무료 가이드 · 해커뉴스가 선택한 AI 영상
20년간의 해커뉴스 댓글이 뽑은, AI를 이해하기 위한 최고의 영상들
알고리즘이 고른 게 아니다. 인터넷에서 가장 치열하게 논쟁하는 기술 포럼이 고른 것이다.
해커뉴스가 꾸준히 추천하는 AI 영상들을 비전공자 기준으로 아래 네 그룹으로 나눴다: 모델이 작동하는 방식, AI가 당신의 일에 의미하는 것, 알아둘 만한 위험, 그리고 그냥 보기 좋은 영상들.
전체 답변 읽기
이 상자 바로 아래의 15분·1시간·주말 선택기로 영상을 고르거나, 아래에서 15편 전체를 훑어볼 수 있다. 각 영상에는 해커뉴스가 추천하는 이유와 정확한 언급 횟수가 함께 나와 있다.
게시일
핵심 요약
- HackerTube의 해커뉴스 데이터에서 뽑은 AI 영상 15편을 AI 작동 원리, 당신의 일, 위험과 안전, 그냥 재미로 보는 영상으로 나눴다.
- 위에서 시간에 맞춰 고르거나 아래에서 그룹별로 훑어보자. 각 영상마다 해커뉴스가 추천하는 이유와 정확한 언급 횟수를 함께 보여준다.
- 영상을 보는 건 첫 단계일 뿐이다. 각 영상의 '이 영상으로 퀴즈 풀기' 버튼으로 Anthropic의 Claude나 OpenAI의 ChatGPT와 함께 연습해보자.
여기부터 시작
시간에 맞춰 하나 골라보자
복사해서 붙여넣기오늘 바로 쓸 수 있는 프롬프트
보고 난 직후 스스로 퀴즈 풀기
나는 방금 {channel}이 만든 '{video title}'라는 영상을 봤어. 나 대신 아무것도 찾아보지 말고, 내가 핵심 내용을 제대로 이해했는지 확인할 수 있는 질문 다섯 개를 하나씩 물어봐줘. 다음 질문으로 넘어가기 전에 내 답을 기다려줘. 내가 틀리면 다음으로 넘어가기 전에 쉬운 말로 올바른 개념을 설명해줘.이해 안 되는 그 한 부분 뚫어보기
'{video title}' 영상에서 대부분은 이해했는데 {the specific moment or term} 부분에서 헤매고 있어. 전문 용어 대신 일상생활에서 비유를 들어서 그 부분만 쉬운 말로 설명해줘. 그런 다음 내가 내 말로 그걸 다시 설명할 수 있는지 확인해줘.실제 업무와 연결해보기
나는 방금 {one sentence on what the video covers}에 관한 '{video title}'을 봤어. 나는 {your role, e.g. a project coordinator at a mid-size company}로 일하고 있어. 이 영상의 아이디어가 내 실제 일상 업무에서 좋게든 나쁘게든 구체적으로 어떻게 나타날 수 있는지 두세 가지 사례로 설명해줘. 일반적인 얘기 말고 구체적으로.전체 가이드
섹션을 탭하면 열립니다.
이 가이드에 대해
해커뉴스는 20년 동안 AI 영상을 두고 논쟁해왔다. Andrej Karpathy가 그 역사를 HackerTube로 정리했고, 우리는 그중 비전공자가 볼 만한 15편을 골랐다.
여기부터 시작
AI 모델이 실제로 작동하는 방식
대형 언어 모델 내부에서 무슨 일이 일어나는지 설명하는 영상 다섯 편을, 초보자가 볼 만한 순서로 정리했다: 1시간짜리 개요 강연, 더 긴 심화 강연, 그리고 같은 시리즈의 시각적 챕터 세 편으로 기본적인 신경망부터 트랜스포머 내부의 어텐션 메커니즘까지 단계별로 쌓아 올린다.
Andrej Karpathy
LLM을 이해하기 위한, 내용은 빽빽하지만 접근하기 쉬운 출발점이자 이 목록에서 가장 많이 언급된 영상.
더 보기
대형 언어 모델을 다루는 1시간짜리 대중 강연: LLM이 무엇인지, 어떻게 학습되는지, 운영체제와 어떻게 비교되는지, 그리고 탈옥(jailbreak)을 포함한 보안 문제까지 다룬다.
해커뉴스는 이 영상을 LLM을 이해하기 위한, 내용은 빽빽하지만 접근하기 쉬운 출발점으로 취급한다. 이 목록 전체에서 가장 많이 언급된 단 하나의 영상으로, 댓글 20개에서 링크됐다.
Andrej Karpathy
LLM이 실제로 어떻게 만들어지는지 명확히 이해하기 위해 해커뉴스가 가장 자주 추천하는 영상.
더 보기
ChatGPT 스타일 모델을 만드는 전체 학습 과정을 3시간 넘게 훑어본다. 사전학습부터 사후학습까지, 그리고 이런 시스템이 가끔 환각(hallucination)을 일으키는 이유와 이를 다루는 사고방식까지 다룬다.
LLM이 실제로 어떻게 만들어지는지 명확히 이해하기 위해 해커뉴스가 가장 자주 추천하는 영상으로, 어려운 수학이 필요하지 않다. 댓글 18개에 등장한다.
신경망이 도대체 어떻게 작동하는지 배우기 위한 표준적인 첫 관문.
더 보기
딥러닝 시리즈의 첫 번째 챕터로, 뉴런과 레이어가 실제로 무엇인지, 신경망 아래에 깔린 기본적인 수학을 손글씨 숫자 인식을 예로 들어 설명한다.
댓글 작성자들은 이 영상을 신경망이 도대체 어떻게 작동하는지 배우기 위한 표준적인 첫 관문이라고 부르며, 그 안의 수학을 직관적으로 느껴지게 만든다고 칭찬한다. 댓글 19개에서 언급된다.
트랜스포머, 어텐션, 임베딩을 시각적으로 소개하는 대표 영상.
더 보기
트랜스포머와 GPT 스타일 언어 모델이 어떻게 작동하는지 시각적으로 설명한다. 데이터가 토큰, 임베딩, 어텐션을 거쳐가는 과정을 단계별로 따라간다.
해커뉴스는 이 영상을 트랜스포머를 시각적으로 소개하는 대표 영상으로 취급한다. 많은 댓글이 이 영상을 보고 나서야 어텐션과 임베딩이 비로소 이해됐다고 말한다. 언급 16회.」
어텐션에 대한 글로 된 설명이 어렵게 느껴졌던 사람들을 위한 영상.
더 보기
같은 딥러닝 시리즈의 6번째 챕터로, 어텐션 메커니즘 자체를 더 가까이 시각적으로 들여다본다: 셀프 어텐션, 멀티 헤드, 크로스 어텐션.
텍스트 기반의 어텐션 설명이 어렵게 느껴졌던 독자들을 위해 해커뉴스에서 특별히 추천된 영상으로, 데이터상 언급 8회.
AI와 당신의 일
AI가 일에서 실제로 바꾸는 것
톤이 10년 차이 나는 영상 두 편. 하나는 해커뉴스가 지금도 논쟁하는 자동화와 고용에 대한 전통적인 경고이고, 다른 하나는 다른 무엇을 잘하게 되는 것과 마찬가지로 AI를 잘 쓰게 되는 것도 당신 스스로의 진짜 노력이 필요하다는 걸 상기시켜준다.
자동화와 실업을 다루는, 10년 된 표준 설명 영상.
더 보기
원래 제목은 'Humans Need Not Apply'였던 이 영상은, 자동화가 엔진이 말에게 그랬던 것처럼 노동력의 상당 부분을 경제적으로 쓸모없게 만들 것이라고 주장하며, 소프트웨어와 로봇에 의해 대체되는 육체노동과 정신노동을 모두 살펴본다.
해커뉴스는 10년째 이 영상을 자동화와 실업을 다루는 표준 설명 영상으로 추천해왔다. 다만 최근 댓글들은 이 영상을 과신한 예측의 사례로도 인용한다. 언급 20회.
Perimeter Institute for Theoretical Physics
균형 잡힌 시각: AI는 도움이 되지만, 진짜 학습에는 여전히 노력이 필요하다.
더 보기
Perimeter Institute의 라이브스트림에서 Derek Muller는 과거의 기술 변화와 인지과학을 근거로, AI가 정보 접근 속도를 높여줄 수는 있지만 진짜 학습에는 여전히 학습자 스스로의 노력이 담긴 반복이 필요하다고 주장한다.
해커뉴스는 이 영상을 AI와 교육에 대한 균형 잡힌 시각으로 추천한다: 도구는 도움이 될 수 있지만 학습 중 노력이 필요한 부분을 대신 해줄 수는 없다는 것이다. 이는 바로 이 가이드의 마지막 섹션이 기르고자 하는 습관이다. 언급 6회.
위험과 안전
조심해야 할 지점을, 쉽게 설명
Robert Miles의 채널이 AI 안전으로 들어가는 입구로 해커뉴스에서 가장 많이 추천되는 데는 이유가 있다: 짧고 구체적이며, 설명 없이 넘어가는 전문 용어가 없다. 여기에 널리 인용되는 개요 강연 한 편과 짧은 영화 한 편을 함께 묶었는데, 둘 다 AI의 위험이 화두에 오를 때마다 자주 링크된다.
Robert Miles AI Safety
AI 위험에 쉽게 다가가고 싶어하는 초보자에게 해커뉴스가 기본으로 건네는 링크.
더 보기
런던에서 했던 강연을 바탕으로 리마스터한 대중 대상 AI 안전 입문 영상으로, 발전된 AI가 왜 잘못될 수 있는지 설명하고 그 생각에 대한 가장 흔한 반론들에 답한다.
접근하기 쉽고 심지어 재미있는 AI 위험과 정렬（alignment） 입문을 원하는 초보자에게 해커뉴스가 기본으로 건네는 링크로, 댓글 7개가 먼저 이곳을 가리킨다.
Robert Miles AI Safety
똑똑한 AI가 왜 기본적으로 나쁘게 행동할 수 있는지에 대한 가장 명확한 설명.
더 보기
도구적 수렴（instrumental convergence）에 대한 설명: 거의 어떤 목표든 추구하는 AI 시스템이, 누가 그렇게 프로그래밍했든 아니든, 자기 보존이나 자원 확보 같은 하위 목표도 함께 추구하게 되는 경향이 있는 이유를 다룬다.
악의가 없어도 똑똑한 AI 시스템이 왜 기본적으로 나쁘게 행동할 수 있는지에 대한 가장 명확한 설명으로 반복해서 추천된다. 언급 8회.
Robert Miles AI Safety
'똑똑한 AI라면 인간의 가치를 그냥 이해하지 않을까'에 대한 표준적인 짧은 답.
더 보기
직교성 논제（orthogonality thesis）에 대한 설명: 어떤 것이 얼마나 똑똑한지와 그것이 실제로 무엇을 원하는지를 분리해서, 시스템이 인간에게 이상하거나 낯설게 보이는 목표를 추구하면서도 매우 뛰어난 능력을 가질 수 있는 이유를 다룬다.
해커뉴스는 이 영상을 '똑똑한 AI라면 인간의 가치를 그냥 이해하지 않을까'에 대한 표준적인 짧은 답으로 쓴다. 이 목록에서 비교적 많이 인용되는 영상으로 언급 12회.
Center for Humane Technology
AI 위험에 대해 빠르게 이해하려면 꼭 봐야 할 강연. 최다 인용 공동 1위.
더 보기
Tristan Harris와 Aza Raskin은 현재의 AI 역량이 실제 사회적 위험을 지닌다고 믿는 이유를 설명하며, 기업들이 안전 작업이 따라갈 수 있는 속도보다 더 빠르게 배포 경쟁을 벌이고 있다고 주장한다. GPT-4 공개 출시 바로 직전에 발표된 강연이다.
AI 위험에 대해 빠르게 이해하려면 꼭 봐야 할 단 하나의 강연으로 자주 추천되며, 특히 같은 팀이 이전에 소셜미디어에 올린 작업을 이미 본 사람들이 많이 추천한다. 언급 20회로 이 목록에서 최다 인용 공동 1위다.
Stop Autonomous Weapons
자율 무기가 뉴스에 등장할 때마다 해커뉴스가 표준적으로 인용하는 영상.
더 보기
AI 연구자 Stuart Russell이 지원한 가상의 단편 영화로, 저렴한 자율 드론 무리가 안면 인식을 이용해 표적 살해를 수행하는 모습을 그리며, 자율 무기 금지를 주장하기 위해 만들어졌다.
드론 무리, 자율 무기, 또는 군사용 AI가 뉴스에 등장할 때마다 해커뉴스가 표준적으로 인용하는 영상으로, 수년간 언급 20회.
그냥 재미로 보기
그냥 정말 볼만한 영상 세 편
시간을 쓸 가치가 있는 모든 것이 수업일 필요는 없다. 이 세 편은 그냥 잘 만들어졌다는 이유만으로 해커뉴스에서 자주 추천된다: 장편 다큐멘터리, 3시간짜리 방대한 인터뷰, 그리고 지금 봐도 여전히 재미있는 짧고 유쾌한 데모.
Google DeepMind
바둑을 몰라도 되는, 감동적이고 잘 만들어진 AI에 관한 인간 이야기.
더 보기
DeepMind의 AlphaGo 프로그램이 2016년 바둑 챔피언 이세돌과의 대결을 준비하고 치르는 과정을 따라가는 장편 다큐멘터리로, 그 뒤에 있는 팀과 AI가 최고의 인간 선수를 이기는 모습을 지켜본 바둑계의 반응도 함께 다룬다.
댓글 작성자들은 한결같이 이 영상을 바둑을 한 번도 둬본 적 없어도 통하는, 감동적이고 잘 만들어진 AI에 관한 인간 이야기라고 부르며, 많은 AI 콘텐츠와 달리 시간이 지나도 낡지 않았다고 말한다. 댓글 13개가 이 영상을 링크한다.
Lex Fridman
흥미롭고 폭넓은 인터뷰로, 특히 자율주행에 대한 Hotz의 견해가 돋보인다.
더 보기
Lex Fridman과 자율주행 기업 Comma.ai의 창업자 George Hotz의 3시간짜리 대화로, 자율주행차, Tesla와 Waymo, 암호화폐, GPT-3, 그리고 추천 도서까지 폭넓게 다룬다.
흥미롭고 폭넓은 인터뷰로 해커뉴스에서 추천되며, 특정 댓글들은 엔드투엔드 신경망 기반 주행에 대한 Hotz의 견해를 짚어 보여준다. 언급 10회.
이런 방식의 머신러닝을 접근하기 쉽게 소개하는 대표 영상.
더 보기
신경망과 NEAT라는 유전 알고리즘을 이용해, 누가 규칙을 알려주지 않아도 스스로 Super Mario World를 플레이하는 법을 배우는 프로그램 MarI/O의 짧은 데모.
이런 방식의 머신러닝을 접근하기 쉽게 소개하는, 해커뉴스가 즐겨 추천하는 영상으로, 바탕이 된 이전 연구를 명확히 밝힌다는 점에서 댓글들의 호평을 받는다. 언급 20회.
이 목록은 어디서 왔나출처와 저작권 표기
위 모든 영상, 채널명, 요약, 언급 횟수는 HackerTube（hackertube.org）가 공개한 데이터에서 가져왔다. 이 가이드에 나온 영상 중 두 편의 제작자이기도 한 Andrej Karpathy는 open-index/hacker-news 데이터셋（huggingface.co/datasets/open-index/hacker-news）을 바탕으로 HackerTube를 만들었고, 이 프로젝트를 직접 이렇게 설명했다: '유튜브의 추천 기능이 마음에 안 들어서, Claude에게 20년간의 해커뉴스 댓글 4,300만 개를 걸러 계속 추천되는 영상 6,454편으로 줄이게 했다.' 우리가 쓴 데이터는 총 6,454편의 영상과 39,834건의 해커뉴스 언급을 담고 있으며 ODC-By 1.0 라이선스로 공개됐다. 우리는 그중 비전공자를 대상으로 15편을 골라 이 페이지에 실었다.
해커뉴스 데이터는 Y Combinator가 제공한다. 위의 영상 제목과 채널명은 Nightschool AI나 HackerTube의 것이 아니라 각 제작자 본인의 것이며, 이 페이지는 영상을 직접 호스팅하거나 삽입하지 않고 유튜브의 각 영상으로 링크만 연결한다. 그러니 각 영상은 제작자 본인의 채널에서 보게 된다.
이 가이드는 훨씬 더 큰 데이터셋에서 선별한 일부이며, 6,454편 전체의 순위가 아니다. 위의 언급 횟수는 각 영상이 해커뉴스 댓글에서 몇 번 링크됐는지를 뜻할 뿐, 조회수나 다른 유튜브 지표와는 무관하다. Karpathy의 HackerTube는 Claude의 도움을 받아 만든 개인 프로젝트로, Nightschool AI에 대해 어떤 주장도 하지 않는다. 이 페이지의 어떤 내용도 Karpathy, 해커뉴스, Y Combinator가 Nightschool AI의 커리큘럼을 보증한다는 의미로 읽혀서는 안 된다.
영상을 보는 것과 습관을 만드는 것은 서로 다른 일이다
좋은 설명 영상은 개념을 반나절 정도 머릿속에 남겨준다. 위의 프롬프트들처럼 어시스턴트와 함께 연습하는 것이 그 개념을 진짜로 남게 만든다. Nightschool AI의 무료 커리큘럼은 첫 수업부터 직접 해보는 방식이라, 시청 기록에 영상을 하나 더 추가하는 대신 실제로 뭔가를 두고 Claude와 함께 작업하는 습관을 기르게 된다.
자주 묻는 질문
이 AI 영상 목록은 실제로 어디서 온 건가?
Andrej Karpathy가 Claude를 이용해 20년치 해커뉴스 댓글 4,300만 개를 사람들이 서로 계속 추천하는 영상들로 정리해 만든 프로젝트, HackerTube가 공개한 데이터에서 가져왔다. 이 데이터는 6,454편의 영상과 39,834건의 해커뉴스 언급을 담고 있으며, 그중 비전공자에게 적합한 15편을 우리가 골랐다.
AI 영상을 고를 때 유튜브 자체 추천 대신 해커뉴스 댓글을 쓰는 이유는?
다른 신호이기 때문이다. 유튜브의 추천은 당신이 다음 영상도 계속 보게 만드는 쪽으로 최적화되어 있다. 반면 해커뉴스 언급은 어떤 특정한 사람이, 특정한 논의 속에서, 어떤 주장을 설명하기 위해 그 영상을 링크할 만하다고 생각했다는 뜻이다. Karpathy가 바로 이 이유로 HackerTube를 만들었으며, 유튜브 자체 추천이 마음에 안 들었다고 말했다.
이 영상들을 보려면 코딩 배경지식이 필요한가?
아니다. 우리는 특정 머신러닝 라이브러리를 다루는 영상처럼 기반 데이터셋에 있는 코드 중심 영상들을 일부러 제외하고, 대중을 위한 영상들만 남겼다: 설명 영상, 다큐멘터리, 인터뷰, 짧은 영화. 코드를 한 줄도 쓰지 않고 15편 모두 따라갈 수 있다.
이 영상들을 어떤 순서로 봐야 하나?
'AI 모델이 실제로 작동하는 방식' 그룹부터 나열된 순서대로 시작하자: Karpathy의 1시간짜리 강연, 이어서 그의 더 긴 심화 강연, 그다음 3Blue1Brown의 챕터 세 편. 그 이후의 다른 세 그룹은 서로 의존하지 않으므로, 궁금한 쪽에 따라 고르면 된다: 당신의 일, 위험, 또는 그냥 볼만한 영상.
이 목록은 그냥 유튜브가 제안하는 AI 콘텐츠를 보는 것과 같은가?
아니다. 이 15편은 당신의 시청 기록을 추적하는 추천 알고리즘이 아니라, 여러 해에 걸쳐 해커뉴스 논의에서 구체적으로 링크된 영상들을 선별한 데이터에서 골랐다. 언급 횟수는 조회수가 아니라 대화에서 얼마나 자주 인용됐는지를 반영한다.
이 영상들을 그냥 보는 게 아니라 실제로 배우는 데 AI 어시스턴트를 쓸 수 있나?
그렇다. 바로 이 가이드의 'AI 어시스턴트와 함께 쓰는 법' 섹션의 프롬프트들과 모든 영상 카드에 있는 '이 영상으로 퀴즈 풀기' 버튼이 그 목적이다. 영상을 끝낸 직후, 다음 영상으로 넘어가기 전에 복사한 프롬프트를 Anthropic의 Claude나 OpenAI의 ChatGPT 같은 어시스턴트에 붙여넣자.
이 목록에 AI 모델을 코딩하는 방법에 관한 영상이 없는 이유는?
이 가이드는 머신러닝 코드를 작성하는 법이 아니라, 일상 업무에서 AI를 잘 쓰는 법을 배우는 사람들을 위해 쓰였기 때문이다. 기반 HackerTube 데이터에는 작은 신경망을 처음부터 만드는 영상을 포함해 코드 중심 영상이 여러 편 있지만, 프로그래밍 배경지식 없이도 개념을 이해할 수 있는 영상을 우선해 제외했다.
Nightschool AI는 해커뉴스, HackerTube, 유튜브, Y Combinator, Andrej Karpathy, Anthropic, 또는 OpenAI와 제휴 관계인가?
아니다. Nightschool AI는 독립적인 서비스이며 Y Combinator, 해커뉴스, 유튜브, Google, Anthropic, OpenAI, Andrej Karpathy 중 누구와도 제휴 관계이거나 그들의 보증을 받지 않는다. 이 페이지의 영상 데이터는 HackerTube의 데이터가 공개된 ODC-By 1.0 라이선스에 따라 사용되며, 모든 영상 제목과 채널명은 각 제작자 본인의 것이다. Claude, ChatGPT, 해커뉴스, 유튜브라는 이름은 그것들이 무엇인지 설명하고 출처를 정확히 표기하기 위해서만 이 페이지에 쓰였다.
영상 하나를 고르고, 거기서 배운 걸 연습해보자
좋은 영상 15편만으로는 AI에 유창해지지 않는다. 오늘, 어시스턴트와 함께 영상 하나를 써보는 것이 시작이다.
HackerTube（hackertube.org）에서 선정, 해커뉴스 댓글 기반, ODC-By 1.0. Y Combinator, 해커뉴스, 유튜브 또는 제작자들과 제휴 관계 없음.