AI 용어 사전
모든 전문가가 알아야 할 필수 AI 용어
포괄적인 용어 사전으로 AI의 언어를 마스터하세요. 기초 개념부터 최첨단 기술까지, 업무의 미래를 형성하는 용어를 이해하세요.
62 개 용어
AI
인공지능 (Artificial Intelligence) - 학습, 추론, 자기 수정을 포함한 인간의 지능 프로세스를 기계가 시뮬레이션하는 것.
Machine Learning
머신러닝 - 명시적으로 프로그래밍하지 않고도 경험을 통해 학습하고 개선하는 AI의 하위 분야.
Deep Learning
딥러닝 - 여러 계층의 신경망을 사용해 점점 더 높은 수준의 추상화로 데이터를 분석하는 고급 머신러닝.
Neural Network
신경망 - 생물학적 신경망에서 영감을 받은 컴퓨팅 시스템으로, 정보를 처리하는 상호 연결된 노드로 구성.
LLM
대규모 언어 모델 (Large Language Model) - 방대한 텍스트 데이터셋으로 훈련되어 인간과 유사한 텍스트를 이해하고 생성하는 AI 모델 (예: GPT, Claude).
GPT
생성적 사전 훈련 변환기 (Generative Pre-trained Transformer) - OpenAI가 개발한 인간과 유사한 텍스트를 생성하는 LLM 유형.
Prompt
프롬프트 - 특정 출력이나 응답을 생성하기 위해 AI 모델에 제공하는 지시사항이나 질문.
Prompt Engineering
프롬프트 엔지니어링 - AI 모델 출력을 최적화하고 원하는 결과를 얻기 위해 효과적인 프롬프트를 설계하는 실무.
Fine-tuning
파인튜닝 - 사전 훈련된 모델을 특수 데이터셋으로 훈련시켜 특정 작업을 수행하도록 조정하는 프로세스.
Training Data
훈련 데이터 - 학습 과정에서 AI 모델에 패턴, 관계, 지식을 가르치는 데 사용되는 데이터셋.
Algorithm
알고리즘 - 문제를 해결하거나 작업을 수행하기 위해 컴퓨터가 따르는 단계별 지시사항 또는 규칙의 집합.
NLP
자연어 처리 (Natural Language Processing) - 기계가 인간 언어를 이해, 해석, 생성할 수 있게 하는 AI 기술.
Computer Vision
컴퓨터 비전 - 기계가 이미지와 비디오에서 시각 정보를 해석하고 이해할 수 있게 하는 AI 분야.
Generative AI
생성형 AI - 기존 데이터를 분석하는 것이 아니라 새로운 콘텐츠(텍스트, 이미지, 음악, 코드)를 생성하는 AI 시스템.
AGI
범용 인공지능 (Artificial General Intelligence) - 모든 인지 작업에서 인간 수준의 지능을 가진 가상의 AI (아직 달성되지 않음).
Narrow AI
좁은 AI - AGI와 달리 특정 작업(얼굴 인식 또는 언어 번역 등)을 수행하도록 설계된 AI.
Supervised Learning
지도 학습 - 알려진 정답이 있는 레이블된 훈련 데이터에서 모델이 학습하는 머신러닝.
Unsupervised Learning
비지도 학습 - 사전 정의된 범주 없이 레이블되지 않은 데이터에서 패턴을 찾는 머신러닝.
Reinforcement Learning
강화 학습 - 에이전트가 시행착오와 보상을 통해 최적의 행동을 학습하는 머신러닝.
Token
토큰 - LLM이 처리하는 텍스트의 기본 단위 (단어, 단어의 일부 또는 구두점일 수 있음).
Context Window
컨텍스트 윈도우 - AI 모델이 응답을 생성할 때 한 번에 고려할 수 있는 텍스트의 최대량.
Hallucination
환각 - AI가 불확실할 때 종종 발생하는, 사실로 제시되는 거짓 또는 무의미한 정보 생성.
Bias
편향 - 편견이 있는 훈련 데이터나 결함 있는 알고리즘으로 인한 AI 출력의 체계적 오류.
Overfitting
과적합 - 모델이 노이즈를 포함한 훈련 데이터를 너무 정확하게 학습하여 일반화 능력이 감소하는 것.
Underfitting
과소적합 - 모델이 너무 단순하여 데이터의 기본 패턴을 포착하지 못해 성능이 저하되는 것.
Embedding
임베딩 - 의미적 관계를 포착하는 단어나 개념의 벡터로서의 수학적 표현.
RAG
검색 증강 생성 (Retrieval-Augmented Generation) - 정확한 응답을 위해 AI 생성과 외부 지식 검색을 결합.
API
애플리케이션 프로그래밍 인터페이스 - 다른 소프트웨어 애플리케이션이 통신하고 데이터를 공유하는 방법.
Transfer Learning
전이 학습 - 한 작업에서 얻은 지식을 관련 작업의 학습과 성능 향상에 사용.
Transformer
트랜스포머 - 어텐션 메커니즘을 사용하여 NLP를 혁신한 신경망 아키텍처 (GPT, BERT의 기초).
Attention Mechanism
어텐션 메커니즘 - 예측할 때 입력 데이터의 관련 부분에 집중하도록 돕는 AI 기술.
Zero-Shot Learning
제로샷 학습 - 일반 지식을 사용하여 명시적으로 훈련받지 않은 작업을 수행하는 AI의 능력.
Few-Shot Learning
퓨샷 학습 - 광범위한 훈련 데이터가 아닌 몇 가지 예만으로 작업을 수행하는 AI.
Chain-of-Thought
사고 연쇄 - AI가 결론에 도달하기 위해 단계별 추론을 보여주는 프롬프팅 기법.
Temperature
온도 - AI 출력의 무작위성을 제어하는 매개변수 (낮음 = 집중적, 높음 = 창의적).
Inference
추론 - 훈련된 AI 모델을 사용하여 새 데이터에 대한 예측을 하거나 출력을 생성하는 프로세스.
Model
모델 - AI가 예측하거나 출력을 생성할 수 있게 하는 훈련된 알고리즘과 매개변수.
Parameter
매개변수 - 정확한 예측을 위해 훈련 중에 학습되는 모델의 조정 가능한 값.
Epoch
에포크 - 학습 과정 동안 전체 훈련 데이터셋을 한 번 완전히 통과하는 것.
Batch Size
배치 크기 - 모델을 업데이트하기 전에 함께 처리되는 훈련 예제의 수.
Learning Rate
학습률 - 훈련 중 모델이 매개변수를 조정하는 속도 (너무 높음 = 불안정, 너무 낮음 = 느림).
Activation Function
활성화 함수 - 입력에 따라 뉴런이 활성화되어야 하는지 결정하는 수학 함수.
Loss Function
손실 함수 - 훈련 중 예측과 실제 출력 간의 차이를 측정하는 메트릭.
Optimizer
옵티마이저 - 오류를 최소화하고 성능을 향상시키기 위해 모델 매개변수를 조정하는 알고리즘.
Gradient Descent
경사 하강법 - 최적의 모델 구성을 찾기 위해 매개변수를 반복적으로 조정하는 최적화 알고리즘.
Backpropagation
역전파 - 훈련 중 신경망 가중치를 계산하고 업데이트하는 방법.
Convolutional Neural Network
합성곱 신경망 - 격자 형태 데이터(이미지, 비디오) 처리에 특화된 딥러닝 아키텍처.
Recurrent Neural Network
순환 신경망 - 이전 입력의 메모리를 유지하여 순차 데이터를 처리하도록 설계된 신경망.
Autoencoder
오토인코더 - 데이터를 낮은 차원으로 압축한 다음 재구성하는 신경망.
GAN
생성적 적대 신경망 (Generative Adversarial Network) - 경쟁하는 두 AI 모델: 하나는 가짜 데이터를 생성, 다른 하나는 가짜 감지.
Diffusion Model
확산 모델 - 무작위 데이터에서 점진적으로 노이즈를 제거하여 이미지를 생성하는 AI 모델.
Stable Diffusion
스테이블 디퓨전 - 텍스트 설명에서 이미지를 생성하는 오픈소스 확산 모델.
DALL-E
DALL-E - 텍스트 설명에서 이미지를 생성하는 OpenAI의 이미지 생성 모델.
Midjourney
미드저니 - 예술적이고 스타일화된 출력으로 유명한 인기 AI 이미지 생성 플랫폼.
Sentiment Analysis
감정 분석 - 텍스트의 감정적 톤(긍정, 부정, 중립)을 식별하는 NLP 기법.
Tokenization
토큰화 - AI 모델이 처리할 수 있는 작은 단위(토큰)로 텍스트를 나누는 것.
Classification
분류 - 데이터를 사전 정의된 클래스 또는 레이블로 분류하는 작업.
Regression
회귀 - 입력 데이터를 기반으로 연속적인 수치 값을 예측.
Clustering
클러스터링 - 사전 정의된 범주 없이 유사한 데이터 포인트를 그룹화.
Explainable AI
설명 가능한 AI - 결정과 출력에 대한 이해 가능한 설명을 제공하도록 설계된 AI 시스템.
Edge AI
엣지 AI - 더 빠르고 비공개적인 처리를 위해 클라우드 서버가 아닌 로컬 장치(전화, IoT)에서 AI 모델 실행.
Synthetic Data
합성 데이터 - 실제 데이터가 희소하거나 민감할 때 AI 모델 훈련에 사용되는 인공적으로 생성된 데이터.