1장 AI 시대의 화학공학자

1.1 역할 정의: 코드는 AI가 쓰고, 판정은 사람이 한다

화학공학자의 하루에는 계산이 흐른다. 단위를 환산하고, 물성을 조회하고, 수지식을 풀고, 실험 데이터를 피팅한다. 계산 하나하나는 어렵지 않지만 반복되고, 반복되는 계산은 실수를 부른다. 도구를 만들 줄 아는 공학자는 반복을 프로그램으로 바꾼다.

지금까지 도구 제작의 병목은 프로그래밍 문법이었다. 대형 언어 모델의 등장이 그 병목을 옮겼다. 자연어로 의도를 말하면 AI가 코드를 작성하고, 사람이 그 코드를 읽고 검증하는 작업 방식을 바이브코딩(vibe coding)이라 한다. 문법을 몰라도 코드가 생긴다. 그렇다면 새 병목은 무엇인가. 생긴 코드가 옳은지 판정하는 능력이다.

이 수업은 그 판정 능력을 역할 분담 형식으로 정의한다. AI가 코드를 쓰고, 학생은 ① 문제 분해 ② 생성 코드 읽기·설명 ③ 화학공학적 검증을 책임진다. 이를 이 수업의 역할 계약이라 한다. AI 코드 어시스턴트를 전제로 프로그래밍 입문 교육을 재설계한 미국 UCSD의 CS1-LLM 모델과 같은 노선이다. 코드를 짜는 기술이 아니라 코드를 부리는 기술을 배워야 한다.

이 계약에는 벌칙 조항이 있다. 자신이 제출한 코드를 설명하지 못하면 해당 이해 점수는 0점이다. 최종 시험의 구술 방어에서는 지목 질문 3개 중 2개 이상 설명에 실패하면 코드 이해 차원 전체가 0점으로 처리된다. 돌아가는 코드와 이해한 코드는 다르며, 이 수업이 점수를 주는 쪽은 후자다.

검증에 "화학공학적"이라는 수식어가 붙는 이유가 있다. 컴퓨터는 문법 오류를 잡아 주지만, 단위가 뒤집힌 계산과 날조된 물성값은 문법적으로 완벽한 코드 안에서 조용히 살아남는다. 그것을 잡는 것은 전공 지식이다. 단위가 맞는가, 알려진 값과 맞는가, 극한에서 물리적으로 말이 되는가. 이 세 질문을 검증 루틴 3종이라 하며 3장에서 정식으로 도입한다. 이 장에서는 형식을 눈에 익히는 것으로 충분하다.

1.2 AI 협업 사이클: 여섯 단계 한 바퀴

역할 계약을 매주 실행 가능한 절차로 서술한 것이 AI 협업 사이클이다. 이 책의 모든 예제와 실습은 이 여섯 단계 위에서 움직이며, 각 장은 지금 어느 단계를 훈련 중인지 표시한다.

위 사이클과 함께 이 책의 형식을 말하고 넘어가고자 한다. AI와의 대화는 코드 리스팅의 새로운 형식이므로, 세 단으로 고정해 싣는다. [프롬프트]는 사람이 쓴 요청을 다듬지 않고 그대로, [생성 코드]는 AI가 낸 코드를 점선 테두리로 (점선은 "아직 검증 전"이라는 뜻이다) , [검증]은 사람이 확인한 것과 고친 것을 담는다.

말로만 들은 사이클은 아직 손에 잡히지 않는다. 한 바퀴를 실제로 돌아 보자.

R = 8.314  # 기체상수 [Pa·m3/(mol·K)] — 출처: NIST CODATA

def molar_volume(T, P):
    """이상기체 몰 부피를 계산한다.

    T: 절대온도 [K]
    P: 압력 [Pa]
    반환: 몰 부피 [m3/mol]
    """
    if T <= 0:
        raise ValueError("절대온도는 0 K보다 커야 한다")
    return R * T / P

# 0 °C, 1 bar에서 확인 실행
V = molar_volume(273.15, 1.0e5)  # [K], [Pa]
print(f"몰 부피 = {V:.5f} m3/mol = {V * 1000:.1f} L/mol")

1.3 이 수업의 AI 활용 규칙

AI 사용 규칙은 평가마다 다르다. 금지·필수·허용의 세 종류로 나뉘며, 이를 AI 3-lane 규칙이라 한다. 표 1-1이 강의에서 AI를 활용하게 될 전체 구조다.

최종 시험이 AI 필수인데 시험1은 왜 AI를 금지하는가. 방향이 반대라서가 아니라 재는 것이 다르기 때문이다. 시험1은 AI가 꺼졌을 때 머리에 남는 능력(생성 코드의 출력 예측, 코드를 한국어로 설명하기(EiPE라 부르는 문항 유형으로, 5장에서 훈련한다), AI가 낸 오답의 채점·교정, 화공 계산의 의사코드 설계)을 따로 검증한다. AI 없이는 아무것도 못 하는 사람이 좋은 점수를 받긴 힘들다.

시험2와 최종 시험에서 AI 사용이 필수인 이유도 같은 논리다. 이 두 시험이 재는 것은 AI와 함께 제한 시간 안에 내는 실전 성과이므로, AI 없이 치르는 것은 측정 대상 밖의 행동이다. 과제에서의 AI활용은 허용이다. 위키 기록과 서브프로젝트에서 AI를 어떻게 썼는지가 오히려 학습의 일부가 될 것이다.

세 경우 모두에 공통 의무가 하나 있다. 모든 평가물에는 AI 사용내역을 첨부한다. 무엇을 물었고, 무엇을 받았고, 무엇을 고쳤는지를 적는다. (미첨부는 부정행위로 처리된다.) 아울러 프롬프트에 개인정보를 넣지 않는 것이 1주차 역할 계약에 포함된 규칙이다. 실습의 AI 접속은 교수가 운영하는 게이트웨이를 거치며, 데이터 흐름은 강의계획서에 고지되어 있다.

1.4 LLM은 무엇을 하는 기계인가

AI를 부리려면 내부를 전부 알 필요는 없다. 그러나 오답이 만들어지는 원리는 알아야 한다. 브레이크가 왜 밀리는지 모르는 운전자는 밀리는 순간 대응하지 못한다. 이 절에 필요한 개념은 셋뿐이다. 다음 토큰 예측, 확률적 출력, 그럴듯한 오답이다.

1.4.1 하찮은 예제: 열아홉 줄짜리 문장 생성기

출발점은 LLM이 아니라 작은 파이썬 프로그램이다. 아직 코드를 읽는 법을 배우지 않았어도 좋다. 지금은 실행하고 출력을 관찰하는 것으로 충분하며, 이 코드를 해부하는 법은 5장에서 배운다.

import random

# 아주 작은 말뭉치 — 문장 세 개가 전부다
text = ("증기압 은 온도 에 따라 커진다 . "
        "증기압 은 물질 마다 다르다 . "
        "온도 가 오르면 증기압 이 커진다 .")
words = text.split()

# 각 단어 뒤에 실제로 나왔던 단어를 전부 기록한다
table = {}
for w, nxt in zip(words, words[1:]):
    table.setdefault(w, []).append(nxt)

word = "증기압"          # 시작 단어
line = [word]
for _ in range(5):       # 다음 단어를 다섯 번 이어 붙인다
    word = random.choice(table[word])  # 자주 나온 단어일수록 잘 뽑힌다
    line.append(word)
print(" ".join(line))

실행할 때마다 다른 문장이 나온다. 어떤 실행에서는 「증기압 은 물질 마다 다르다 .」처럼 말이 되는 문장이, 다른 실행에서는 「증기압 이 커진다 . 온도 가」처럼 도중에 끊긴 문장이 나온다. 흥미로운 점은 이것이다. 이 프로그램은 증기압이 무엇인지 모른다. 아는 것은 "어떤 단어 뒤에 어떤 단어가 왔는가"라는 기록뿐인데도 출력은 제법 그럴듯하다.

1.4.2 다음 토큰 예측과 확률적 출력

이 장난감이 하는 일을 한 문장으로 줄이면 "지금까지의 단어열을 보고, 기록에 근거해 다음 단어를 확률적으로 뽑는다"가 된다. 사람이 쓴 방대한 텍스트로 이 일을 훨씬 정교하게 하도록 훈련된 프로그램을 대형 언어 모델(large language model, LLM)이라 한다. LLM이 텍스트를 다루는 최소 단위 조각을 토큰(token)이라 하며, 단어보다 잘게 쪼개지는 경우가 많다. LLM은 직전 한 단어가 아니라 수천 토큰의 문맥 전체를 반영하고, 빈도표 대신 거대한 수치 모델로 다음 토큰의 확률을 계산한다. 규모의 차이는 압도적이지만 산출의 본성은 같다. 다음 토큰을 예측해 이어 붙인다.

코드 1-2의 random.choice가 하는 일을 LLM도 한다. 후보 토큰마다 확률을 매긴 뒤 그 분포에서 하나를 뽑는다. 그래서 같은 프롬프트를 두 번 보내면 다른 답이 올 수 있다. 고장이 아니라 설계다.

실무적으로 생각해볼 것은 두 가지다. 재생성은 공짜 재시도가 아니라 새로운 검증 대상이다. 어제 좋은 코드를 생성한 프롬프트가 오늘 다른 코드를 생성한다. 그리고 "한 번 확인했다"는 "늘 옳다"의 근거가 되지 못하므로, 확인 절차 자체를 테스트 코드로 남겨 반복 실행해야 한다. 이 습관은 2장부터 보도록 하자.

1.4.3 그럴듯한 오답

LLM이 사실이 아닌 내용을 사실처럼 자신 있게 생성하는 현상을 환각(hallucination)이라 한다. 이 이름은 오해를 부른다. 환각은 모델이 가끔 빠지는 비정상 상태가 아니다. 모델은 답의 진위를 어디에서도 조회하지 않으며, 맞는 답과 틀린 답이 같은 기제(다음 토큰 예측)로 만들어진다. 코드 1-2가 증기압의 뜻을 모른 채 증기압 문장을 만들었음을 떠올려 보자.

따라서 출력이 유창하다는 사실은 내용이 옳다는 증거가 전혀 아니다. 화학공학 데이터에서 환각은 물성 날조로 나타난다. 존재하지 않는 Antoine 상수, 출처 없는 끓는점, 그럴듯한 임계 물성. 3장에서 실제 사례를 해부하고, 5주차 실습에서는 AI가 날조한 Antoine 상수를 직접 잡아낸다.

1.5 15주의 지도

이 수업은 네 국면으로 진행된다. 1~4주는 훅이다. 강의노트 정리기·플래시카드 생성기·스터디 플래너로 자신의 학습 OS를 조립한다. 시간제한이 없고, 결과는 등수 없이 통과/재도전 2단계로만 처리되는 저부담 구간이다. 5~7주는 근육이다. 코드 읽기·검증 훈련과 첫 화공 도구를 다루고 시험1(AI 금지 지필)을 치른다. 8~13주는 사다리다. 화공 도구를 매주 하나씩 실기 형식으로 만들고 시험을 치른다. 13~15주는 완성이다. 서브프로젝트 발표와 최종 실습 실기, 그리고 구술 방어이다.

도구 사다리는 아홉 계단이다. ① 강의노트 정리기, ② 플래시카드 생성기, ③ 스터디 플래너, ④ 단위환산 + 물성 조회기, ⑤ Antoine 증기압 계산기, ⑥ 이성분계 T-xy 다이어그램, ⑦ 물질수지 solver, ⑧ 배관 압력강하 계산기, ⑨ 공정 데이터 대시보드. 앞의 셋은 오늘 밤 다른 과목 공부에 바로 쓰는 도구이고, 뒤의 여섯은 화공양론·유체역학과 나란히 가는 전공 도구다. 도구는 1회성 과제가 아니라 재사용 자산이다. 9장의 T-xy 다이어그램은 8장의 증기압 함수를 그대로 가져다 쓰고, 서브프로젝트는 본인 산출물 2개 이상의 재사용을 요건으로 한다.

매주 실습은 최종 시험의 축소판이다. 5주차부터 타이머가 붙고, 제한 시간은 30분에서 45·60·75·90분을 거쳐 최종 시험의 120분까지 점증한다. 같은 형식을 15번 연습한 상태로 시험장에 들어가는 것이 이 설계의 목적이다.

최종 실습시험의 루브릭은 1주차인 지금 전체가 공개된다. 작동성 14점, 코드 이해 10점, 프롬프트 전략 8점, 발표 8점. 작동성에는 검증 증빙(단위·대조값·극한값의 README 기록)이 필수 항목으로 들어 있고, 프롬프트 전략은 전체 로그로 채점된다. 전문은 부록 E에 있다.

마지막 조각이 위키다. 15주 동안 배운 것·틀린 것·만든 것을 마크다운으로 누적하는 개인 지식 저장소를 이 수업에서는 위키(위키)라 한다. 노트에는 성장단계 태그 #seed → #growing → #evergreen을 붙이고, 5·10·15주의 마일스톤 3회에 걸쳐 각 2점씩 채점된다. 채점 기준은 누적성(주당 의미 있는 커밋 1개 이상, 몰아치기는 커밋 이력에서 드러나 감점된다), 개인화 깊이, 활용도다. 매 실습의 마지막 15분은 위키 시간이며, 그날 만든 것·막힌 것·틀린 것 1건을 기록해야 퇴실한다. 2~4주에 만드는 도구들이 위키를 직접 읽고 쓰므로, 도구를 쓸수록 위키가 자라는 구조다.