30 Papers - 일리야 서츠케버 추천 AI 핵심 논문 입문 가이드

서츠케버가 존 카맥에게 추천했다는 30편 AI 핵심 논문 목록을 한 곳에 정리한 사이트(30papers.com)가 화제입니다. 논문만 나열하지 않고 강의 노트, 해설 글, 코드 기반 설명을 함께 묶어 원 논문 진입 장벽을 낮춘 점이 특징입니다. 원래 30편 목록이지만 현 시점에는 27편이 정리돼 있습니다. 컴퓨터 비전·순차 모델·어텐션·스케일링 법칙·복잡성 이론 등 현대 AI의 주요 흐름을 따라가며, 대형 언어 모델과 딥러닝 시스템을 이해하려는 독자가 아키텍처·학습 기법·이론 출발점을 한 곳에서 훑어볼 수 있습니다.

왜 이 목록이 가치가 있는가

현장에서는 새 논문을 따라잡을 때 어디서부터 읽어야 할지 막막한 경우가 많습니다. 30 Papers는 그 출발점을 정리해 학습 곡선을 줄여주는 입문 가이드 역할을 합니다. 단순 레퍼런스가 아니라 각 논문의 배경, 핵심 기여, 후속 연구에 미친 영향을 짚어주어 독자가 "왜 이 논문이 중요한가"를 먼저 이해하도록 돕습니다.

목록을 관통하는 다섯 가지 큰 줄기

• 컴퓨터 비전과 합성곱 신경망*. CS231n 강의 노트와 AlexNet, ResNet, Identity Mappings, Dilated Convolutions이 한 묶음으로 다뤄집니다. CNN의 기초부터 깊은 네트워크 학습, dense prediction까지의 발전을 따라가게 합니다.

• 순차 모델과 장기 의존성*. RNN/LSTM 입문, LSTM 정규화, sequence-to-sequence 순서의 중요성 등이 묶여 있습니다. 트랜스포머 이전의 자연어 처리가 어떤 과제를 풀어야 했는지 보여주는 출발점입니다.

• 어텐션과 트랜스포머*. 어텐션 메커니즘과 트랜스포머(Attention Is All You Need), ViT(Vision Transformer)가 한 묶음입니다. 오늘날의 LLM과 비전 모델이 어떤 구조에서 출발했는지 확인하게 합니다.

• 그래프 신경망과 스케일링 법칙*. GNN의 대표 논문과 Chinchilla 스케일링 법칙 등을 통해, 모델이 어떻게 커지고 어떤 비율이 최적인지를 다룹니다.

• 정보이론·복잡성 이론·RLHF*. 본질적 의미의 이론적 토대부터 최근 정렬 기법까지 폭넓게 다룹니다. 단순 응용을 넘어 "왜 이런 방식이 작동하는가"를 묻는 독자에게 유용합니다.

어떻게 활용하면 효과적인가

• 1) 읽기 전에 큰 줄기를 먼저 잡기.* 컴퓨터 비전 → 순차 모델 → 어텐션 → 스케일링 → RLHF 순으로 두 시간 정도 훑어보면, 각각의 논문이 어떤 질문에 답하는지 빠르게 감을 잡을 수 있습니다.

• 2) 코드와 함께 보기.* 각 논문이 공개한 레퍼런스 구현(GitHub), 입문 튜토리얼(PyTorch 공식 예제), 재해설 노트(블로그)를 함께 보면 추상적인 내용이 구현으로 연결됩니다.

• 3) 한 줄씩 적어두기.* 각 논문마다 "이 논문이 등장 전/후의 차이"를 한 문장으로 적어두면, 나중에 다른 논문을 만났을 때 위치가 잡힙니다.

아직 남아 있는 3편의 의문

원래 30편 중 27편만 공개되어 있어 3편이 비어 있습니다. 보통 새로운 후속 연구(예: mixture-of-experts, 추론 시간 스케일링)가 그 자리를 채울 것으로 추측됩니다. 목록은 계속 업데이트될 가능성이 높고, 추가되는 순간 이 가이드의 가치는 더 올라갑니다.

정리

30 Papers는 단순 추천 목록이 아니라 현대 AI의 지적 지형을 한 장에 펼쳐놓은 입문 도구입니다. 처음 AI를 배우는 입문자, 그리고 새 분야로 영토를 넓히려는 실무자 모두에게 출발점이 되어줍니다. 시간순이 아니라 주제별로 묶여 있어 "지금 궁금한 줄기"부터 따라가면 됩니다.