확산 모델이나 자기회귀 모델로 매일 개발하면서도 그것들이 어디서 왔는지 배운 적이 없다면, Hacker News에서 도는 무료 입문서가 바로 당신을 겨냥합니다. Tianhua Chen의 The Little Book of Generative AI Foundations는 생성 모델의 주요 계열을 제일원리에서 하나로 이어진 경로를 따라 유도합니다. 그래서 목적은 아키텍처를 나열하는 것이 아니라 그것들이 서로 어떻게 연결되는지를 보여 주는 것입니다.
이미 나와 있는 수백 편의 개관과 다른 점은 바로 그 단일 경로입니다. 책은 주성분 분석과 그 확률 버전, variational autoencoders, 확산 모델, normalising flows, 자기회귀 분해, GAN과 Wasserstein GAN, 에너지 기반 모델을 차례로 지납니다. 각각이 단계별로 유도되며, 그것들을 잇는 실이 책의 전부입니다. 독자는 이것들이 공유된 수학의 변형이지 서로 무관한 일곱 가지 기법이 아님을 보게 됩니다. 저자는 책이 모든 새 아키텍처나 구현 세부를 다루려 하지 않으며, 논리를 따라가는 데 필요한 유도에 초점을 둔다고 분명히 밝힙니다.
읽어야 할 것은 개정판입니다. 2026년 9월 8일에 공개되었고 195쪽이며 전반에 걸쳐 시각적 설명을 더했습니다. 5월 28일의 초판은 더 짧고 단순했습니다. PDF, 실험적인 HTML 빌드, TeX 소스, 심지어 오디오 요약으로도 받을 수 있으며, 저자는 의견과 수정을 환영합니다.
가치는 새로움이 아니라 실용에 있습니다. 수학 자체에 새로운 것은 없고, 그것이 요점입니다. 이것은 연구 결과가 아니라 교육용 교재입니다. Stable Diffusion이나 저희가 리뷰하는 대형 언어 모델 뒤에 있는 도구를 쓰면서 제대로 이해하고 싶은 엔지니어에게, 유도를 따라가는 하나의 경로는 또 하나의 방법 목록보다 유용합니다. 그것은 자리 잡은 교과서를 대체하기보다 그 옆에 놓이며, 더 묵직한 표준 참고서로 가는 좋은 다리가 됩니다.
솔직한 단서는, 이것이 자비 출판된 프리프린트이지 동료 심사를 거친 교과서가 아니라 는 점입니다. 따라서 정식 심사를 거치지 않았으며, 실제 업무에서 의지하는 유도가 있다면 표준 자료와 대조해 볼 가치가 있습니다. 195쪽짜리 책은 또한 가볍게 읽을거리가 아니라 작정하고 붙어야 하며, 학부 수준의 확률과 선형대수에 익숙함을 전제합니다. 맞는 독자에게 이것들은, 이 모델들이 왜 작동하는지를 명료하고 연결되게 설명해 주는 대가로는 작은 값입니다.