카맥에게 건네진 그 리스트
AI 공부를 시작하려는 사람들이 늘 던지는 질문이 있어요. '대체 뭐부터 읽어야 하죠?' 논문은 수만 편인데 어디서부터 손대야 할지 막막하잖아요. 그런데 이 질문에 아주 유명한 답 하나가 존재해요.
OpenAI의 공동 창업자이자 딥러닝 판의 핵심 인물인 일리야 수츠케버(Ilya Sutskever)가, 게임 개발의 전설 존 카맥(둠·퀘이크를 만든 그분이요)에게 논문 목록을 하나 건넸다는 일화가 있거든요. 대략 서른 편 남짓이었고, '이걸 진짜로 제대로 이해하면 AI에서 중요한 것의 90%를 알게 된다'고 말했다고 해요. 이 리스트가 개발자 커뮤니티에서 두고두고 회자됐는데, 30papers.com은 바로 그 목록을 초보자도 읽을 수 있게 친절한 형태로 정리한 사이트예요.
리스트 안에는 뭐가 들어있나
목록을 보면 우리가 익히 들어본 '스타 논문'들이 다 있어요. 오늘날 챗GPT의 뿌리인 트랜스포머 논문 'Attention Is All You Need', 이미지 인식의 판을 뒤집은 AlexNet, 아주 깊은 신경망을 학습 가능하게 만든 ResNet(Deep Residual Learning), 카파시가 쓴 'RNN의 비합리적인 효율성' 같은 명문 블로그 글, 그리고 모델을 키우면 성능이 얼마나 오르는지를 정리한 'Scaling Laws' 논문까지요.
흥미로운 건, 겉보기엔 딥러닝과 좀 동떨어져 보이는 논문들도 섞여 있다는 점이에요. 콜모고로프 복잡도(Kolmogorov complexity), 최소 기술 길이 원리(MDL, Minimum Description Length), 신경 튜링 머신(Neural Turing Machines) 같은 이론적인 주제들이요. 여기엔 일리야의 세계관이 녹아 있어요. 그는 '지능이란 결국 압축(compression)이다'라는 관점을 자주 이야기했거든요.
압축이 뭐냐면요, 어떤 데이터를 짧게 요약해서 다시 원래대로 복원할 수 있으면 그 데이터를 '이해한' 거라는 발상이에요. 세상을 잘 예측하는 모델은 곧 세상을 잘 압축하는 모델이라는 거죠. 그래서 이 리스트는 단순히 '유명한 기술 논문 모음'이 아니라, '지능을 어떻게 바라볼 것인가'라는 철학이 관통하는 큐레이션이에요.
왜 '초보 친화적 형태'가 중요할까
사실 이 논문들 원문은 하나같이 만만치 않아요. 수식이 빽빽하고, 앞선 지식을 당연히 안다고 전제하고 넘어가거든요. 초보가 원문만 붙들고 있으면 첫 논문에서 좌절하기 딱 좋아요.
30papers.com 같은 정리 사이트가 고마운 이유가 여기 있어요. 각 논문이 왜 중요한지, 핵심 아이디어가 뭔지, 어떤 순서로 읽으면 좋은지를 풀어주면 진입 장벽이 확 낮아지거든요. 논문 읽기의 요령도 같이 익힐 수 있고요. 참고로 논문은 처음부터 끝까지 정독하는 게 아니라, 초록(요약)과 결론 먼저 훑고, 그림과 도표로 큰 그림을 잡은 다음, 필요한 부분만 파고드는 게 정석이에요.
한국 개발자에게
LLM과 AI가 실무에 밀려들어오면서, '나는 응용만 하면 되지 이론까지 알아야 하나' 고민하는 분들이 많을 거예요. 결론부터 말하면, 전부 깊게 팔 필요는 없어도 이 리스트의 '큰 줄기'는 알아두면 두고두고 남아요. 트랜스포머가 왜 판을 바꿨는지, 스케일링 법칙이 왜 요즘 거대 모델 경쟁의 근거가 되는지를 알면, AI 뉴스를 볼 때 흐름이 보이거든요.
좋은 접근법은 이거예요. 서른 편을 다 읽겠다고 덤비지 말고, 트랜스포머·ResNet·스케일링 법칙 이 세 편만 먼저 제대로 씹어보세요. 세 편만 이해해도 요즘 AI 대화의 절반은 따라갈 수 있어요. 그리고 여유가 생기면 압축과 콜모고로프 복잡도 쪽으로 넓혀가면 되고요.
한 줄 정리하면, 이건 세계 최고 수준의 연구자가 짜준 'AI 커리큘럼 지도'이고, 이제 그 지도를 초보도 읽을 수 있게 옮겨준 거예요. 여러분이라면 이 서른 편 중 어떤 논문부터 펼쳐보고 싶으세요? 혹시 이미 읽어본 것 중에 '이건 꼭 봐라' 싶은 게 있다면 추천해주세요.
🔗 출처: Hacker News