복잡한 주제를 배울 때 LLM을 활용하는 방법
제가 아는 많은 엔지니어는 PoC, 사내 도구나 대시보드를 만들거나 새로운 내용을 배우는 등 여러 용도로 생성형 AI를 사용합니다. 하지만 저는 LLM 특유의 설명 방식을 따라가기가 어렵습니다. 지나치게 단순할 뿐 아니라, 이모지가 많이 들어가면 다소 성가시기도 합니다.
데이터 센터 증설을 늦출 수 있는 새로운 AI 병목을 분석하다가, 칩 생산 과정에 제가 모르는 부분이 많다는 사실을 깨달았습니다. 웹을 둘러보던 중 팹에서 칩을 만드는 전 과정을 안내하는 게임이 있으면 어떨까 생각했습니다. 게임 속 사물과 개념을 연결할 수 있으니, 이렇게 배우면 분명 오래 기억에 남을 것 같았습니다. 그래서 직접 시도해 봤고, 실제 결과도 아주 좋았습니다.
진행 과정
AI에 주제를 설명해 달라고만 요청하는 대신, 다음 과정을 따릅니다.
Claude Code나 OpenCode의 plan mode에서 모델에 주제 X를 이해하는 데 필요한 기초 지식 체계를 만들어 달라고 요청합니다.
이전 단계에서 만든 지식 기반이 정확한지 검토하게 합니다.
그다음 해당 주제를 로우 폴리 스타일의 롤러코스터 타이쿤 같은 애니메이션으로 시뮬레이션해 달라고 합니다.
큰 화면과 작은 화면에서 모두 페이지가 잘 보여야 하고, 언제든 진행을 멈출 수 있는 조작 기능이 있어야 한다는 등의 UX 요구사항도 추가합니다.
완성된 결과물을 새 저장소에 푸시하고 GitHub Pages를 활성화합니다.
결과
그러면 100% 정확하고 환각도 없는 멋진 애니메이션을 얻을 수 있습니다. 제게는 이 방식이 Google에서 찾은 끝없는 자료를 읽거나 언어 모델이 뱉어 낸 글머리표 목록을 이해하려 애쓰는 것보다 훨씬 효과적입니다.
저는 칩 제조 과정을 배우려고 이 방법을 실제로 적용했고, ChipTycoon이라는 웹사이트로 공개했습니다. 모래를 채취하는 순간부터 칩을 완성해 데이터 센터로 배송하는 순간까지 카트를 따라가며 전 과정을 살펴볼 수 있습니다.
카트를 눈으로 따라가면서 형태가 어떻게 달라지는지도 볼 수 있습니다. 로우 폴리 방식이라 세부 묘사는 빠질 수 있지만, 제조에 필요한 여러 단계를 거치면서 제품이 어떻게 변하는지 보여주기에는 충분합니다.
더 개선하는 방법
로우 폴리 디자인만으로는 용광로를 빠져나온 석영 모래 더미가 어떻게 변했는지 떠올리기 어렵다고 해봅시다. 이를 더 사실적으로 표현하려면 제가 만든 사진을 3D 객체로 변환하는 skill을 사용한 뒤, 생성된 객체를 시뮬레이션에 연결할 수 있습니다. 그러면 디자인을 더 정확하게 구현할 수 있습니다.
시뮬레이션에 도전 과제를 추가할 수도 있습니다. 칩 제조 과정의 이전 단계에 관한 질문에 답하게 하면 지식을 기억하는 데 큰 도움이 됩니다. 직관적인 퍼즐까지 넣으면 학습 효과를 더욱 높일 수 있습니다.
제가 만든 다른 페이지도 확인해 보세요.
source https://laurentiugabriel.github.io/blog/articles/how-i-use-llms-to-learn/
HN에서는 복잡한 주제를 시각화하는 발상보다, 결과물이 ‘100% 정확하다’는 주장에 의문을 집중했다. 모델이 만든 지식을 같은 모델에게 다시 검토시키는 것만으로는 오류를 걸러내기 어렵다. 특히 처음 배우는 사람은 무엇이 빠졌고 어디가 틀렸는지 판단할 기준조차 없다. 보기 좋은 애니메이션과 지식의 신뢰성은 별개의 문제다.
공정처럼 단계가 이어지는 주제는 개념을 사물과 연결해 기억하기 좋고, 학습자의 수준과 취향에 맞춘 자료를 빠르게 만들 수 있다. 그러나 공개된 시뮬레이션은 복잡한 제약과 선택의 이유를 생략한 채 절차만 보여준다는 비판을 받았다. 시각화가 복잡성을 이해시키기보다 감출 수도 있다는 뜻이다. 핵심 원리를 바탕으로 결과를 예측할 수 없다면, 용어와 순서를 익힌 것만으로 깊이 이해했다고 보기는 어렵다.
실제 활용 경험은 모델을 교재 저자보다 조교로 둘 때 더 긍정적이었다. 신뢰할 수 있는 책과 문서, 강의 자료를 기준으로 삼고 막히는 부분을 다시 설명하게 하거나, 짧은 질문을 주고받으며 답을 스스로 도출하는 방식이다. 퀴즈와 코딩 과제, 직접 실행할 예제, 자신의 설명에서 빠진 부분을 확인하는 과정도 도움이 됐다. 지루하고 어려운 대목을 통째로 넘기지 않고 끝까지 다루는 것이 중요하다는 지적도 이어졌다.
결국 자료의 화려함이 아니라 외부 근거로 내용을 확인할 수 있는지, 학습자가 직접 설명하고 문제를 풀 수 있는지가 중요하다. 시각화는 입문과 동기 부여에 유용하지만 깊은 이해를 대신하지 못한다. 새로운 분야일수록 검증된 자료를 기준점으로 두고, 모델에는 질문과 연습, 내용 구조화를 맡기는 편이 현실적이다.
