도구에서 동료로 - 인공지능과 공학 연구의 진화

인공지능은 이제 연구자의 손에 들린 계산기가 아니다. 가설을 함께 세우고, 코드를 대신 짜고, 결과를 함께 해석하는 동료(colleague)로 진화하고 있다. 이 책은 그 전환의 한복판에서, 공학 연구자가 인공지능을 어떻게 이해하고 어떻게 곁에 두어야 하는가를 묻는다.

책은 세 부로 짜여 있다. 제1부 '원리'는 신경망·임베딩·트랜스포머로 이어지는 현대 인공지능의 뼈대를 다룬다. 도구를 신뢰하려면 그 안을 알아야 하기 때문이다. 제2부 '도구'는 프롬프트 설계, AI 에이전트, MCP(Model Context Protocol)에 이르기까지, 인공지능을 연구 현장에서 실제로 부리는 법을 안내한다. 제3부 '연구'는 IEEE 표준 시험 계통을 소재로, 데이터에서 결론까지 이어지는 전력 시스템 연구 파이프라인 전체를 인공지능과 함께 완주한다.

모든 장은 파이썬 실습으로 뒷받침된다. PyTorch로 모델을 세우고, pandapower와 PyPSA로 전력 계통을 다루며, 독자는 읽는 데 그치지 않고 직접 손을 움직여 '동료로서의 인공지능'을 체험한다.

그리고 책의 끝에는 짧은 소설 「끓는 물 속의 시민」이 놓인다. 기술의 진보가 우리 삶과 사회를 어떻게 서서히 데워 가는지-그 온도 변화를 끝내 눈치채지 못하는 우리 자신을 은유한 이 이야기는, 원리와 도구와 연구를 모두 지나온 독자에게 마지막으로 잊지 말아야 할 질문을 남긴다.

인공지능을 연구에 들이려는 대학원생과 연구자, 그리고 '도구를 넘어선 무엇'을 고민하는 모든 공학도에게 이 책은 든든한 안내서가 될 것이다.

[목 차]

PART I 원리 - 이것이 왜 되는가

1. 신경망의 본질 함수 근사에서 표현 학습까지
1.1 퍼셉트론에서 다층 신경망으로
1.2 역전파와 최적화
1.3 구조적 편향: CNN, RNN, GNN
1.4 보편 근사 정리
1.5 전력 계통 연결: 전통적 최적화 vs 신경망
1.6 데모: IEEE 14-bus MLP 전압 예측

2.임베딩과 생성 모델 이산을 연속으로, 잠재를 풀어내다
2.1 임베딩: 이산 데이터를 연속 공간으로
2.2 오토인코더: 비선형 차원 축소
2.3 생성 모델의 계보
2.4 전력 계통 연결
2.5 데모: 전력 수요 이상 패턴 검출

3. 트랜스포머와 LLM 어텐션은 무엇을 하는가
3.1 어텐션 메커니즘
3.2 트랜스포머 아키텍처
3.3 LLM의 진화
3.4 LLM의 능력과 한계
3.5 전력 계통 연결
3.6 데모: GPT에게 OPF 풀게 하기

PART II 도구 - AI를 어떻게 다루는가
1.프롬프트와 컨텍스트 LLM을 다루는 법
4.1 토큰화: 텍스트가 숫자가 되기까지
4.2 컨텍스트 윈도우: "기억한다"의 실체
4.3 프롬프트 엔지니어링
4.4 샘플링 파라미터
4.5 LLM의 한계와 주의사항
4.6 실습: 전력 계통 분야 LLM 활용

2. 에이전트와 도구 LLM + Tool Use + Loop
5.1 에이전트란 무엇인가
5.2 Function Calling의 작동 원리
5.3 메모리 시스템
5.4 멀티 에이전트 시스템
5.5 MCP (Model Context Protocol)
5.6 온프레미스 LLM과 연합학습
5.7 Tool use 보안 - prompt injection과 데이터 오염
5.8 전력 계통 연결
5.9 데모: API로 간단한 에이전트 만들기

PART III 연구- 내 연구에 어떻게 쓰는가
1. AI 연구 도구 비교 데이터 탐색 실습과 도구 선택 전략
6.1 AI 연구 도구 생태계
6.2 도구별 특성 비교
6.3 연구 워크플로우별 적합 도구
6.4 실습: IEEE 테스트 시스템 EDA
6.5 실습: AI 도구로 논문 아이디에이션 모델링 시뮬레이션·검증 에이전틱 연구 파이프라인
7.1 에이전틱 연구 파이프라인 개관
7.2 AI 에이전트로 최적화 문제 구현
7.3 시뮬레이션 코드 자동 생성
7.4 N-1 Contingency 분석 자동화
7.5 교차 검증
7.6 민감도 분석 자동화
7.7 물리 정보 신경망(PINN)으로 모델·시뮬레이션 결합
7.8 종합 워크숍: IEEE 39-bus 재생에너지 OPF
7.9 실제 사례: 배터리 논문 워크플로우

3.서비스화와 MLOps 분석을 시스템으로
8.1 분석 결과의 서비스화
8.2 API 서버 구축
8.3 논문 품질 시각화
8.4 MLOps와 모델 드리프트 모니터링
8.5 연구 윤리와 Al
8.6 종합 프로젝트

참고문헌
색인
에필로그
끓는 물 속의 시민 - AI가 일상이 된 세계를 살아가는 한 공학자의 이야기

[본 문]

인공지능이 연구실 문턱을 넘어 들어온 지 오래다. 그러나 많은 연구자에게 AI는 여전히 조금 빠른 계산기, 혹은 문장을 다듬어 주는 편리한 도구에 머물러 있다. 나는 그것이 이 기술을 너무 작게 쓰는 일이라고 생각한다. 가설을 함께 세우고, 코드를 대신 짜고, 결과를 함께 해석하는 존재 - 인공지능은 이미 연구의 ‘동료’가 될 수 있는 자리에 와 있다. 다만 동료로 맞이하려면 그가 어떻게 생각하는지를 알아야 하고, 어떻게 함께 일할지를 익혀야 하며, 무엇보다 내 연구의 질문을 내가 붙들고 있어야 한다. 이 책은 그 세 가지 - 원리와 도구와 연구 - 를 한 흐름으로 엮으려는 시도다. 코드는 도구일 뿐, 질문은 끝까지 연구자의 몫이다. 이 책이 독자 여러분의 연구에 좋은 동료 하나를 들여놓는 계기가 되기를 바란다.

- 본문 중에서