🐈 AI의 발전부터 바이브 코딩까지: 데스크톱 고양이 만들기

📅 2026.09.30 · Today I Learned
AI · 머신러닝 · 딥러닝 · 자연어 프로그래밍 · Vibe Coding

오늘은 AI의 기본 개념과 발전 과정을 배우고, Claude로 데스크톱 고양이 프로그램을 바이브 코딩으로 제작했다.

아이디어가 프로그램으로 바뀌는 과정은 빨랐다. 하지만 코드가 작동하는 것과 내가 그 구조를 이해하는 것은 별개의 문제였다.

---

🧠 1. 인공지능·머신러닝·딥러닝

세 개념의 포함 관계부터 정리했다.

인공지능(AI)
└─ 머신러닝(ML)
   └─ 딥러닝(DL)

개념	의미
인공지능	인식·언어 처리·추론·의사결정 등 지능과 관련된 작업을 수행하는 기술과 시스템
머신러닝	데이터와 경험으로 패턴을 학습하는 방법
딥러닝	여러 층의 인공신경망을 사용하는 머신러닝 방법

전문가 시스템처럼 사람이 작성한 규칙으로 작동하는 AI도 있다. 모든 AI가 머신러닝인 것은 아니다.

머신러닝은 어떻게 학습할까?

학습 방식	사용하는 정보	예시
지도학습	입력과 정답	이미지 분류, 집값 예측
비지도학습	정답 라벨 없는 데이터	고객 군집화
강화학습	행동 결과와 보상	바둑 전략, 로봇 제어
자기지도학습	데이터 자체에서 만든 학습 목표	다음 토큰 예측

💡 모델과 학습 방식은 구분해야 한다.
딥러닝은 어떤 모델을 사용하는지에 대한 구분이고, 지도·비지도·강화학습은 어떻게 학습하는지에 대한 구분이다.

---

⚙️ 2. 신경망의 기본 구조

MLP — 다층 퍼셉트론

MLP는 입력층·은닉층·출력층으로 구성된 신경망이다.

입력층 → 은닉층 → 출력층
데이터 → 특징과 관계 계산 → 예측

• 입력층: 데이터를 전달한다.
• 은닉층: 입력을 조합하고 변환한다.
• 출력층: 최종 예측을 만든다.
• 가중치: 입력이 반영되는 강도와 방향을 결정한다.
• 편향: 계산 결과를 이동시킨다.
• 활성화 함수: 비선형성을 더해 복잡한 관계를 표현한다.

역전파 — 오차를 줄이기 위한 기울기 계산

예측 → 손실 계산 → 역전파 → 가중치·편향 수정

역전파가 기울기를 계산하고, 최적화 알고리즘이 그 기울기로 매개변수를 수정한다.

모델	특징	활용
RNN	이전 정보를 은닉 상태로 전달	문장, 음성, 시계열
CNN	필터로 공간적 패턴 학습	이미지 인식

---

🕰️ 3. AI 발전의 주요 사건

시기	대표 사례	핵심 의미
1980년대 주요 흐름	전문가 시스템, 신경망·역전파 연구	규칙과 학습 기반 접근 발전
1990년대	머신러닝, Deep Blue, LeNet	통계적 학습과 실용적 성과
2012	AlexNet	깊은 CNN·대규모 데이터·GPU의 효과
2016	AlphaGo	신경망·강화학습·탐색의 결합
2017	Transformer	Attention 중심의 언어 처리 구조
2022~2023	ChatGPT	대화형 생성 AI의 대중화
2022~2024	Stable Diffusion 계열	텍스트 기반 이미지 생성
2025 주요 흐름	AI 에이전트	도구를 사용한 여러 단계의 작업 수행

흐름을 연결하면

• AlexNet: 사진에서 특징을 학습해 대상을 분류했다.
• AlphaGo: 학습한 신경망으로 탐색을 안내하고 바둑 국면을 평가했다.
• Transformer: Self-Attention으로 위치 간 관계를 직접 반영하고 학습의 병렬화를 쉽게 했다.
• ChatGPT: 언어 모델을 대화 형식으로 사용할 수 있게 했다.
• Stable Diffusion: 텍스트 설명에 맞는 이미지를 생성했다.
• AI 에이전트: 목표를 받아 도구를 실행하고 결과에 따라 다음 행동을 선택한다.

📌 최초 공개와 대중화 시점은 다르다.
ChatGPT는 2022년 11월, Stable Diffusion은 2022년에 처음 공개됐다.
AI 에이전트 역시 2025년에 처음 등장한 개념은 아니다.

---

📚 4. 함께 배운 개념

개념	정리
Hugging Face Spaces	AI 앱을 배포하고 브라우저에서 체험하게 하는 플랫폼
PoC	아이디어나 기술이 실제로 가능한지 작은 규모로 검증하는 작업
온톨로지	특정 분야의 개념·관계·제약을 명확하게 정의한 지식 체계

PoC가 성공했다고 제품의 완성도나 사업성까지 검증한 것은 아니다.

---

💬 5. 자연어 프로그래밍과 Vibe Coding

자연어 프로그래밍은 일상 언어로 프로그램의 동작을 지정하는 넓은 개념이다.

Vibe Coding은 AI와 대화하며 결과를 만들고 반복 수정하는 개발 방식이다. 좁은 의미에서는 코드를 자세히 읽지 않고 결과 중심으로 진행하는 방식을 강조한다.

AI 개발 도구의 변화

코드 자동완성 → 대화형 코드 생성 → IDE 통합 → 에이전트 작업 수행

도구	등장 시점	대표한 변화
GitHub Copilot	2021	문맥 기반 코드 추천
ChatGPT	2022	자연어로 코드 생성·설명·수정
Cursor	2023	AI를 코드 에디터에 통합
Claude Code	2025	탐색·수정·실행·검증을 이어가는 에이전트

자연어만으로 충분할까?

자연어에는 모호성과 생략된 조건이 있다. AI가 그 부분을 추정해서 구현하면 사용자의 의도와 어긋날 수 있다.

코드가 실행된다 ≠ 요구사항을 만족한다

자연어로 프로그램을 만드는 일은 가능해졌지만, 검증과 유지보수의 필요성까지 사라진 것은 아니다.

---

🐈 6. 실습: 데스크톱 고양이 프로그램

무엇을 만들었나?

Desktop Goose v0.31 폴더를 Claude에 제공하고 비슷한 프로그램을 만들도록 요청했다.

결과물은 cat_pet.py이며, Python·Tkinter·Windows API를 사용한다.

구현된 기능

• 마우스 주변을 따라다니는 고양이
• 걷기·달리기·앉기·눕기·수면 애니메이션
• 최대 6마리 소환과 겹침 완화
• 투명하고 항상 위에 표시되는 창
• 소환·종료 단축키

프로그램의 동작 흐름

이미지 로딩 → 고양이 생성 → 입력 확인
→ 목표 위치 계산 → 이동·행동 결정 → 화면 갱신

프로그램 안에 AI 모델이 들어 있는 것은 아니다. Claude가 작성한 규칙 기반 프로그램이다.

원본을 참고한다는 것의 의미

Desktop Goose 폴더에는 실행 파일·자산·설정·모드 API와 예제가 있었지만, 본체 전체 소스는 없었다.

고양이 프로그램은 데스크톱 캐릭터라는 경험을 구현했지만, 원본의 가속도 이동·행동별 Task·모드 구조까지 동일하게 재현한 것은 아니다.

또한 Claude가 당시 어떤 자료를 실제로 참고했는지는 결과물만으로 확인할 수 없다.

코드 분석에서 발견한 점

잘 구현된 부분	개선할 부분
이동과 그리기 분리	겹침 해소 후 화면 밖으로 밀릴 가능성
이미지 캐시	행동 전환 시 첫 프레임 생략 가능성
소환 키 연속 입력 방지	실행 옵션의 예외 처리 부족
일부 누락 이미지 대응	이동 속도가 갱신 주기에 의존

분석은 소스·자산 확인과 일부 계산 재현으로 진행했다. 실제 GUI 실행 검증은 하지 않았다.

---

🔍 7. 작동하는데, 왜 블랙박스처럼 느껴질까?

프로그램은 움직였지만 다음 질문에 답하기 어려웠다.

• 왜 이런 구조로 작성했을까?
• 특정 수치는 왜 선택했을까?
• 한 부분을 바꾸면 어디에 영향을 줄까?
• 원본의 어떤 특징을 가져왔을까?

“비슷하게 만들어줘”라는 요청부터 구체화할 필요가 있었다.

외형을 비슷하게 할 것인지, 행동을 재현할 것인지, 내부 구조까지 참고할 것인지 먼저 정해야 했다.

---

✅ 8. 다음 작업에 적용할 방법

작업 지시 → 계획 작성·수정 → 구현·테스트
→ PR 작성 → 검토·승인 → 병합

PR에는 변경 이유·구현 방식·테스트 결과·확인하지 못한 부분을 기록한다.

• 구현 전에 요구사항과 제외 범위 정하기
• 주요 기능의 데이터 흐름 이해하기
• 중요한 설계 선택의 이유 기록하기
• 작은 단위로 수정하고 Git에 체크포인트 남기기
• 기대하는 동작을 테스트 기준으로 만들기
• PR 설명과 실제 변경을 비교하기

---

✍️ 오늘의 회고

AI 덕분에 아이디어를 빠르게 구현할 수 있었다. 하지만 생성 속도에 비해 구조와 설계 의도를 이해하는 속도가 따라가지 못했다.

앞으로는 기능을 추가하는 것뿐 아니라, 변경 이유와 영향을 설명하고 검증하는 데도 시간을 쓰려 한다.

작동하는 코드에서, 내가 이해하고 관리할 수 있는 코드로 나아가는 것이 다음 목표다.