기계학습의 역사 정리: 톰 미첼이 짚은 퍼셉트론부터 트랜스포머까지의 전환점과 교훈
세계 첫 머신러닝 학과를 만든 톰 미첼이 스탠퍼드 세미나에서 기계학습의 역사를 되짚었다. 귀납의 철학적 뿌리부터 퍼셉트론의 좌절과 부활, 학습 이론, 이미지넷과 트랜스포머까지 이어진 흐름을 정리한다.
핵심 내용 읽기 →
AI TOPIC
스탠퍼드 최신 뉴스와 핵심 해설
스탠퍼드 관련 핵심 뉴스와 활용 인사이트 41편을 최신순으로 모았습니다.
휴머노이드 로봇 파운데이션 모델 Ψ0: 1인칭 영상 사전학습으로 이동과 조작을 통합한 스탠퍼드 세미나 정리
스탠퍼드 로보틱스 세미나에서 소개된 Ψ0는 사람이 머리에 쓴 카메라로 모은 1인칭 영상으로 사전학습해, 40여 개 관절을 가진 휴머노이드가 걸으면서 물건을 다루게 만든 로봇 모델이다. 데이터 수집과 실시간 제어 설계를 정리했다.
핵심 내용 읽기 →
아제이 아그라왈이 말하는 변혁적 AI 정책 — 실험 비용을 낮추고 데이터를 받는 규제 거래
스탠퍼드 디지털 이코노미 랩 영상에서 아제이 아그라왈 교수가 변혁적 AI를 '천재의 공급 충격'으로 규정한다. 아무도 쓰임을 모르는 지능 앞에서 실험의 가치가 커진다며, 규제를 푸는 대가로 데이터를 받자는 정책 제안을 설명했다.
핵심 내용 읽기 →
심층 강화학습 기초 정리: 스탠퍼드 CS224R 1강이 설명하는 상태·행동·보상과 정책
스탠퍼드 CS224R 첫 강의에서 첼시 핀 교수가 강화학습이 지도학습과 갈라지는 지점, 상태와 관측의 차이, 궤적과 보상 함수, 확률적 정책과 가치 함수까지 로봇과 대화 모델 예시를 들어 차근차근 정리했다.
핵심 내용 읽기 →
베시 스티븐슨 - AI 시대에 두려울 것은 기술이 아니라 준비되지 않은 제도와 사회다
경제학자 베시 스티븐슨은 AI가 기술이 아니라 제도의 문제라고 말한다. 기술 속도와 제도 변화 속도의 불일치를 줄이고, 사람이 감당할 수 있는 적응 속도 자체를 정책으로 설계해야 한다는 것이 그의 주장이다.
핵심 내용 읽기 →
모방학습 강화학습 차이 정리 — 스탠퍼드 AA203 14강, 행동 복제부터 역강화학습과 가치 함수까지
스탠퍼드 AA203 14강은 전문가 시연을 따라 하는 모방학습과 시행착오로 배우는 강화학습을 나란히 놓고 비교한다. 행동 복제의 분포 이동 문제, 보상 함수를 거꾸로 복원하는 역강화학습, 가치 함수와 신용 할당까지 자율 시스템 학습의 뼈대를 짚는다.
핵심 내용 읽기 →
강화학습 기초 정리: 몬테카를로와 TD 학습의 차이, 스탠퍼드 AA203 16강 해설
스탠퍼드 AA203 16강은 동역학을 아는 정확해법의 한계에서 출발해, 경험만으로 가치를 추정하는 몬테카를로와 TD 학습, 그리고 탐험을 보장하는 엡실론-그리디까지 강화학습의 뼈대를 정리한다. 격자 세계와 블랙잭 실험으로 각 방법의 차이를 눈으로 확인시킨다.
핵심 내용 읽기 →
AI와 경제 성장의 미래, 스탠퍼드 경제학 강연이 말하는 약한 고리와 성장률 시나리오
스탠퍼드 경영대학원 강연 정리. AI가 성장률을 폭발시킨다는 전망과 평범한 범용 기술에 그친다는 전망 사이에서, 사슬의 가장 약한 고리가 이득은 늦추고 위험은 앞당긴다는 분석과 시뮬레이션을 소개한다.
핵심 내용 읽기 →
AI 신입 채용 19% 격차, 스탠퍼드 급여 데이터 연구가 청년 고용에 대해 실제로 말한 것
스탠퍼드 디지털경제연구소가 미국 급여 행정 데이터로 확인한 것은 대량 해고가 아니라 청년 신규 채용의 정체였다. 전체 고용은 늘었지만 AI 노출이 큰 직종의 22~25세만 또래 기준선보다 뒤처졌다.
핵심 내용 읽기 →
확률적 동적 계획법과 마르코프 결정 과정: 스탠퍼드 AA203 9강의 벨만 재귀와 Q 함수 정리
스탠퍼드 AA203 9강은 외란이 섞인 제어 문제를 마르코프 결정 과정으로 세우고, 기댓값 기반 벨만 재귀와 창고 재고 예제, 확률적 LQR, 무한 구간 MDP와 Q 함수까지 이어지는 흐름을 차례로 정리한다.
핵심 내용 읽기 →
HJB·HJI 방정식과 도달가능집합 — 스탠퍼드 AA203 최적·학습 기반 제어 10강 정리
스탠퍼드 AA203 10강은 무한 시간 MDP의 가치 반복과 정책 반복을 마무리한 뒤, 연속시간 벨만 방정식인 HJB와 외란을 상대하는 HJI 방정식, 충돌 회피에 쓰이는 도달가능집합까지 이어서 설명한다.
핵심 내용 읽기 →
스탠퍼드 AA203 최적제어 4강 정리: 오일러 방정식과 해밀토니안으로 배우는 간접법
스탠퍼드 AA203 4강은 변분법에서 얻은 오일러 방정식을 최적제어 문제로 확장한다. 경계조건이 자유로울 때 채워 넣는 추가 조건, 라그랑주 승수에 해당하는 코스테이트와 해밀토니안, 최종 시각까지 함께 구하는 입자 예제를 정리했다.
핵심 내용 읽기 →
AI가 못 하는 일: 스탠퍼드 GSB 길보 교수가 짚은 인간 지능과 LLM의 결정적 차이
스탠퍼드 GSB 더글러스 길보 교수는 인간이 기억과 주의의 제약 속에서도 적은 정보로 깊은 이해에 도달하는 반면, 현재의 AI는 막대한 연산과 데이터를 쏟아붓고도 상대적으로 적은 일을 해낸다고 지적하며 인간 학습의 '도약'을 설명한다.
핵심 내용 읽기 →
LLM으로 다음 직업 예측하기: 스탠퍼드 GSB 수전 애시가 40년 경력 데이터를 이력서로 바꿔 파인튜닝한 연구
스탠퍼드 GSB 수전 애시 교수팀이 40년간 쌓인 노동자 경력 설문을 이력서 형태의 글로 바꿔 오픈소스 LLM을 파인튜닝했다. 다음 직업 예측에서 기존 어떤 모델보다 정확했고, 같은 방식을 고객 여정과 의료에도 적용할 수 있다.
핵심 내용 읽기 →
과학용 파운데이션 모델과 토크나이저: 은하 이미지 64만 장으로 비교한 4가지 토큰화 방식
스탠퍼드 물리·AI 콘퍼런스 발표 정리. 은하 이미지 64만 장과 같은 트랜스포머 백본으로 네 가지 토크나이저를 비교한 결과, 이미지를 잘 복원하는 방식과 물리량을 잘 담아내는 방식이 서로 달랐다.
핵심 내용 읽기 →
물리학과 AI의 결합이 특별한 이유: 스탠퍼드 콘퍼런스 패널이 짚은 데이터 희소성과 불확실성 문제
스탠퍼드 물리·AI 콘퍼런스 패널에서 연구자 세 명이 물리학과 AI의 결합을 따져 물었다. 거대한 AI 산업에 올라타는 전략, 틀린 줄 알면서 쓰는 시뮬레이션, 원천적으로 데이터가 부족한 영역, 불확실성 정량화 문제가 도마에 올랐다.
핵심 내용 읽기 →
AI 과학자 에이전트 확장 실험: 스탠퍼드 가상 연구실부터 아인슈타인 아레나와 논문 에이전트까지
스탠퍼드 제임스 저우 교수가 모델 크기 대신 함께 일하는 에이전트 수를 늘리는 새로운 확장 축을 소개했다. 가상 연구실의 단백질 설계, 3만7천 개 임상시험 에이전트, 40년 만의 수학 난제 기록 경신 사례를 다룬다.
핵심 내용 읽기 →
AI 지수 성장과 연구 전략: 스탠퍼드 물리·AI 콘퍼런스 강연이 말한 커리어 다시 짜기
스탠퍼드 물리·AI 콘퍼런스 강연을 정리했다. 최근 10년간 학습 연산량 1000만 배 증가와 과제 시간지평의 지수 성장을 근거로, 연구 주제와 커리어를 다시 골라야 하는 이유와 유망 분야, 위험 회피가 오히려 손해가 되는 이유를 짚는다.
핵심 내용 읽기 →
AI 에이전트 평가 3대 벤치마크: METR 시간지평·GDPval 승률·딥스칼라벤치 한계
스탠퍼드 CS329A 강의가 METR 시간지평, GDPval, 딥스칼라벤치 세 벤치마크로 AI 에이전트의 실제 능력을 짚는다. 과제 길이는 7개월마다 두 배로 늘지만 신뢰도와 맥락이 여전히 병목이다.
핵심 내용 읽기 →
스탠퍼드 CS329A 자기개선 AI 에이전트 강의 정리: ReAct, RLEF, 컨스티튜셔널 AI
스탠퍼드 CS329A 4강은 AI 모델이 스스로 실력을 높이는 세 가지 방법을 다룬다. 도구 호출과 추론을 번갈아 쓰는 ReAct, 코드 실행 결과로 학습하는 RLEF, 원칙 문서로 자기비판하는 컨스티튜셔널 AI를 비교한다.
핵심 내용 읽기 →
스탠퍼드 CS329A 자기 개선 AI 에이전트 1강 정리: 스케일링 법칙에서 추론 스케일링과 에이전트 워크플로까지
스탠퍼드 CS329A 첫 강의가 정리한 LLM 발전사와 전환점. 모델 크기를 키우는 스케일링 법칙이 포화에 다다른 뒤, 추론 시점 확장과 검증기 되먹임이 어떻게 자기 개선 에이전트를 열었는지 살펴본다.
핵심 내용 읽기 →
데이터 시각화와 텍스트 결합 연구 정리 — 스탠퍼드 CS547 HCI 세미나 강연
스탠퍼드 CS547 HCI 세미나 강연은 차트에 글을 많이 넣을수록 사람들이 더 선호했고 상당수는 그래프 없이 문장만 원했다는 실험 결과를 소개하며, 이를 설명하려는 인지 이론들과 멀티모달 언어 모델의 결합 구조까지 함께 짚었다.
핵심 내용 읽기 →
확산 모델 원리 정리: 스탠퍼드 CS229 강의로 보는 노이즈 추가 과정과 역과정 학습 방법
스탠퍼드 CS229의 확산 모델 강의를 정리했다. 이미지에 조금씩 잡음을 더하는 고정된 정방향 과정과, 그것을 되돌리도록 신경망을 학습시키는 역과정이 어떻게 하나의 손실 함수로 이어지는지 차근차근 살펴본다.
핵심 내용 읽기 →
AI 해석 가능성의 한계와 일자리 충격, 스티브 저벳슨이 스탠퍼드 대담에서 던진 질문
오랜 AI 투자자 스티브 저벳슨이 스탠퍼드 대담에서 AI의 안전성·통제·해석 가능성에 회의를 표했다. AI를 십대에 빗대 한계를 설명하고, 운전 직종이 사라지는 노동 충격과 전환기 정책의 공백을 함께 경고했다.
핵심 내용 읽기 →
불확실성 속 의사결정: 스탠퍼드 AA228 강의가 말하는 차원의 저주와 AI 검증 문제
스탠퍼드 온라인이 소개한 '불확실성 하의 의사결정' 강의 요약. 결과와 모형이 모두 불확실할 때 최적의 결정을 찾는 방법과 한계, 벨만이 지적한 차원의 저주, 그리고 AI 시스템의 실제 배포를 가로막는 검증 문제를 정리했다.
핵심 내용 읽기 →
Biomni 연구 AI: 희귀질환 진단 110분을 3분으로 줄인 스탠퍼드 생물의학 에이전트
스탠퍼드 연구진이 만든 생물의학 AI 에이전트가 25개 분야 도구를 스스로 조합해 희귀질환 진단 시간을 110분에서 3분으로 줄였다. 성능과 한계를 정리했다.
핵심 내용 읽기 →
스탠퍼드 AI 경제지표 웨비나: 신입 고용 12% 격차와 암묵지가 갈라놓은 일자리
스탠퍼드 디지털경제연구소와 ADP가 공개한 AI 경제지표 최신 결과를 정리했다. 거시 지표는 아직 조용하지만 22~25세 신입 고용에서는 AI 노출도에 따른 격차가 12%까지 벌어졌고, 형식지 중심 직무가 특히 크게 밀렸다.
핵심 내용 읽기 →
체화된 지능(Embodied Intelligence): 변형 소재로 만든 전자장치 없는 로봇 - 스탠퍼드 세미나
스탠퍼드 로보틱스 세미나에서 소개된 체화된 지능(embodied intelligence). 변형하는 소재와 유연한 기계 구조에 계산과 판단을 새겨 넣어, 전자장치 없이 스스로 접히고 움직이며 태양·습도 등 환경 에너지로 작동하는 로봇의 사례와 설계 원리를 살펴본다.
핵심 내용 읽기 →
메타덴드랄과 기호 기계학습의 역사: 데이터가 귀하던 1970년대에 지식으로 학습을 대체한 실험
1970년대 스탠퍼드에서 만들어진 메타덴드랄은 기계학습이 찾아낸 지식이 화학 학술지에 실린 첫 사례였다. 철학에서 AI로 옮겨간 브루스 뷰캐넌이 데이터가 극도로 비쌌던 시절의 연구 방식과 그 교훈을 회고한다.
핵심 내용 읽기 →
생성형 AI 경제학 스탠퍼드 강의: AI 슈퍼사이클에서 돈이 흐르는 곳
스탠퍼드 생성형 AI 경제 강의 요약. 반도체·인프라·앱으로 나뉜 가치 삼각형, 엔비디아 집중 수익, 클라우드와 다른 마진 구조, 소비자 AI 수익화 전망을 정리했다.
핵심 내용 읽기 →
AI 존재론적 다중성: 스탠퍼드 CS547 세미나가 던지는 질문
AI 시스템에 무의식적으로 새겨지는 '존재론적 경계'와 그것이 현실을 규정하는 방식을 스탠퍼드 HCI 세미나가 짚는다. 나무 이미지·EDA '퍼플 존'·LLM 분석 사례로 경계를 허물고 협상하고 드러내는 세 접근을 소개한다.
핵심 내용 읽기 →
적시 목표(Just-in-Time)로 개인화하는 AI: 스탠퍼드 CS547 세미나 정리
하나의 인터페이스에 모든 기능을 욱여넣어 늘 뻔한 답을 내놓는 'AI 스포크 문제'와, 사용자의 화면·맥락을 관찰해 그 순간의 목표를 즉석에서 추론하는 스탠퍼드의 적시(Just-in-Time) 목표 연구, 나아가 소셜미디어 피드 개선까지 확장한 사례를 정리했다.
핵심 내용 읽기 →
LLM 추론 모델 원리 정리: 사고 사슬, 검증 가능한 보상, GRPO까지 (스탠퍼드 CME295)
스탠퍼드 CME295 강의가 추론 모델을 어떻게 만드는지 설명한다. 사고 사슬, 검증 가능한 보상 기반 강화학습, GRPO와 PPO의 차이, 그리고 딥시크 R1의 학습 파이프라인까지 핵심을 한국어로 정리했다.
핵심 내용 읽기 →
확산모델(Diffusion) 원리 정리: 스탠퍼드 CME296 1강 DDPM과 DDIM
이미지 생성모델은 왜 노이즈에서 시작할까. 스탠퍼드 CME296 첫 강의를 따라 DDPM의 순방향·역방향 과정과 노이즈 예측 손실, 그리고 단계를 건너뛰어 생성을 빠르게 하는 DDIM의 원리까지 차근차근 정리했다.
핵심 내용 읽기 →
스탠퍼드 헬스 AI 위크: 의료 현장의 AI 도입과 효과 측정, 신뢰를 둘러싼 리더들의 목소리
스탠퍼드 헬스 AI 위크 팟캐스트에서 업계·의료·연구 리더들이 환자에게 미치는 영향 측정, 조직 도입 전략, 클라우드-온프렘 배치, 대중 인식 격차 등 의료 AI가 마주한 현실과 숙제를 두루 짚는다.
핵심 내용 읽기 →
스탠퍼드 생성형 AI 기술 기초 강의 개요 — 파운데이션 모델부터 에이전트 AI까지
스탠퍼드 온라인이 공개한 '생성형 AI 기술 기초' 강의 소개 영상. 비전공자를 위해 파운데이션 모델, 에이전트 AI 구축, 문제에 맞는 모델 선택 같은 핵심 개념을 스탠퍼드 교수진이 직접 짚어준다.
핵심 내용 읽기 →
AI 정렬 문제 쉽게 이해하기 — 보상 해킹·부작용과 가치 기반 정렬(스탠퍼드 CS221)
스탠퍼드 CS221 강의로 배우는 AI 정렬 문제의 개념과 네 가지 정렬 관점, 보상 해킹과 부작용의 실제 사례, 그리고 가치 기반 정렬을 위한 세 가지 윤리 틀까지 초심자도 이해하도록 차근차근 정리했다.
핵심 내용 읽기 →
사티아 나델라 스탠퍼드 강연 — 프런티어 생태계, 힐 클라이밍, 양자·실리콘 전략
마이크로소프트 CEO 사티아 나델라가 스탠퍼드 CS153에서 밝힌 비전. 모든 기업이 자사 IP로 프런티어에 오르는 생태계, 라이선스 모델과 힐 클라이밍, Scout 에이전트, 맞춤 실리콘과 양자까지 정리했다.
핵심 내용 읽기 →
생성형 AI와 의료 혁신: 스탠퍼드 강연이 짚은 의료 AI의 현재 성과와 한계, 그리고 사람의 자리
스탠퍼드 의대 강연에서 의료 AI 전문가가 ChatGPT 이후 3년간 의료가 어떻게 바뀌었는지, AI 스크라이브와 임상 의사결정 지원의 가능성, 디스킬링과 딥페이크, 일자리와 사람의 역할이라는 한계를 근거 있는 낙관의 관점에서 정리한다.
핵심 내용 읽기 →
스탠퍼드 HCI 세미나: 게임 플레이 동기 9가지와 UX 설계의 관계
사람들은 왜 게임을 할까. 스탠퍼드 CS547 세미나에서 소개된 9가지 플레이 동기와 데이터가 보여주는 변화, 그리고 게임 디자인과 UX의 관계를 정리했다.
핵심 내용 읽기 →
스탠퍼드 CS229로 배우는 LLM 구축: 데이터·스케일링·정렬 핵심 정리
스탠퍼드 CS229 강의로 보는 대규모 언어모델 구축의 전 과정. 사전학습과 토큰화, 평가와 스케일링 법칙, 학습 비용, 그리고 SFT·RLHF·DPO 정렬까지 핵심을 정리했다.
핵심 내용 읽기 →