바이브 코딩 시대의 기술 지도: 하드웨어부터 앱까지

"바이브(vibe)"는 분위기·느낌이라는 뜻이에요. 문법을 외우기보다 "이런 느낌으로 만들어 줘"라고 말하며 만든다는 데서 나온 이름이에요.

사람과 AI가 일을 나눠요. 사람은 무엇을 왜 만들지 정하고 결과가 맞는지 판단해요. AI는 실제 코드를 쓰고 고치고, 오류를 설명해요.

슬라이드는 중요한 점을 하나 짚어요. AI로 만든 앱이라고 해서 그 앱 안에 AI 기능이 꼭 들어 있는 것은 아니에요. AI는 "만드는 도구"로만 쓰일 수도 있어요.

컴퓨터 칩(하드웨어)은 0과 1로 된 기계어만 알아들어요. 그래서 사람이 쓴 코드는 반드시 기계어로 번역돼야 해요.

컴파일러(compiler, 모아서 번역하는 것)는 코드 전체를 미리 번역해 실행 파일을 만들어요. C 언어가 대표적이에요. 기계어에 가까워 빠르지만 배우기 어렵고, 오류를 찾으려면 도구와 기술이 필요해요.

인터프리터(interpreter, 통역사)는 코드를 한 줄씩 바로 번역하며 실행해요. 파이썬이 대표적이에요. 배우기 쉽고 바로 결과가 나오지만, 들여쓰기 규칙이 엄격하고 속도는 상대적으로 느려요.

"가치사슬"은 원재료가 제품이 되어 손님에게 가기까지 각 단계에서 가치가 더해지는 흐름을 말해요.

AI에서는 데이터를 모아 파는 회사, 칩을 만드는 회사, 컴퓨터를 빌려주는 클라우드 회사, 모델을 만드는 회사, 그 모델로 서비스를 만드는 회사가 차례로 이어져요.

사슬을 보면 "우리 회사는 어디에 서 있고, 누구에게 의존하는가"를 알 수 있어요. 수업에서 교수님이 "밸류체인을 봐야 한다"고 강조한 이유예요.

"스택(stack)"은 차곡차곡 쌓은 더미라는 뜻이에요. 아래층이 위층을 받쳐 줘야 위층이 돌아가요.

맨 아래는 칩·메모리 같은 하드웨어예요. 그 위에 하드웨어를 부리는 운영체제·드라이버·CUDA가 있고, 다시 그 위에 PyTorch 같은 AI 프레임워크, 학습된 모델, 백엔드와 데이터베이스, 화면(인터페이스), 마지막으로 사용자가 쓰는 앱이 올라가요.

실제로는 몇 개 층이 합쳐지거나 외부 서비스로 대신하기도 해요. 예를 들어 모델 층을 OpenAI API로 빌려 쓰면 아래 세 층은 직접 신경 쓰지 않아도 돼요.

GPU는 Graphics 그래픽 + Processing 처리 + Unit 장치의 줄임말이에요. 원래 게임 화면의 수많은 점(픽셀)을 동시에 그리려고 만들었어요.

CPU(중앙 처리 장치)는 복잡한 일을 차례대로 잘하는 똑똑한 일꾼 몇 명이에요. GPU는 단순한 계산을 동시에 하는 일꾼 수천 명이에요. 신경망은 곱하고 더하는 계산을 엄청 많이 하니까 GPU가 잘 맞아요.

계산만큼 중요한 게 메모리예요. 실행하는 동안 데이터와 모델의 숫자(가중치)를 올려 둘 작업 공간(RAM·GPU 메모리)이 모자라면 큰 모델은 아예 돌아가지 않아요. 구글의 TPU처럼 AI 전용으로 만든 칩도 있어요.

CUDA는 Compute 계산 + Unified 통합된 + Device 장치 + Architecture 구조의 줄임말이에요. NVIDIA가 만들었어요.

우리가 파이썬으로 PyTorch를 쓰면, PyTorch는 CUDA와 GPU 라이브러리를 거쳐 드라이버를 통해 GPU에 일을 시켜요. 수업에서 "어셈블러 위에 쿠다, 그 위에 파이토치, 그 위에 우리 코드"라고 한 순서가 이거예요.

전 세계 AI 개발 도구가 CUDA를 기준으로 만들어져 있어서, 다른 회사 칩으로 옮기기가 쉽지 않아요. 이것을 NVIDIA의 "소프트웨어 해자(성을 지키는 물길)"라고 불러요. 수업에서는 AI가 코드를 쉽게 옮겨 주면서 이 해자가 낮아지고 있다고 했어요.

모델 안에는 수많은 숫자(가중치, 파라미터)가 있어요. 학습은 정답이 있는 예시를 보여 주며 이 숫자를 조금씩 고치는 과정이에요. 2주차에 배운 역전파가 바로 학습 방법이에요.

추론은 학습이 끝난 숫자를 고정해 두고, 새 입력이 들어오면 계산만 해서 결과를 내요. 우리가 ChatGPT에 질문하는 순간이 추론이에요.

학습은 한 번에 엄청난 계산이 필요하고, 추론은 작은 계산을 아주 자주 해요. 그래서 추론만 잘하는 칩을 따로 만드는 회사도 생겨요. 대부분의 첫 AI 앱은 학습을 직접 하지 않고, 이미 학습된 모델을 API나 내 컴퓨터에서 불러 써요.

비슷한 이름이 많아서 헷갈리지만 역할이 달라요. 언어(Python·JavaScript)는 지시를 적는 규칙, 런타임(파이썬 인터프리터·Node.js)은 프로그램을 실제로 실행하는 것이에요.

라이브러리(React, 문서 처리 패키지 등)는 내가 필요할 때 불러 쓰는 부품이에요. 프레임워크(FastAPI, Django, PyTorch 등)는 정해진 구조가 있어서, 그 틀에 맞춰 내 코드를 끼워 넣어요.

AI 분야의 대표 프레임워크는 PyTorch, TensorFlow, Keras, JAX예요. 그 위에 Hugging Face Transformers, LangChain 같은 모델 라이브러리가 있어요.

프로그램은 값을 기억해 두고 다시 써야 해요. 값을 담아 두는 상자에 이름을 붙인 것이 변수예요. 예를 들어 meeting_text라는 변수에 회의록 글을 넣어 둘 수 있어요.

타입은 값의 종류예요. 정수(3), 실수(3.4), 문자열("Hello"), 참·거짓(True/False) 등이 있어요. 타입에 따라 할 수 있는 일이 달라요. 숫자는 더할 수 있고, 글자는 이어 붙일 수 있어요.

슬라이드 81쪽처럼 my_list[4.0]을 쓰면 오류가 나요. 목록의 위치 번호는 정수 타입이어야 하는데 실수(4.0)를 넣었기 때문이에요.

조건문은 프로그램이 상황에 따라 다르게 움직이게 해요. 파이썬에서는 if(만약)와 else(그렇지 않으면)를 써요.

조건 뒤에는 콜론(:)을 붙이고, 그 조건일 때 할 일은 들여쓰기(빈칸 4칸)해서 적어요. 파이썬은 들여쓰기로 "어디까지가 조건 안쪽인지"를 구분해요.

회의 요약 앱이라면 "입력이 비어 있으면 안내 문구를 보여 주고 AI를 부르지 않는다"가 조건문이에요.

반복문은 사람이 같은 코드를 여러 번 쓰지 않게 해 줘요. 파이썬의 for 항목 in 목록:은 목록에서 하나씩 꺼내 아래 코드를 실행해요.

슬라이드 76쪽 예제는 숫자 9개를 하나씩 꺼내 sum에 더해요. 반복이 끝나면 합계 48이 나와요.

앱에서는 "저장된 요약을 모두 화면에 보여 주기"가 반복문이에요.

함수는 재료(입력)를 받아 정해진 일을 하고 결과를 돌려줘요. 파이썬에서는 def 함수이름(입력):으로 만들어요.

슬라이드 77쪽의 greet(name)은 이름을 받아 인사말을 출력해요. 한 번 만들어 두면 greet("John"), greet("Mina")처럼 계속 쓸 수 있어요.

AI가 짠 코드를 읽을 때 함수 이름만 봐도 무슨 일을 하는지 알 수 있어요. 예를 들어 summarize(text)는 "글을 요약하는 함수"예요.

같은 화면이라도 상황에 따라 보여 줄 것이 달라요. 버튼을 누르기 전, 기다리는 중, 결과가 나온 뒤, 오류가 난 뒤가 모두 다른 상태예요.

좋은 앱은 상태를 사용자에게 알려 줘요. 처리 중이면 진행 표시를 띄우고 버튼을 또 못 누르게 막아요. 실패하면 입력한 글을 지우지 않고 다시 시도하게 해 줘요.

슬라이드는 UI(화면)와 UX(전체 경험)를 구분해요. 상태를 잘 다루는 것이 좋은 UX의 기본이에요.

컬렉션은 값 여러 개를 한꺼번에 담는 통이에요. 파이썬에는 리스트, 딕셔너리, 세트, 튜플 네 가지가 자주 쓰여요.

리스트는 대괄호 [ ]로 만들고, 순서가 있어요. 첫 칸이 0번이에요. 그래서 my_list[0]은 첫 번째, my_list[2]는 세 번째 값이에요. 리스트 안에 다른 리스트를 넣을 수도 있어요(중첩 리스트).

수많은 숫자를 빠르게 계산할 때는 NumPy(넘파이)를 써요. NumPy는 여러 줄·여러 칸으로 된 숫자 배열과 빠른 계산을 제공해요. 딥러닝의 텐서도 이런 숫자 배열이에요.

의존성(dependency)은 내 코드가 기대고 있는 남의 코드(패키지)예요. 예를 들어 내 코드가 PyTorch를 쓰면 PyTorch가 의존성이에요.

패키지 매니저(pip, npm)는 이런 패키지를 설치하고 관리해요. 패키지마다 버전이 있어서, 버전이 안 맞으면 코드가 갑자기 안 돌아가기도 해요.

가상 환경은 프로젝트마다 파이썬 패키지를 따로 담는 방이에요. 프로젝트 A와 B가 서로 다른 버전을 써도 부딪히지 않아요. 터미널(CLI)은 이런 도구를 글자 명령으로 실행하는 창이에요.

노트북 파일(.ipynb)은 글 칸(설명)과 코드 칸, 그리고 실행 결과로 이뤄져요. 코드 칸에 x=2+3을 실행하면 바로 아래에 5가 나와요.

코랩은 내 브라우저에서 보지만 실제 계산은 구글의 원격 컴퓨터에서 해요. 파이썬, TensorFlow, Keras가 미리 깔려 있고 GPU·TPU도 쓸 수 있어서 바로 딥러닝을 해 볼 수 있어요. 기본은 무료예요.

주의할 점이 있어요. 원격 컴퓨터는 잠시 빌린 것이라 시간이 지나면 기억(런타임 상태)과 임시 파일이 사라질 수 있어요. 중요한 파일은 따로 저장해야 해요. "다시 시작 후 전체 실행"이 잘 되면 다른 사람도 같은 결과를 얻을 수 있어요.

API는 Application 응용 프로그램 + Programming 프로그래밍 + Interface 접점의 줄임말이에요. "이런 형식으로 부탁하면 이런 형식으로 답해 줄게"라는 약속이에요.

회의 요약 앱에서 화면(프런트엔드)은 백엔드에 "이 글 요약해 줘"라고 요청해요. 백엔드는 입력을 검사하고, 사용자를 확인하고, AI 서비스의 API를 불러 요약을 받아 데이터베이스에 저장한 뒤 화면에 돌려줘요.

AI 서비스를 쓰는 비밀 열쇠(API 키)는 반드시 서버(백엔드) 쪽 비밀 저장소에 둬야 해요. 화면 코드에 넣으면 누구나 훔쳐 쓸 수 있어요.

커밋(commit)은 "여기까지 바꾼 것을 기록"하는 저장점이에요. 게임의 세이브 포인트처럼 언제든 그 시점으로 돌아갈 수 있어요.

브랜치(branch)는 본선(main)을 건드리지 않고 따로 시도해 보는 가지예요. 시도가 괜찮으면 풀 리퀘스트(pull request)로 검토를 요청하고, 합쳐요(merge).

깃허브에서 남의 코드를 가져다 쓸 때는 README(무엇을 하고 어떻게 실행하는지)와 LICENSE(써도 되는 조건)를 꼭 봐요. 공개된 코드라도 마음대로 써도 되는 건 아니에요. AI 모델과 데이터는 허깅페이스(Hugging Face)에서 찾고, 모델 카드로 용도와 조건을 확인해요.