OpenAI 연구원이 말하는 AI 공부 순서

AI를 공부하려고 마음먹으면 늘 같은 벽에 부딪혔어요. 수학부터, 그다음 선형대수, 그다음 확률. 순서만 봐도 막막해서 접어버린 경험, 다들 한 번쯤 있을 거예요. 스웨덴 시골에서 자란 가브리엘 페테르손도 똑같았어요. 앤드루 응(Andrew Ng)의 유명한 머신러닝 강의를 듣다가 "난 너무 멍청해서 이건 못 하겠다"며 포기했죠. 그런데 그는 스물두 살에, 고등학교 중퇴에 대학 학위도 없이, OpenAI에 들어가 영상 생성 AI 'Sora'를 만드는 연구원이 됐어요. 무엇이 달라졌을까요.

기본부터 시작하지 않는다

그를 바꾼 건 재능이 아니라 공부의 '순서'였어요. 기초부터 차곡차곡 쌓는 방식을 버린 거예요.

페테르손은 Extraordinary 팟캐스트 인터뷰(2025년 11월)에서 학교식 공부를 이렇게 꼬집어요. "머신러닝을 하고 싶으면 첫 4년은 머신러닝을 잊어도 된다"고요. 수학, 행렬 곱, 선형대수를 아래에서부터 쌓다 보면, 정작 쓸 만한 AI를 만져보기까지 몇 년이 걸린다는 거예요. 그가 "난 멍청하다"며 접었던 그 강의가 바로 이 방식이었어요. 문제는 그의 머리가 아니라 순서였던 셈이에요.

숫자로도 말해요. 디퓨전 모델(글이나 사진을 보고 새 이미지·영상을 만들어내는 AI 방식)을 학교식으로 배우면 6년, 문제부터 거꾸로 파고들면 3일이면 감을 잡는다고 해요. 여기서 3일은 "완벽한 전문가"가 아니라 "직접 만지며 이해하는 감각"을 말해요.

두 방식의 차이는 이렇게 갈려요.

학교식이 나쁜 건 아니에요. 다만 왜 이렇게 오래 걸리느냐면, 문제부터 파는 방식은 "지금 네가 배울 건 이거야"라고 짚어줄 선생님이 늘 옆에 있어야 하거든요. 예전엔 그게 불가능했어요. 그 선생님 역할을 이제 ChatGPT가 대신하면서, 순서를 뒤집는 게 처음으로 현실이 됐어요. 24시간 옆에서 눈높이를 맞춰 답해주는 개인 교사를, 월 몇만 원이면 누구나 둘 수 있게 된 거예요.

잘 배우는 사람은 문제부터 시작해서 거꾸로 판다

그럼 "문제부터 거꾸로"가 실제로 어떻게 굴러갈까요. 페테르손은 자기 방식을 한마디로 "모르는 구멍을 하나씩 되짚어 메우기"라고 불러요.

머신러닝을 배운다고 해볼게요. 먼저 ChatGPT에 "무슨 프로젝트를 하면 좋을까? 코드도 써줘"라고 물어요. 코드를 받으면 당연히 무슨 소린지 하나도 몰라요. 그래도 일단 돌려보고, 버그가 나면 같이 고쳐요. 그러다 한 부분을 짚어 물어요. "여기서 왜 학습이 되는 거야?" 그러면 "행렬 곱과 선형대수를 쓴다"는 답이 와요. 다시 물어요. "그건 또 어떻게 작동해? 그림으로 감 잡게 설명해줘." 이렇게 파고들다 보면, 어느새 기초가 채워져 있어요.

사실 그는 이 방식을 이론이 아니라 몸으로 먼저 배웠어요. 열일곱에 고등학교를 그만두고 들어간 첫 스타트업에서, 상품 추천 시스템을 실제로 만들어야 했거든요. 웹페이지를 긁어오고, 코드를 붙이고, 테스트를 돌리는 걸 하나도 모른 채 부딪혔어요. 그가 말하는 핵심이 여기 있어요. "진짜 문제가 눈앞에 있으면 배우기가 훨씬 쉬워진다"는 거예요. 무엇을 배워야 할지가 문제 자체에 이미 적혀 있으니까요. 그리고 하나 덧붙여요. "나는 압박 없이는 아무것도 못 배운다." 마감과 책임이 있는 진짜 일이, 무한한 시간의 강의보다 그를 더 빨리 키웠어요.

이건 요즘 갑자기 나온 유행이 아니에요. 하버드 교육학자 데이비드 퍼킨스는 2009년 책 『Making Learning Whole』에서 "전체 게임부터 시키라"고 했어요. 야구를 가르칠 때 공의 물리학부터 몇 년 가르치지 않잖아요. 일단 경기를 뛰게 하고 큰 그림을 잡은 다음 세부로 들어가야 잘 배운다는 거예요. 이걸 실제 강의로 옮긴 fast.ai는 1강부터 최신 수준의 이미지 분류 AI를 직접 돌려보게 하고, 교재 제목마저 "박사 학위 없이 하는 딥러닝"이에요.

그리고 이 길을 걸은 사람이 페테르손 혼자도 아니에요. 알렉사 고르디치는 머신러닝 학위 없이 구글 딥마인드 연구 엔지니어가 됐는데, 자신의 과정에서 "논문을 직접 다시 만들어보면 훨씬 깊이 이해된다"고 했어요. 방법은 달라도 뿌리는 같아요. 일단 만들고, 만들면서 이해한다는 것.

ChatGPT에게 뭘, 어떻게 물어야 이해가 빨라질까

결국 이 방식의 승부처는 "질문을 얼마나 잘하느냐"예요. 페테르손이 꼽는 핵심 능력은 두 가지예요. 내가 뭘 모르는지 알아채는 감각, 그리고 이해가 탁 트이는 순간을 자주 만드는 것.

특히 그는 이 '탁 트이는 순간'을 계속 쫓으라고 말해요. 처음 선형대수가 이해됐을 때의 그 느낌, "아 이거였구나" 싶은 그 순간을 최대한 자주 만드는 게 목표라는 거예요. 그는 이걸 "네가 노려야 할 목표점"이라고 표현해요. 이렇게 계속 되물으며 배우는 습관은 오히려 생각하는 힘을 키워요. AI를 쓸수록 더 똑똑해지는 사람과 그렇지 않은 사람의 차이는 따로 정리한 글에서도 다룬 적 있어요.

그러려면 질문하는 방식을 바꿔야 해요. 그냥 "설명해줘"가 아니라, 이렇게 주문을 붙여요.

• "12살한테 설명하듯 쉽게 풀어줘." (그러면 어려운 개념도 서점에 책이 꽂힌 모습 같은 비유로 풀어줘요)

• "극도로 직접적이고 구체적으로. 중간 계산값이랑 데이터 모양까지 다 보여줘."

• "확신이 없으면 여러 선택지를 주고, 왜 이건 되고 저건 안 됐는지도 같이 알려줘."

• "이 기능이 세상에 없었어도 사람들이 결국 이걸 발명했을까?" (개념이 왜 존재하는지 뿌리를 캐는 질문이에요)

논문을 볼 때도 통째로 읽지 않아요. "내가 이미 아는 방식이랑 비교해서, 뭐가 다른지만 아주 구체적으로 리스트로 뽑아줘"라고 시켜요. 그렇게 훑고, 진짜 직접 구현할 논문만 정독해요. 이해했다 싶으면 거꾸로 되물어요. "내 이해가 이런데, 이거 맞아?" 아는 걸 설명해보면 구멍이 드러나거든요.

한 가지 솔직한 이야기도 해요. 이렇게 질문하는 습관이 그에게도 자동으로 생긴 건 아니에요. 사촌이 매달 "너 코딩하면서 왜 이걸 안 써?"라고 밀어붙였는데도, "머릿속 질문을 바로 ChatGPT에 넣는" 습관이 몸에 붙기까지 약 1년이 걸렸다고 해요. 지금은 하루에 100개씩 질문한다고 하니, 이건 재능이 아니라 길들이는 습관에 가까워요.

OpenAI에서 일할 때도 방식은 똑같았다

놀라운 건, 세계 최고 수준의 영상 AI를 만들면서도 그의 방식이 크게 다르지 않았다는 거예요. 사람들이 "OpenAI 연구원은 대체 뭘 하냐"고 물으면 그는 "생각보다 단순하다"고 답해요.

OpenAI에서 Sora를 만들던 하루는 이렇게 돌아갔어요. 만들어진 영상을 한참 들여다보다가 "이 부분이 좀 어색하네" 싶으면, 모델 구조나 학습 데이터를 조금 바꿔요. 그리고 다시 학습을 돌리고, 결과 영상을 또 뚫어지게 봐요. "이번 게 낫다" 싶으면 그 방향을 채택하고, 이걸 계속 반복했어요.

여기서도 AI를 이렇게 썼어요. 구체적인 문제가 생기면 "여기 내 코드 전체를 줄게. 이걸 개선할 아이디어 10개를 알려줘"라고 물었어요. 그러면 아이디어와 함께 읽어볼 논문까지 짚어줬대요. 그걸 들고 동료들과 다시 이야기했고요. 다만 그는 AI가 짜준 코드를 그냥 붙여넣지 않아요. "코드는 반드시 한 줄씩 다 읽는다"는 게 그의 원칙이에요.

그가 여기까지 온 길도 이 방식의 결과였어요. 열일곱에 고등학교를 그만둔 뒤 스타트업 몇 곳을 거쳤고, 이미지 생성 AI로 유명한 Midjourney에서도 일했어요. 그리고 2024년 12월, 스물두 살에 OpenAI에 합류했죠. Fortune은 그가 이때 6자리 연봉(최소 10만 달러, 약 1억 3천만 원대)을 받는 자리에 앉았다고 전했어요. 그리고 2026년 6월, 그는 OpenAI를 나와 '창업 모드'를 선언하며 자기 회사를 차렸어요(본인 X 발표). 도구가 ChatGPT로 바뀌었을 뿐, 문제부터 부딪혀 거꾸로 배우는 방식이 계속 그를 다음 단계로 데려간 셈이에요.

그래도 기초를 건너뛰는 건 아니다

여기서 오해하면 안 되는 게 하나 있어요. 이건 "AI 시대엔 기초가 필요 없다"는 얘기가 절대 아니에요.

페테르손 본인이 못을 박아요. "나는 지름길을 원한다. 단, 기초를 건너뛰는 지름길이 아니라, 기초를 빨리 제대로 이해하는 지름길이다." 그래서 그는 자기를 "바이브 코더"라고 부르는 것도 거부해요. AI에 다 맡기고 결과만 받아 쓰는 것과, AI로 더 빨리 깊이 이해하는 것은 완전히 다르다는 거예요. AI를 제대로 부리려면 그 작동 원리를 어느 정도 알아야 하는데, 이건 AI를 사용하면 꼭 알아야 할 AI 원리에서 더 풀어놨어요.

그는 전통적으로 박사 학위가 필요하다고 여겨지던 일을, 오직 ChatGPT를 써서 해냈다고 말해요. 그것도 월 20달러(약 2만원대)짜리 도구로요. 그러니 AI는 네 지식을 대신해주는 물건이 아니라, 네가 지식에 닿는 속도를 바꾸는 물건인 셈이에요.

그래서 지금 할 수 있는 첫걸음은 거창하지 않아요. 큰 결심 없이 ChatGPT를 열고 "내가 만들고 싶은 게 있는데, 작은 프로젝트로 만들어줘"라고 쳐보는 거예요. 막히면 그때 "이건 왜 이래?"라고 되물으면 돼요. 그 되묻기를 백 번쯤 반복하는 사이에, 남들이 몇 년 걸려 쌓는 걸 훨씬 빨리 손에 넣게 돼요.

한 번 더, 빠르게 짚고 갈게요

Q. 코딩을 아예 모르는데 이 방법이 통할까요?

A. 페테르손도 처음엔 비개발자였고, 코딩은 스타트업에서 "해야만 해서" 배웠어요. 오히려 진짜 문제가 앞에 있을 때 배우기가 더 쉽다고 말해요. 코딩을 먼저 다 뗄 필요는 없어요. 실제로 코드를 모르던 비개발자가 AI로 0에서 1을 해낸 사례도 있고요.

Q. 그럼 대학이나 전공은 필요 없다는 뜻인가요?

A. 아니에요. 페테르손도 "대학은 좋은 경험이고 배우는 것도 쓸모없지 않다"고 해요. 다만 가르치는 방식이 비효율적일 뿐이라는 거예요. 핵심은 "기초가 필요 없다"가 아니라 "기초를 배우는 순서를 바꾸라"예요.

Q. 무료 ChatGPT로도 되나요, 유료가 필요한가요?

A. 페테르손은 월 20달러(약 2만원대) 유료 모델이 코딩이나 개념 이해에는 확실히 낫다고 말해요. 감을 잡는 단계라면 무료로 시작하고, 깊이 파고들 때 유료를 고려해도 늦지 않아요.

Q. 어떤 프로젝트부터 시작하면 좋을까요?

A. 지금 실력보다 딱 한 뼘 위가 좋아요. 대부분 직접 만들 수 있고, 한두 군데만 막혀서 도움을 받는 크기요. 너무 쉬우면 안 배우고, 너무 어려우면 지쳐요.

Q. AI가 틀린 답을 주면 어떻게 걸러내나요?

A. 페테르손도 AI 답을 그대로 믿지 않아요. 이해했다 싶으면 "내 이해가 이런데 맞아?"라고 거꾸로 되물어 구멍을 드러내고, AI가 짜준 코드는 한 줄씩 다 읽어요. 스스로 설명해보는 이 습관이 틀린 답을 걸러내는 가장 확실한 방법이에요.