콘텐츠로 이동

생성형 AI 완전 정복

C. 용어 사전

C. 용어 사전¶

생성형 AI 관련 한/영 용어 정리입니다.

ㄱ¶

강화학습 (Reinforcement Learning): 보상과 벌칙을 통해 AI가 최적의 행동을 학습하는 방식
검색 증강 생성 (RAG, Retrieval-Augmented Generation): 외부 데이터베이스에서 관련 정보를 검색하여 AI 응답에 활용하는 기술
과적합 (Overfitting): AI가 학습 데이터에만 지나치게 맞춰져 새로운 데이터에서 성능이 떨어지는 현상
그라운딩 (Grounding): AI 응답을 실제 데이터나 출처에 기반하도록 하는 기법

ㄴ¶

노이즈 (Noise): 데이터에 포함된 불필요하거나 오류가 있는 정보

ㄷ¶

대규모 언어 모델 (LLM, Large Language Model): 방대한 텍스트 데이터로 학습된 AI 모델 (예: GPT-5.4, Claude 4.6, Gemini 3.1 Pro)
데이터 증강 (Data Augmentation): 기존 데이터를 변형하여 학습 데이터를 늘리는 기법
디코더 (Decoder): 트랜스포머 구조에서 출력을 생성하는 부분

ㅁ¶

멀티모달 (Multimodal): 텍스트, 이미지, 오디오 등 여러 형태의 데이터를 함께 처리하는 능력
메타 프롬프트 (Meta Prompt): AI의 전반적인 행동 방식을 지정하는 시스템 수준의 프롬프트

ㅂ¶

벡터 (Vector): 텍스트나 이미지를 숫자 배열로 변환한 것
벡터 데이터베이스 (Vector Database): 벡터화된 데이터를 저장하고 유사도 검색을 수행하는 데이터베이스
베이스라인 (Baseline): 비교 기준이 되는 기본 성능 수치

ㅅ¶

생성형 AI (Generative AI): 텍스트, 이미지, 코드 등 새로운 콘텐츠를 생성하는 AI
셀프 어텐션 (Self-Attention): 입력 시퀀스 내에서 각 요소가 다른 요소들과의 관계를 계산하는 메커니즘
시스템 프롬프트 (System Prompt): AI의 역할, 성격, 제약 조건을 정의하는 프롬프트

ㅇ¶

에이전트 (Agent): 자율적으로 작업을 수행하고 결정을 내리는 AI 시스템
인라인 시각화 (Inline Visualization): 대화 내에서 직접 차트, 다이어그램 등을 생성하는 기능 (예: Claude의 인라인 차트/다이어그램)
에폭 (Epoch): 전체 학습 데이터를 한 번 완전히 학습하는 주기
엔코더 (Encoder): 트랜스포머 구조에서 입력을 이해하고 표현하는 부분
임베딩 (Embedding): 텍스트, 이미지 등을 고정 길이의 숫자 벡터로 변환하는 과정

ㅈ¶

정렬 (Alignment): AI가 인간의 의도와 가치에 맞게 행동하도록 하는 것
제로샷 (Zero-shot): 예시 없이 AI가 직접 작업을 수행하는 방식

ㅊ¶

추론 (Inference): 학습된 AI 모델이 새로운 입력에 대해 결과를 생성하는 과정

ㅋ¶

코워크 (Cowork): Anthropic Claude의 지속적 에이전트 스레드(persistent agent thread) 기능. 여러 세션에 걸쳐 프로젝트 맥락을 유지하며 작업을 관리
컨텍스트 윈도우 (Context Window): AI가 한 번에 처리할 수 있는 텍스트의 최대 길이 (토큰 수로 측정)

ㅌ¶

토큰 (Token): AI가 텍스트를 처리하는 기본 단위 (단어, 부분 단어, 문자 등)
토크나이저 (Tokenizer): 텍스트를 토큰으로 분할하는 도구
트랜스포머 (Transformer): 현대 LLM의 기반이 되는 신경망 아키텍처

ㅍ¶

파라미터 (Parameter): AI 모델 내부의 학습 가능한 가중치 (GPT-4는 약 1.8조 개)
파인튜닝 (Fine-tuning): 사전 학습된 모델을 특정 작업에 맞게 추가 학습시키는 과정
프롬프트 (Prompt): AI에게 전달하는 입력 텍스트 또는 지시문
프롬프트 엔지니어링 (Prompt Engineering): 원하는 결과를 얻기 위해 프롬프트를 최적화하는 기술
퓨샷 (Few-shot): 몇 가지 예시를 제공하여 AI의 응답 패턴을 유도하는 기법

ㅎ¶

하이퍼파라미터 (Hyperparameter): 모델 학습 과정을 제어하는 설정값 (학습률, 배치 크기 등)
할루시네이션/환각 (Hallucination): AI가 사실이 아닌 정보를 마치 사실인 것처럼 생성하는 현상

A-Z¶

AGI (Artificial General Intelligence): 인간 수준의 범용 인공지능
API (Application Programming Interface): AI 모델을 외부 프로그램에서 호출할 수 있게 하는 인터페이스
Attention: 입력의 특정 부분에 집중하여 처리하는 메커니즘
Batch: 한 번에 처리되는 데이터 묶음
Chain of Thought (CoT): 단계별 추론을 유도하는 프롬프팅 기법
Constitutional AI: Anthropic이 개발한 AI 안전성 향상 기법
Diffusion Model: 노이즈에서 점진적으로 이미지를 생성하는 모델 (예: Stable Diffusion, DALL-E)
Embedding: 텍스트/이미지를 벡터로 변환한 수치 표현
Few-shot Learning: 몇 가지 예시를 제공하여 AI의 응답 패턴을 유도하는 기법
Foundation Model: 다양한 작업에 적용 가능한 대규모 사전 학습 모델
GPT (Generative Pre-trained Transformer): OpenAI가 개발한 생성형 언어 모델 시리즈
RLHF (Reinforcement Learning from Human Feedback): 인간 피드백을 통해 AI를 학습시키는 방법
Temperature: AI 출력의 무작위성을 조절하는 파라미터 (0=결정적, 1=창의적)
Top-k / Top-p: 다음 토큰 선택 시 고려할 후보의 범위를 제한하는 파라미터
Transfer Learning: 한 작업에서 학습한 지식을 다른 작업에 적용하는 기법
Zero-shot: 예시 없이 AI가 직접 작업을 수행하는 방식