AI 용어집

뉴스에서 자주 보는 AI 용어를 쉽게 풀이합니다.

공개 모델(오픈 웨이트): 학습된 파라미터가 공개되어 누구나 내려받아 자기 컴퓨터 등에서 실행할 수 있는 모델. 라이선스는 제각각입니다.
대규모 언어 모델(LLM): 다음 단어를 예측하도록 방대한 텍스트로 학습한 AI 모델. ChatGPT, Claude, Gemini는 대규모 언어 모델을 기반으로 합니다.
데이터센터: 서버와 칩으로 가득한 건물. AI 데이터센터는 막대한 전력과 냉각이 필요합니다.
딥페이크: AI로 만든 진짜 같은 가짜 영상, 이미지, 목소리로, 실존 인물인 경우가 많습니다. 사기와 허위 정보에 쓰입니다.
멀티모달: 글, 이미지, 소리, 영상 등 여러 종류의 입력이나 출력을 하나의 모델에서 다룰 수 있는 것.
벤치마크: AI 모델을 비교하는 표준 테스트. 결과는 참고가 되지만 점수가 높다고 내 작업에 가장 좋은 모델이라는 보장은 없습니다.
생성형 AI: 기존 데이터를 분류하거나 분석하는 데 그치지 않고 글, 이미지, 소리, 영상, 코드 같은 새 콘텐츠를 만드는 AI.
양자화: 모델의 숫자를 더 적은 비트로 저장해 메모리를 줄이고 속도를 높이는 것. 품질은 조금 떨어집니다. AI를 내 컴퓨터에서 돌릴 때 흔히 씁니다.
인공지능(AI): 언어 이해, 이미지 인식, 의사 결정처럼 보통 인간의 사고와 연결되는 일을 해내는 컴퓨터 시스템.
인퍼런스(추론 실행): 학습을 마친 모델을 실행해 답을 얻는 것. 채팅 메시지 하나하나가 인퍼런스이며, AI 서비스는 여기에 칩과 전력을 씁니다.
전문가 혼합(MoE): 네트워크를 여러 ‘전문가’로 나누고 단어마다 일부만 사용하는 설계. 큰 모델을 더 싸게 실행할 수 있습니다.
정렬(얼라인먼트): AI가 더 강력해져도 사람이 의도한 대로 움직이고 해로운 행동을 피하도록 만드는 작업.
챗봇: 일상 언어로 대화하는 프로그램. 요즘 AI 챗봇은 대규모 언어 모델로 답변을 씁니다.
추론 모델: 답하기 전에 문제를 단계별로 생각하는 모델. 수학, 논리, 코드에 강한 편이지만 느리고 비쌉니다.
컨텍스트 창: 모델이 한 번에 고려할 수 있는 텍스트의 양으로, 토큰 수로 나타냅니다. 창이 클수록 긴 문서를 한 번에 읽을 수 있습니다.
토큰: 언어 모델이 읽고 쓰는 작은 텍스트 조각으로, 단어의 일부인 경우가 많습니다. 요금과 한도는 보통 토큰으로 셉니다.
파라미터(매개변수): 학습 중에 조정되는 모델 내부의 숫자. 많을수록 능력이 커지는 경향이 있지만 메모리와 비용도 늘어납니다.
파인튜닝(미세 조정): 기존 모델을 더 작고 특정한 데이터로 추가 학습해 특정 작업이나 문체를 더 잘하게 만드는 것.
프롬프트: AI 모델에 주는 지시나 질문. 맥락과 예시가 담긴 명확한 프롬프트일수록 대체로 더 좋은 답을 얻습니다.
학습(훈련): 모델이 대량의 데이터에서 패턴을 익히는 과정. 최첨단 모델 학습에는 몇 달과 수천 개의 칩이 들 수 있습니다.
확산 모델: 노이즈에서 시작해 결과를 단계적으로 다듬어 이미지, 영상, 글을 만드는 모델.
환각(할루시네이션): AI 모델이 지어낸 사실이나 출처처럼 틀린 내용을 자신 있게 말하는 현상. 중요한 정보는 항상 확인하세요.
AGI(범용 인공지능): 사람만큼 대부분의 지적 작업을 배우고 해낼 수 있다는 가상의 AI. 합의된 정의나 시험은 없습니다.
AI 에이전트: 목표를 향해 스스로 일하는 AI 시스템. 단계를 계획하고 브라우저나 코드 같은 도구를 쓰며 결과를 점검합니다.
API: 프로그램끼리 소통하는 방법. 개발자는 기업의 API로 그 회사의 AI 모델을 자기 앱에 넣고, 보통 토큰 단위로 요금을 냅니다.
GPU(그래픽 처리 장치): 많은 계산을 동시에 처리하는 그래픽 칩. Nvidia 등의 GPU는 AI를 학습하고 실행하는 핵심 하드웨어입니다.
RAG(검색 증강 생성): AI가 먼저 관련 문서를 찾아본 뒤 그 내용을 바탕으로 답을 쓰는 기법. 지어낸 사실을 줄여 줍니다.