학습
AI 용어집
궁금한 것부터 시작해도 되고, 실무 용어를 찾아봐도 됩니다. 생활 질문에는 정의가 아니라 답을 먼저 씁니다. 모델별 수치는 여기 쓰지 않고 카탈로그에서 확인된 값만 보여줍니다.
게시 용어82
분야19
게시 용어82
궁금한 것부터12
입문21
중급29
고급20
분야19
궁금한 것부터
12개
아이가 숙제에 AI 를 써도 되나요?학교에서의 AI네, 써도 되지만 숙제를 대신 시키는 게 아니라 이해를 돕는 도구로 쓰게 해주는 게 중요합니다.내가 입력한 내용을 AI 가 학습에 쓰나요?AI 와 내 데이터서비스마다 다르며, 많은 경우 기본값으로 대화 내용이 학습에 쓰일 수 있고, 설정에서 끄거나 특정 요금제를 쓰면 제외되기도 합니다.길에서 찍힌 제 얼굴을 AI 가 알아보나요?AI 와 얼굴 인식네, 얼굴 사진에서 특징을 뽑아내 비교하는 기술이 있어서 길에서 찍힌 사진 속 얼굴도 알아볼 수 있지만, 누가 어떻게 쓰느냐에 따라 허용 여부가 다릅니다.AI 가 만든 그림·글은 누구 것인가요?AI 와 저작권지금은 사람이 만든 것처럼 자동으로 저작권이 생기지 않고, 사람이 얼마나 창작에 관여했는지에 따라 소유권이 정해지거나 아예 권리가 없을 수도 있습니다.AI 가 하는 말을 믿어도 되나요?AI 답변의 신뢰그대로 믿지 말고, 중요한 내용은 꼭 다른 곳에서 다시 확인해야 합니다.무료로 써도 되나요? 돈을 내면 뭐가 다른가요?무료와 유료의 차이네, 무료로도 쓸 수 있어요. 돈을 내면 더 많이, 더 빠르게, 더 좋은 성능으로 쓸 수 있는 경우가 많습니다.AI 를 한 번도 안 써봤는데 어디서 시작하나요?어렵지 않게 시작하기지금 쓰고 계신 대화창이 바로 시작점이니, 어렵게 준비할 것 없이 궁금한 걸 편하게 물어보시면 됩니다.몸이 아플 때 AI 에게 물어봐도 되나요?AI 와 건강 상담가볍게 물어보고 참고하는 건 괜찮지만, 진단이나 치료는 실제 의료진에게 확인해야 합니다.전화 목소리도 AI 가 흉내 낼 수 있나요?AI 음성 사기네, 가능합니다. 짧은 목소리 샘플만 있으면 AI가 그 사람과 아주 비슷한 목소리를 만들어 낼 수 있습니다.딥페이크가 뭔가요? 어떻게 알아보나요?딥페이크딥페이크는 인공지능으로 특정 인물의 얼굴, 목소리, 말투를 실제처럼 합성해 만든 가짜 영상이나 음성으로, 완벽하게 판별하기는 어렵지만 몇 가지 단서로 의심해 볼 수 있습니다.AI 때문에 제 일자리가 없어지나요?AI 와 일자리완전히 없어진다고 단정할 수는 없지만, 일 중 일부는 AI가 대신하게 되어 업무 방식이 바뀔 가능성이 높습니다.AI 가 전기를 많이 쓴다는데 사실인가요?AI 와 전기네, 사실입니다. AI를 학습시키고 사용하는 데는 전기가 꽤 많이 들어갑니다.
입문
21개
API기초APIAPI는 서로 다른 소프트웨어가 기능이나 데이터를 주고받을 수 있도록 정해 놓은 규칙과 창구를 말한다.거대 언어 모델기초Large Language Model (LLM)거대 언어 모델(LLM)은 방대한 양의 텍스트 데이터를 학습해 자연어를 이해하고 생성하는 대규모 인공지능 모델을 말한다.레이트 리밋기초Rate Limit레이트 리밋은 일정 시간 동안 API나 서비스에 보낼 수 있는 요청 수를 제한하는 장치를 말한다.멀티모달기초Multimodal텍스트뿐 아니라 이미지, 음성, 영상 등 여러 종류의 데이터를 함께 이해하거나 생성할 수 있는 AI 모델의 특성을 말한다.생성형 AI기초Generative AI생성형 AI는 학습한 데이터의 패턴을 바탕으로 텍스트, 이미지, 음성, 코드 등 새로운 콘텐츠를 만들어내는 인공지능 기술을 말한다.시스템 프롬프트기초System Prompt시스템 프롬프트는 사용자와의 대화가 시작되기 전에 AI 모델에게 미리 전달되는 지침으로, 모델의 역할과 말투, 행동 규칙을 정의하는 텍스트를 말한다.오픈 웨이트기초Open Weights오픈 웨이트란 모델의 학습이 끝난 파라미터(가중치)를 누구나 내려받아 직접 실행하거나 추가 학습에 쓸 수 있도록 공개하는 방식을 말한다.온도기초Temperature언어 모델이 다음 토큰을 선택할 때 확률 분포를 얼마나 평평하게 만들지 조절하는 샘플링 파라미터를 말한다.챗봇기초Chatbot사용자와 자연어 대화를 주고받으며 질문에 답하거나 작업을 수행하는 소프트웨어 프로그램을 말한다.추론기초Inference추론(Inference)은 학습이 끝난 인공지능 모델이 새로운 입력을 받아 예측이나 답변 같은 출력을 만들어내는 과정을 말한다.컨텍스트 윈도우기초Context Window컨텍스트 윈도우는 언어 모델이 한 번의 응답을 생성할 때 입력으로 참고할 수 있는 텍스트(토큰)의 최대 범위를 말한다.토크나이저기초Tokenizer토크나이저는 텍스트를 모델이 처리할 수 있는 최소 단위인 토큰으로 분리하고, 각 토큰을 숫자로 변환하는 도구를 말한다.토큰기초Token언어 모델이 텍스트를 처리할 때 사용하는 최소 단위로, 단어나 단어의 일부, 문장 부호 등을 가리키는 말이다.파운데이션 모델기초Foundation Model대규모 데이터로 미리 학습되어 다양한 하위 작업에 재사용할 수 있는 범용 인공지능 모델을 말한다.프롬프트기초PromptAI 모델에게 원하는 작업을 지시하기 위해 입력하는 텍스트를 말한다.학습기초Training학습은 모델이 데이터를 반복적으로 살펴보며 예측 오차를 줄이는 방향으로 내부 파라미터를 조정해 나가는 과정을 말한다.환각기초HallucinationAI 모델이 사실이 아니거나 근거 없는 정보를 마치 사실인 것처럼 자신 있게 생성하는 현상을 말한다.AI 에이전트에이전트AI AgentAI 에이전트는 주어진 목표를 달성하기 위해 스스로 계획을 세우고 도구를 호출하며 행동한 결과를 관찰해 다음 행동을 결정하는 AI 시스템을 말한다.AI 기본법정책AI Framework Act (Korea)AI 기본법은 인공지능의 개발·활용을 촉진하면서 그로 인한 위험을 관리하기 위해 대한민국이 제정한 인공지능 분야 기본법을 말한다.EU AI법정책EU AI ActEU AI법은 유럽연합이 인공지능 시스템을 위험 수준에 따라 분류하고 그에 맞는 의무를 부과하는 포괄적 AI 규제 법률을 말한다.벤치마크평가BenchmarkAI 모델의 성능을 정량적으로 측정하고 서로 비교할 수 있도록 표준화한 평가용 문제 집합과 채점 기준을 말한다.
중급
29개
비전 언어 모델아키텍처Vision-Language Model (VLM)이미지, 영상 등 시각 정보와 텍스트를 함께 입력받아 이해하고 자연어로 응답을 생성하는 인공지능 모델을 말한다.어텐션아키텍처Attention입력의 각 요소가 출력을 생성하는 데 얼마나 중요한지를 계산해 가중치를 부여하는 신경망 메커니즘을 말한다.전문가 혼합아키텍처Mixture of Experts (MoE)전문가 혼합(MoE)은 여러 개의 전문가 서브네트워크 중 입력에 따라 일부만 선택적으로 활성화해 연산하는 신경망 구조를 말한다.추론 모델아키텍처Reasoning Model최종 답을 내놓기 전에 문제를 여러 단계로 나누어 스스로 사고 과정을 생성하도록 훈련된 대규모 언어 모델을 말한다.트랜스포머아키텍처Transformer트랜스포머는 입력 시퀀스의 모든 토큰 쌍 사이의 관계를 어텐션 메커니즘으로 직접 계산하여 문맥을 파악하는 신경망 아키텍처를 말한다.파라미터아키텍처Parameters모델이 학습 과정에서 값을 스스로 조정해 나가는 내부 수치로, 입력을 출력으로 변환하는 계산 방식을 결정하는 요소를 말한다.가드레일안전Guardrails가드레일은 AI 모델이 유해하거나 부적절하거나 정책에 어긋나는 입력과 출력을 만들지 않도록 시스템 차원에서 걸어두는 제약과 점검 장치를 말한다.프롬프트 인젝션안전Prompt Injection신뢰할 수 없는 외부 입력에 악의적인 지시문을 숨겨 넣어, AI 모델이 원래 지침을 무시하고 공격자가 의도한 동작을 하도록 유도하는 공격 기법을 말한다.MCP에이전트Model Context ProtocolMCP(Model Context Protocol)는 LLM 애플리케이션이 파일, 데이터베이스, 외부 API 같은 도구와 데이터 소스에 표준화된 방식으로 연결할 수 있도록 만든 개방형 프로토콜을 말한다.함수 호출에이전트Function Calling / Tool Use함수 호출(도구 사용)은 언어모델이 사용자 요청을 처리하는 과정에서 미리 정의된 외부 함수나 API를 어떤 이름과 인자로 호출해야 하는지를 구조화된 형식으로 출력하는 기능을 말한다.지연 시간운영Latency요청을 보낸 시점부터 응답을 받기까지 걸리는 시간을 말한다.처리량운영Throughput처리량은 시스템이 일정 시간 동안 처리할 수 있는 요청 수나 생성 토큰 수를 나타내는 지표를 말한다.확산 모델이미지Diffusion Model노이즈를 점진적으로 제거하는 과정을 학습해 무작위 노이즈로부터 이미지를 생성하는 생성 모델을 말한다.AI 저작권정책AI and CopyrightAI 모델을 학습시키는 과정에서 저작물을 사용하는 행위와 AI가 만들어낸 결과물의 권리 귀속을 둘러싼 법적·제도적 쟁점을 통칭하는 말이다.AI 표시 의무정책AI Transparency ObligationAI가 생성한 콘텐츠이거나 이용자가 AI 시스템과 상호작용하고 있음을 법령이나 규정에 따라 명확히 알리도록 하는 의무를 말한다.고위험 AI정책High-Risk AI고위험 AI란 사람의 안전, 건강, 기본권에 중대한 영향을 미칠 수 있어 법규상 위험관리, 문서화, 인적 감독 등 별도의 의무를 부과받는 AI 시스템 분류를 말한다.데이터 라이선스정책Data LicenseAI 모델 학습이나 서비스 운영에 특정 데이터를 사용할 수 있는 조건과 범위를 규정한 법적 계약을 말한다.양자화최적화Quantization모델의 가중치와 활성값을 32비트나 16비트 부동소수점 대신 더 적은 비트 수의 정수나 저정밀도 형식으로 표현해 모델 크기와 연산량을 줄이는 최적화 기법을 말한다.지식 증류최적화Knowledge Distillation지식 증류는 크고 성능이 뛰어난 교사 모델의 지식을 작고 가벼운 학생 모델에 전달하여, 적은 비용으로 비슷한 성능을 내도록 학습시키는 모델 압축 기법을 말한다.벤치마크 오염평가Benchmark Contamination모델을 평가하는 벤치마크의 문제나 정답이 사전 학습 데이터에 그대로 섞여 들어가, 실제 능력보다 부풀려진 평가 점수가 나오는 현상을 말한다.평가평가Evaluation (Eval)AI 모델이나 시스템의 출력이 원하는 기준에 얼마나 부합하는지를 정량적·정성적으로 측정하는 절차를 말한다.파인튜닝학습Fine-tuning사전 학습된 대규모 언어 모델을 특정 작업이나 도메인의 데이터로 추가 학습시켜 성능과 응답 방식을 맞춤화하는 과정을 말한다.검색 증강 생성활용RAG (Retrieval-Augmented Generation)대규모 언어모델이 답변을 생성하기 전에 외부 지식베이스에서 관련 문서를 검색해 프롬프트에 함께 넣어주는 기법을 말한다.구조화 출력활용Structured Output구조화 출력이란 AI 모델이 자유 형식 문장 대신 JSON 등 미리 정의된 스키마를 따르는 형태로 응답을 생성하도록 하는 방식을 말한다.사고 사슬활용Chain of Thought (CoT)사고 사슬(CoT)은 모델이 최종 답을 곧바로 출력하는 대신 중간 추론 단계를 순서대로 풀어써서 결론에 도달하도록 유도하는 프롬프팅 및 생성 방식을 말한다.스트리밍활용Streaming모델이 응답 전체를 다 만들 때까지 기다리지 않고, 생성되는 토큰을 그때그때 순서대로 전송하는 응답 방식을 말한다.임베딩활용Embedding텍스트, 이미지 같은 데이터를 의미적으로 비슷할수록 벡터 공간에서 가까운 위치에 놓이도록 고정된 길이의 숫자 벡터로 변환한 것을 말한다.퓨샷 학습활용Few-shot Learning퓨샷 학습은 모델의 가중치를 다시 학습시키지 않고, 프롬프트 안에 몇 개의 입력-출력 예시를 함께 제시해 원하는 작업 방식을 즉석에서 알려주는 방법을 말한다.프롬프트 캐싱활용Prompt Caching프롬프트 캐싱은 반복적으로 사용되는 긴 프롬프트의 앞부분(시스템 프롬프트, 도구 정의, 참고 문서 등)을 서버에 저장해 두었다가 이후 요청에서 재사용함으로써 응답 속도를 높이고 비용을 줄이는 기능을 말한다.
고급
20개
레드팀안전Red TeamingAI 모델이나 시스템을 실제 공격자의 관점에서 시험해 안전장치를 우회하거나 유해한 결과를 유도할 수 있는 취약점을 체계적으로 찾아내는 활동을 말한다.해석 가능성안전Interpretability인공지능 모델이 특정 입력에 대해 왜 그런 출력을 내놓았는지, 내부에서 어떤 계산과 표현이 일어나는지를 사람이 이해할 수 있는 형태로 설명하는 연구 분야를 말한다.GPU 메모리인프라GPU Memory (VRAM)GPU 메모리(VRAM)는 그래픽 처리 장치에 탑재되어 모델 가중치, 활성화 값, 중간 연산 결과 등을 저장하는 고속 전용 메모리를 말한다.NPU인프라NPU (Neural Processing Unit)신경망 연산에 특화된 전용 반도체로, 행렬 곱셈과 병렬 연산을 하드웨어 수준에서 가속해 CPU나 GPU보다 낮은 전력으로 딥러닝 추론을 처리하는 프로세서를 말한다.모델 서빙인프라Model Serving학습이 끝난 머신러닝 모델을 실제 서비스 환경에 배포하여, 들어오는 요청을 받아 추론 결과를 반환할 수 있도록 운영하는 과정을 말한다.텐서 병렬화인프라Tensor Parallelism하나의 거대한 신경망 레이어(행렬 연산)를 여러 개의 조각으로 쪼개어 여러 개의 가속기(GPU)에 나누어 계산하고 결과를 다시 합치는 병렬화 기법을 말한다.인간 피드백 강화학습정렬RLHF인간 피드백 강화학습(RLHF)은 사람이 모델 출력물에 매긴 선호도 비교를 보상 신호로 바꾸어, 강화학습으로 언어모델의 행동을 인간이 원하는 방향으로 미세조정하는 정렬 기법을 말한다.정렬정렬AlignmentAI 시스템의 행동과 산출물이 인간이 의도한 목표, 가치, 지시와 어긋나지 않도록 만드는 기법과 연구 분야를 말한다.직접 선호 최적화정렬DPO (Direct Preference Optimization)사람이 어느 응답을 더 선호하는지 표시한 비교 데이터만으로, 별도의 보상 모델이나 강화학습 단계 없이 언어모델을 직접 최적화해 정렬시키는 기법을 말한다.헌법적 AI정렬Constitutional AI사람이 응답마다 선호를 직접 라벨링하는 대신, 미리 정한 원칙(헌법) 집합을 기준으로 AI가 스스로 자기 응답을 비판하고 수정하도록 훈련하여 정렬시키는 기법을 말한다.KV 캐시최적화KV Cache트랜스포머 기반 언어 모델이 토큰을 하나씩 생성할 때 이미 계산한 어텐션의 키(Key)와 값(Value) 벡터를 저장해 두었다가 다음 토큰 생성 시 재사용함으로써 중복 계산을 없애는 추론 최적화 기법을 말한다.연속 배칭최적화Continuous BatchingLLM 추론 서빙에서 요청이 끝날 때까지 기다리지 않고 매 디코딩 스텝마다 완료된 요청은 배치에서 제거하고 대기 중인 새 요청을 즉시 채워 넣어 GPU 활용률을 극대화하는 배칭 기법을 말한다.추측 디코딩최적화Speculative Decoding작은 초안 모델이 다음에 올 토큰 여러 개를 먼저 예측하면, 크고 정확한 목표 모델이 이를 한 번의 순전파로 검증해 채택하거나 기각함으로써 생성 속도를 높이는 디코딩 기법을 말한다.플래시 어텐션최적화FlashAttention어텐션 연산 시 GPU의 고속 메모리를 최대한 활용하도록 계산 순서를 재구성해, 큰 어텐션 행렬을 저장하지 않고도 정확히 동일한 결과를 더 빠르고 적은 메모리로 얻는 알고리즘을 말한다.LoRA학습LoRA (Low-Rank Adaptation)LoRA(Low-Rank Adaptation)는 대형 신경망의 원래 가중치는 고정한 채, 작은 저랭크 행렬 쌍을 추가로 학습시켜 모델을 특정 작업에 맞게 미세조정하는 기법을 말한다.모델 붕괴학습Model Collapse모델이 생성한 데이터를 다음 세대 모델의 학습 데이터로 반복 사용할 때, 데이터의 다양성과 희귀한 패턴이 세대를 거듭할수록 소실되어 모델 성능이 점진적으로 저하되는 현상을 말한다.사전학습학습Pretraining사전학습은 특정 작업에 맞춰 조정되기 전에, 대량의 텍스트나 데이터로부터 언어와 세계에 대한 일반적인 패턴을 모델이 스스로 학습하는 과정을 말한다.스케일링 법칙학습Scaling Law모델 파라미터 수, 학습 데이터 양, 연산량(컴퓨트)을 늘릴수록 손실(loss)이 일정한 규칙, 주로 멱법칙(power law)을 따라 예측 가능하게 줄어드는 경험적 관계를 말한다.합성 데이터학습Synthetic Data실제 세계에서 수집한 데이터 대신 알고리즘, 시뮬레이션, 또는 다른 모델을 이용해 인공적으로 생성한 데이터로, 모델 학습이나 평가에 실제 데이터를 대체하거나 보완하는 용도로 쓰인다.컨텍스트 엔지니어링활용Context Engineering컨텍스트 엔지니어링은 프롬프트뿐 아니라 검색 결과, 도구 실행 결과, 대화 이력 등 모델에 실제로 입력되는 모든 정보를 선별하고 구성해 LLM이 작업을 정확하게 수행하도록 만드는 기법을 말한다.