는 끝까지 완주하고, 누군가는 첫 영상에서 멈춥니다. 차이는 의지가 아니라 방법입니다.
자료는 이미 충분합니다. 스탠포드 수준의 교육이 무료로 열려 있습니다. 이제 문제는 "무엇을 배울까"가 아니라 "언제 시작할까"입니다.