AI 초보자를 위한 필수 용어 총정리! 쉽게 이해하는 AI 개념

출처 : MBC 무한도전

 

인공지능(AI)이라는 단어가 이제는 일상에서도 흔히 들리는 시대가 되었다. 하지만 AI 관련 뉴스나 설명을 보다 보면 처음 보는 용어들이 많아서 막막할 때가 있다. "뭔가 느낌적으로 알겠는데 정확한 뜻은 모르겠어!" 라는 생각이 들었다면, 이 글이 도움이 될 것이다! AI 초보자를 위해 꼭 알아야 할 기본 용어들을 쉽게 정리해주겠다.
 

---

 
AI, Artificial Intelligence

인공지능 이란?

💡

 

 

인공지능(AI)은 사람처럼 사고하고 학습하며 판단을 내리는 컴퓨터 기술을 의미한다. 즉, 인간이 하는 작업을 컴퓨터가 대신 수행할 수 있도록 설계된 시스템을 말한다. 핵심적인 특징은 크게 세가지로 나뉜다.

학습(Learning): 데이터를 분석하고 새로운 정보를 습득할 수 있음
추론(reasoning): 논리적으로 판단하고 결정을 내릴 수 있음
문제 해결(Problem Solving): 특정한 문제를 해결하는 능력

즉, AI는 단순히 미리 설정된 프로그램이 아니라, 데이터를 학습하고 점점 더 똑똑해지는 기술을 뜻한다. 실생활에서의 예를 들면 아이폰 유저라면 누구나 한번 불러 본 “시리야, 오늘 날씨 어때?” 처럼 음성 비서를 말할 수도 있고, 요즘 고객센터를 대신하는 챗봇도 마찬가지다. 최근에는 사용자의 습관을 학습해 조명이나 방 온도를 자동 조절하는 스마트 홈을 예를 들 수 있겠다.

---

 

ML, Machine Learnig

머신러닝 이란?

💡

과거에는 사람이 직접 프로그램을 짜저 컴퓨터가 작동하도록 만들었지만, 현대에는 컴퓨터가 스스로 학습을 하게 한다. 그것을 머신러닝 이라고 한다. 더 쉽게 말하자면 컴퓨터는 인간이 “이런 경우엔 이렇게 행동해!”를 프로그래밍 했지만, 머신러닝은 데이터를 학습하고 스스로 패턴을 학습해서 ’규칙‘을 찾아낸다.

머신러닝의 대표적인 예시는
1) 유튜브 추천 알고리즘: 사용자의 시청 패턴을 분석하여 관심 있는 영상을 추천
2) 스팸 필터: 이메일 내용을 학습하여 스팸 메일을 자동으로 분류
3) 은행 사기 탐지 시스템: 비정상적인 거래 패턴을 감지하여 금융 사기 예방

즉, 머신러닝은 데이터를 기반으로 ’컴퓨터가 스스로 학습‘하는 기술이라고 보면 된다.

---

 

Deep Learning

딥러닝 이란?

💡

 

딥러닝은 머신러닝의 한 분야로, 사람의 뇌를 모방한 ’인공 신경망(Artificial Neural Network)‘을 이용해 학습하는 기술이다. 즉, 사람의 뇌가 정보를 처리하는 방식과 비슷하게 AI를 학습시키는 기술이다. 머신러닝은 사람이 일부 개입해서 학습 방향을 조정해야하지만, 딥러닝은 스스로 모든것을 학습하고 최적의 방법을 찾는다고 보면 된다. 머신러닝과 딥러닝은 완전히 다른 기술이 아니라, 딥러닝이 머신러닝의 한 종류이다.

딥러닝의 대표적인 예시는
1) 얼굴 인식 시스템: 스마트폰 잠금 해제(Face ID)
2) 자율주행 자동차: 카메라와 센서를 이용해 도로 상호아을 분석하고 운전
3) 의료 영상 판독 AI: MRI, X-ray 분석을 통해 질병을 조기에 발견

---

 

Large Language Model

LLM 이란?

💡

 

 

“ChatGPT같은 AI는 어떻게 사람처럼 대화할 수 있을까?”
LLM은 엄청나게 많은  텍스트 데이터를 학습해서 자연스럽게 대화할 수 있는 AI를 의미한다. LLM은 문장을 보고 문맥을 이해할 수 있고, 대화 흐름을 분석하여 자연스러운 답변을 생성한다. 또한, 주어진 질문에 대해 창의적인 답변(텍스트)을 만들어낸다.

대표적인 LLM 모델은 ChatGPT, Gemini, Claude, 퍼플렉시티, Grok3 등 이 있다. 즉, LLM은 사람이 쓴 수많은 문서를 학습해서 대화를 자연스럽게 할 수 있는 AI라고 보면 된다.

---

 

Generative AI

생성형AI 란?

💡

AI는 보통 데이터를 분석하고 판단하는 역할이라면, 생성형 AI는 새로운 콘텐츠(텍스트, 이미지, 영상, 음악 등)를 직접 만들어낼 수 있는 AI이다. 즉, 단순히 주어진 데이터를 분석하는 것이 아니라, 새로운 데이터를 창조하는 능력을 갖고 있다.

생성형AI의 대표적인 예시는
1) DALL-E, Midjourney(미드저니): AI가 그림을 직접 그려줌.
2) SORA: AI가 직접 영상을 만들어 줌.
3) SUNO: AI가 직접 음악을 만들어 줌.

즉, 기존 AI는 “정보를 분석하고 판단”하는 역할이었지만, 생성형 AI는 “새로운 콘텐츠를 창작”하는 역할을 한다.

---

 

Prompt

프롬프트 란?

💡

AI, 특히 생성형 AI를 활용할 때 가장 중요한 것이 바로 프롬프트 이다, 프롬프트란 쉽게 말해서 AI에게 주는 명령어, 입력값 또는 질문을 의미한다. 즉, AI에게 정확히 어떤 정보를 요청하느냐에 따라 AI의 응답이 달라지기 때문에 프롬프트를 잘 쓰는 것이 AI 활용의 핵심이라고 할 수 있다.

AI는 사람이 요청한 애용을 기반으로 답변을 생성하기 때문에, 프롬프트의 품질이 결과의 품질을 결정한다. 질문을 모호하게 하면 AI가 이상한 답을 내놓을 수 있고, 질문을 구체적으로하면 AI가 더 정확한 답을 줄 가능성이 높아진다.

❌ 잘못된 프롬프트의 예시
“강아지 그림을 그려줘”

 

⭕ 좋은 프롬프트의 예시
“하늘색 모자를 쓴 골든 리트리버가 공원에서 뛰어노는 그림을 그려줘, 밝고 따뜻한 색감으로.”

AI에게 더 많은 정보와 원하는 스타일을 제공하면 결과물이 훨씬 더 좋아진다!

 

---

 

Hallucination

할루시네이션 이란?

💡

”AI가 가끔 이상한 말을 하던데, 왜 그런거야?“
할루시네이션은 AI가 실제 존재하지 않는 정보를 마치 사실인 것처럼 만들어내는 현상을 의미한다. AI가 ”나는 모르겠어“라고 말하지 않고, 데이터에 없는 내용을 지어내는 것이죠. 지금은 많이 줄어들긴 했지만 초창기 LLM 모델에선 종종 볼 수 있는 현상이었다.

할루시네이션 예시)
👤(User): 서울 강남구 논현동 점심메뉴 맛집 하나만 말해줘.
🤖(AI): 서울 강남구 논현동 점심메뉴 맛집은 'AI사무실 양꼬치'야.(논현동엔 'AI사무실 양꼬치'라는 음식점은 없다.)

할루시네이션을 줄이려면 AI에게 더 정확한 프롬프트를 제공하거나 최신정보가 반영 된 AI를 사용해야 한다. 그리고 정말 급하게 처리해야할 일이 아니라면 사실 확인을 한번 더 하는 것이 좋다!

---

 

Parameter

파라미터 란?

💡

파라미터는 AI 모델이 학습한 정보의 양을 결정하는 요소이다. 쉽게 말해, AI의 뇌 속 뉴런 개수라고 보면 된다! 즉, 파라미터가 많을수록 AI는 더 똑똑하고 강력한 성능을 발휘한다!

🔹 Chat GPT 버전별 파라미터 비교

모델	파라미터 수(예상)	특징
GPT-2	15억개	간단한 대화 가능
GPT-3	1,750억 개	더 자연스러운 문장 생성 가능
GPT-4	1조 개 이상(추정)	더 정교한 문맥 이해 가능

 

그렇다고 파라미터가 많으면 무조건 좋을까? 그건 아니다. 너무 많은 파라미터는 연산량이 많아져 연산 속도를 저하시킬 수 있다. 따라서 작은 AI 모델, 예를 들어 스마트폰 같은 경우는 수십억 개의 파라미터만으로도 충분히 좋은 성능을 낼 수 있다. 파라미터의 갯수를 줄이면서 연산속도를 올리는 최적화 연구는 계속되고 있다!

 

---

 

Multimodal

멀티모달 이란?

💡

 

 

멀티모달은 AI가 한 가지 형태(모달리티)의 정보만 다루는 게 아니라, 여러 가지 데이터를 동시에 처리하는 기술을 의미하는데, 쉽게 말해 단순히 텍스트만 이해하는 것이 아니라, 이미지, 음성, 영상까지도 이해하는 AI라고 생각하면 된다. 

 

멀티모달 AI의 대표적인 예시는

1) ChatGPT-4o: 최신 GPT 모델은 이미지, 음성, 영상까지 이해한다. 예를 들어 사진은 업로드하면, AI가 사진을 보고 설명해주는 식.필자는 영상 프로그램의 오류가 생기면 캡쳐 후 오류를 파악해달라고 해서 해결한다.

2) Google Lens: 스마트폰 카메라로 사물을 찍으면 AI가 이미지를 분석하여 정보를 제공한다. 

3) Whisper: 음성을 듣고 텍스트로 변환하거나, 반대로 텍스트를 음성으로 읽어준다.

 

이제 AI는 텍스트뿐만 아니라 사진을 보고, 소리를 듣고, 영상을 분석하며 점점 더 인간과 비슷한 방식으로 정보를 이해하고 처리하는 단계로 나아가고 있다. 

---

 

AI에 이제 입문하는 사람들에게 도움이 될만한 용어들로 정리해보았다! 아주 기본적인 내용이지만 또 모르면 헷갈릴수 있고 어렵게만 느껴지는데, 막상 풀이를 보고나면 '별거 아닌데?'라고 생각이 들 것이다. 이 글을 보는 사람들은 AI가 더 익숙해져 좀 더 쾌적한 업무, 생활을 했으면 좋겠다.