AI에 대해 알고싶다고? 꼭 알아야하는 핵심용어 100개 정리! Part.1 (1~20)
AI를 공부하고 싶은데, 어디서부터 시작해야 할지 모르겠다고요? 먼저 AI의 필수 개념부터 확실하게 잡고 가세요! AI 초보자도 쉽게 이해할 수 있도록 핵심 용어 100개를 시리즈로 정리했습니다. 오늘은 그 첫 번째, 1~20번 용어를 자세히 알아봅니다.
안녕하세요, AI 알려주는 아조씨, 에이아이조씨 (AIJOSSI)입니다! AI는 이제 단순한 유행어가 아니라, 우리 삶과 산업을 변화시키는 핵심 기술로 자리 잡았어요. 하지만 AI를 제대로 이해하려면, 기본 용어부터 확실히 알아야 합니다. 이제 막 AI에 관심을 가지기 시작한 분들도 이해할 수 있도록 쉽고 자세하게 20개의 AI 핵심 용어를 정리해 드릴게요!
1~10: AI 기본 개념
1. AI (Artificial Intelligence, 인공지능) [ˌɑː.t̬ɪˈfɪʃ.əl ˌɪn.t̬ɛl.ɪˈdʒɛn.sə]
AI는 인간의 학습, 추론, 문제 해결 능력을 컴퓨터가 모방할 수 있도록 하는 기술입니다. 과거에는 단순한 규칙 기반 프로그램이 AI로 불렸지만, 현재는 스스로 데이터를 학습하고 판단하는 머신러닝 기반의 시스템을 의미하는 경우가 많아요. AI는 크게 **약한 AI(Narrow AI)**와 **강한 AI(General AI)**로 구분됩니다. - **약한 AI**: 특정 작업만 수행하는 AI (예: 챗봇, 음성 비서) - **강한 AI**: 인간처럼 사고하고 문제 해결이 가능한 AI (아직 개발되지 않음) AI는 머신러닝, 딥러닝, 자연어 처리, 컴퓨터 비전 등 다양한 기술을 포함하는 광범위한 개념입니다.
2. ML (Machine Learning, 머신러닝) [məˈʃiːn ˈlɝː.nɪŋ]
머신러닝은 AI의 하위 분야로, **데이터에서 패턴을 학습하고 스스로 개선하는 알고리즘**을 의미합니다. 초기 AI 시스템은 사람이 직접 모든 규칙을 입력해야 했지만, 머신러닝을 통해 AI가 데이터를 분석하고 패턴을 찾아낼 수 있게 되었어요. 머신러닝은 크게 **지도 학습, 비지도 학습, 강화 학습**으로 나뉘며, 이를 활용해 예측, 분류, 추천 시스템 등을 구현할 수 있습니다.
3. DL (Deep Learning, 딥러닝) [diːp ˈlɝː.nɪŋ]
딥러닝은 머신러닝의 하위 분야로, **인공신경망(Artificial Neural Network, ANN)을 활용하여 데이터 학습 성능을 극대화하는 기술**입니다. 딥러닝은 이미지 인식, 음성 인식, 자율주행, 생성형 AI 등에 활용되며, **CNN(합성곱 신경망), RNN(순환 신경망), 트랜스포머 모델**과 같은 다양한 신경망 구조를 포함합니다. 특히 딥러닝은 대량의 데이터와 강력한 GPU(그래픽 처리 장치)를 활용해 학습 성능을 극대화합니다.
4. LLM (Large Language Model, 대형 언어 모델) [lɑːrdʒ ˈlæŋ.ɡwɪdʒ ˈmɑː.dəl]
LLM은 **대량의 텍스트 데이터를 학습하여 인간처럼 자연어를 이해하고 생성하는 AI 모델**입니다. 대표적인 예로 **GPT-4, PaLM, DeepSeek** 등이 있으며, 이들은 대량의 텍스트 데이터를 학습한 후, 문맥을 이해하고 문장을 생성하는 능력을 갖추고 있습니다. 현재 LLM은 챗봇, 번역, 콘텐츠 생성, 코드 작성 등 다양한 분야에서 활용되고 있습니다.
5. SLM (Small Language Model, 소형 언어 모델) [smɔːl ˈlæŋ.ɡwɪdʒ ˈmɑː.dəl]
SLM은 LLM보다 **작은 규모로 설계된 경량화된 언어 모델**입니다. 작은 데이터셋과 연산 자원을 활용하여 특정 도메인에 최적화된 답변을 생성하거나, 실시간 반응 속도를 높이는 데 활용됩니다. SLM은 모바일 환경, 기업 내부 시스템, 개인정보 보호가 중요한 환경에서 많이 사용됩니다.
6. NLP (Natural Language Processing, 자연어 처리) [ˈnætʃ.ɚ.əl ˈlæŋ.ɡwɪdʒ ˈprɑː.sɛs.ɪŋ]
자연어 처리는 AI가 인간의 언어(텍스트 및 음성)를 이해하고 생성하는 기술을 의미합니다. 이 기술은 **번역, 감정 분석, 챗봇, 텍스트 요약, 음성 인식 등** 다양한 응용 분야에서 활용됩니다. NLP의 대표적인 기술에는 토큰화, 형태소 분석, 문장 구조 분석 등이 포함됩니다.
7. Computer Vision (컴퓨터 비전) [kəmˈpjuː.tər ˈvɪʒ.ən]
컴퓨터 비전은 AI가 이미지나 영상을 분석하고 이해하는 기술입니다. 예를 들어, **얼굴 인식, 자율주행차의 객체 인식, 의료 영상 분석** 등 다양한 분야에서 활용됩니다. 컴퓨터 비전은 **CNN(합성곱 신경망, Convolutional Neural Network)**과 같은 딥러닝 모델을 활용해 이미지의 특징을 학습하고 분석하는 것이 핵심이에요. 최근에는 OpenAI의 DALL-E나 Google의 DeepMind처럼 이미지 생성에도 활용되고 있습니다.
8. Generative AI (생성형 AI) [ˈdʒɛn.ə.rə.tɪv eɪ.aɪ]
생성형 AI는 **새로운 텍스트, 이미지, 음악, 코드 등을 생성하는 AI 기술**입니다. 예를 들면 **ChatGPT(GPT-4), DALL-E, Midjourney** 등이 이에 해당하죠. 기존 AI는 주어진 데이터를 분석하고 판단하는 데 초점을 맞췄다면, 생성형 AI는 학습한 데이터를 기반으로 새로운 콘텐츠를 만들어냅니다. 이 기술은 마케팅, 디자인, 프로그래밍, 미디어 제작 등 다양한 분야에서 활용되고 있어요.
9. AGI (Artificial General Intelligence, 범용 인공지능) [ˌɑːr.t̬ɪˈfɪʃ.əl ˈdʒɛn.rəl ɪn.t̬ɛl.ɪˈdʒɛn.sə]
AGI는 특정 작업에 국한되지 않고, 인간처럼 여러 가지 복잡한 문제를 해결할 수 있는 AI를 의미합니다. 현재의 AI(약한 AI)는 특정 분야에서만 작동하지만, AGI는 **창의적 사고, 감정 이해, 복합적 문제 해결 능력**까지 갖추는 것이 목표입니다. 아직 개발되지 않았지만, OpenAI, Google DeepMind, Anthropic 같은 연구기관들이 AGI를 향한 연구를 진행 중입니다.
10. ASI (Artificial Super Intelligence, 초지능) [ˌɑːr.t̬ɪˈfɪʃ.əl ˈsuː.pɚ ɪn.t̬ɛl.ɪˈdʒɛn.sə]
ASI는 인간의 지능을 초월하는 AI를 의미합니다. 이론적으로는 **모든 인간의 지적 능력을 능가하는 AI로, 과학, 경제, 철학, 예술 등 모든 분야에서 인간보다 뛰어난 성과를 낼 수 있는 AI**를 의미하죠. 현재로서는 SF 영화에서나 등장하는 개념이지만, 일부 연구자들은 21세기 후반에 ASI가 등장할 가능성을 제기하고 있습니다.
11~20: 머신러닝과 딥러닝 기초
11. Supervised Learning (지도 학습) [ˈsuː.pɚ.vaɪzd ˈlɝː.nɪŋ]
지도 학습은 **정답이 있는 데이터(레이블 데이터)를 기반으로 학습하는 머신러닝 기법**입니다. 예를 들어, **고양이와 개를 분류하는 AI를 만든다고 하면, 고양이와 개로 라벨링된 이미지 데이터를 AI에게 학습시키는 방식**이에요. 이러한 방식은 스팸 필터링, 질병 진단, 음성 인식 등 다양한 분야에서 활용됩니다.
12. Unsupervised Learning (비지도 학습) [ʌnˈsuː.pɚ.vaɪzd ˈlɝː.nɪŋ]
비지도 학습은 **정답(레이블)이 없는 데이터를 활용해 패턴을 찾는 머신러닝 기법**입니다. 예를 들어, 온라인 쇼핑몰에서 고객들의 행동 데이터를 분석해 비슷한 소비 성향을 가진 그룹을 찾아내는 방법이죠. 비지도 학습은 클러스터링(군집 분석), 이상 탐지, 차원 축소 등에서 많이 활용됩니다.
13. Reinforcement Learning (강화 학습) [ˌriː.ɪnˈfɔːrs.mənt ˈlɝː.nɪŋ]
강화 학습은 **보상(Reward)과 벌점(Penalty)을 통해 최적의 행동을 학습하는 방법**입니다. 예를 들어, 체스 AI는 수많은 게임을 플레이하며, 승리할 경우 보상을 받고 패배할 경우 벌점을 받으며 최적의 전략을 학습합니다. 이 기술은 **게임 AI, 로보틱스, 자율주행 시스템** 등에 활용됩니다.
14. Neural Network (신경망) [ˈnjʊ.rəl ˈnɛt.wɝːk]
신경망은 **인간의 뇌 신경 구조를 모방한 AI 학습 모델**입니다. 기본적으로 여러 개의 뉴런(neuron)이 연결되어 정보를 처리하는 구조로 되어 있으며, 머신러닝과 딥러닝의 핵심 개념이에요.
15. Artificial Neural Network (ANN, 인공신경망) [ˌɑːr.tɪˈfɪʃ.əl ˈnjʊ.rəl ˈnɛt.wɝːk]
인공신경망(ANN)은 **인간의 뇌 신경 구조를 모방한 AI 학습 모델**입니다. 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성되며, 각 층의 뉴런들이 서로 연결되어 데이터를 처리하고 패턴을 학습합니다. ANN은 가장 기본적인 신경망 구조로, **이미지 인식, 음성 처리, 금융 분석** 등에 널리 사용됩니다. 딥러닝의 발전으로 ANN이 발전한 형태인 CNN, RNN, 트랜스포머 등이 등장하게 되었죠.
16. Convolutional Neural Network (CNN, 합성곱 신경망) [ˌkɑːn.vəˈluː.ʃən.əl ˈnjʊ.rəl ˈnɛt.wɝːk]
CNN은 **이미지 분석에 특화된 신경망 구조**로, 합성곱(Convolution)과 풀링(Pooling) 연산을 활용해 이미지의 특징을 추출하고 분석하는 딥러닝 모델입니다. 예를 들어, 스마트폰의 얼굴 인식 기능이나 자율주행차의 교통 표지판 인식 등에 활용되죠. CNN은 사진의 **형태, 색상, 패턴을 인식하는 데 매우 효과적**이며, 컴퓨터 비전에서 가장 중요한 기술 중 하나입니다.
17. Recurrent Neural Network (RNN, 순환 신경망) [rɪˈkɝː.ənt ˈnjʊ.rəl ˈnɛt.wɝːk]
RNN은 **시퀀스 데이터(연속된 데이터)를 다루는 신경망 구조**입니다. 예를 들어, **음성 인식, 텍스트 생성, 주가 예측**과 같이 시간 흐름이 중요한 데이터를 분석하는 데 사용됩니다. RNN의 특징은 **이전 단계의 출력을 다음 단계의 입력으로 활용하여 시간 정보를 반영할 수 있다는 것**입니다. 하지만 RNN은 긴 시퀀스 데이터를 다룰 때 '기울기 소실(vanishing gradient)' 문제를 겪는데, 이를 해결하기 위해 LSTM과 GRU 같은 개선된 모델이 등장했습니다.
18. Long Short-Term Memory (LSTM, 장단기 메모리) [lɔːŋ ʃɔːrt tɝːm ˈmɛm.ə.ri]
LSTM은 **RNN의 한계를 개선한 신경망 모델**로, 긴 시퀀스 데이터를 처리할 때 유용한 구조입니다. RNN은 긴 문장을 학습할 때 과거 정보를 잊어버리는 문제가 있는데, LSTM은 **셀 상태(Cell State)와 게이트(Gate) 구조를 도입하여 장기 의존성 문제를 해결**했어요. 예를 들어, **챗봇, 기계 번역, 음성 인식** 등에서 널리 사용됩니다.
19. Transformer (트랜스포머) [ˈtræns.fɚ.mɚ]
트랜스포머는 **자연어 처리(NLP) 및 생성형 AI에서 가장 널리 사용되는 딥러닝 모델**입니다. RNN과 LSTM은 입력 데이터를 순차적으로 처리해야 하지만, 트랜스포머는 **병렬 연산이 가능하여 훨씬 빠르고 효율적으로 학습**할 수 있습니다. 대표적인 예로 **GPT-4, BERT, T5** 같은 모델이 있으며, 이 모델들은 번역, 문서 요약, 질의응답, 텍스트 생성 등 다양한 분야에서 사용됩니다.
20. GAN (Generative Adversarial Network, 생성적 적대 신경망) [ˈdʒɛn.ər.ə.tɪv ədˈvɝː.sə.r.i ˈnɛt.wɝːk]
GAN은 **AI가 데이터를 생성할 수 있도록 설계된 딥러닝 모델**입니다. 생성자(Generator)와 판별자(Discriminator) 두 개의 신경망이 경쟁하며 학습하는 방식이에요. - **생성자(G)**: 실제 데이터와 유사한 가짜 데이터를 생성 - **판별자(D)**: 입력된 데이터가 실제 데이터인지 가짜인지 판별 이 두 네트워크가 경쟁하면서 생성자는 더욱 정교한 데이터를 만들어낼 수 있습니다. GAN은 **딥페이크, 이미지 생성, 예술 창작, 데이터 증강** 등에 활용됩니다.
자주 묻는 질문 (FAQ)
머신러닝은 AI가 데이터를 학습하는 기법 전체를 의미하고, 딥러닝은 그중에서 인공신경망(ANN)을 활용한 고도화된 학습 방법이에요. 딥러닝은 더 많은 데이터를 필요로 하지만, 더 복잡한 패턴을 학습할 수 있습니다.
CNN은 이미지 데이터를 분석하는 데 특화된 신경망이고, RNN은 순차적인 데이터를 처리하는 신경망이에요. CNN은 얼굴 인식이나 객체 탐지에, RNN은 번역, 음성 인식 등 연속된 데이터 처리에 사용됩니다.
GAN은 딥페이크 영상 제작, 예술 창작, 게임 그래픽 생성, 의료 이미지 증강 등 다양한 분야에서 활용됩니다. 특히, 데이터가 부족한 경우 GAN을 이용해 가상의 데이터를 만들어 학습할 수도 있어요.
맺음말
여기까지 AI 개념을 정리해봤는데 어떠셨나요? AI를 처음 접하는 분들에게 도움이 되었길 바랍니다! 이번 글에서는 1~20개의 핵심 용어를 다뤘고, 다음 편에서는 더 많은 AI 개념을 깊이 있게 알아볼 예정이니 기대해주세요. 더 알고 싶은 용어가 있다면 댓글로 남겨주세요! 😊
'AIJOSSI > AI 개념' 카테고리의 다른 글
| [AI 개념] 처음이라 막막하지? 꼭 알아야하는 AI핵심용어 100개 정리! Part.3 (41~60) (1) | 2025.03.14 |
|---|---|
| [AI 개념] 처음이라 막막하지? 꼭 알아야하는 AI핵심용어 100개 정리! Part.2 (21~40) (1) | 2025.03.13 |
| [AI 개념] 아무것도 모르겠다구? 초보자를 위한 AI 개념 완벽 정리! (3) | 2025.03.12 |
| [AI 개념] AI 기술, 어디까지 발전했을까? (4) | 2025.03.12 |
| [AI개념] 도대체 AI가 뭔데? 인공지능의 개념과 기본 원리에 대해 알아보자 (9) | 2025.03.11 |
