AI 용어 사전 (2024년 12월): 입문편 ✏️부터 심화편 🎓까지

AI 기술의 발전과 함께 등장하는 다양한 용어들은 기술의 이해를 돕는 데 매우 중요합니다. 이 사전은 생성형 AI의 기본 개념부터 최신 트렌드와 고급 기술 용어까지 폭넓게 다루고 있어, 초보자와 전문가 모두에게 유용합니다.

🔎 입문편: 꼭 알아야 할 AI 기본 개념

1. AGI (Artificial General Intelligence)

• 정의: 인간처럼 자율적으로 여러 작업을 수행할 수 있는 범용 AI를 의미합니다.
• 특징: 특정 작업만 잘하는 협소한 AI와 달리, 복잡하고 다양한 문제를 스스로 해결하는 능력을 가짐.
• 예시: 현재 연구 단계에 머물러 있으며, 영화 아이로봇이나 엑스 마키나의 AI가 가깝습니다.

2. AI Agent

• 정의: 특정 작업을 독립적으로 수행할 수 있는 AI 프로그램.
• 용도: 고객 서비스 챗봇, 음성 비서(Siri, Alexa), 자동화된 상담 시스템 등.
• 특징: 인간의 개입 없이 데이터를 기반으로 학습·응답.

3. AI Bias (AI 편향)

• 정의: AI가 학습 데이터의 불균형 또는 편견 때문에 특정 그룹에 불리한 결과를 생성하는 현상.
• 문제점: 잘못된 채용 결과, 불공평한 신용평가 등.
• 해결법: 공정성을 고려한 데이터 구성과 모델 개선.

4. AI Diet (AI 다이어트)

• 정의: AI 모델의 효율성을 높이기 위해 훈련 데이터를 최적화하는 방식.
• 목표: 데이터 중복 제거, 불필요한 데이터 삭제를 통해 경량화 및 전력 소모 절감.
• 관련 개념: Data Diet, 효율적 데이터 관리 방법.

5. AI Sovereignty (AI 주권)

• 정의: 특정 국가나 조직이 데이터 보호와 독립적 AI 운영을 강조하는 접근.
• 예시: 유럽연합의 GDPR(개인정보보호법)이 대표적인 사례.

6. Computer Vision

• 정의: 기계가 이미지를 보고 해석하는 AI 기술.
• 용도: 얼굴 인식, 자율주행차, 의료 영상 분석.
• 기술 특징: 객체 탐지, 분류, 추적 등.

7. Foundation Model

• 정의: 대규모 데이터 학습으로 다양한 작업을 지원하는 범용 AI 모델.
• 예시: OpenAI의 GPT, Google의 Gemini 등.
• 중요성: 언어, 이미지, 오디오 등 여러 도메인에 활용 가능.

8. GPT (Generative Pre-training Transformer)

• 정의: 언어 생성 및 처리에 특화된 AI 모델로, ChatGPT 등의 핵심 기술.
• 구성 요소:
  • Pre-trained: 미리 학습된 상태에서 제공.
  • Transformer: 효율적인 데이터 처리 구조.
• 활용: 글쓰기 지원, 프로그래밍, 문제 해결 등.

9. Guardrail (가드레일)

• 정의: AI 모델의 잘못된 행동을 방지하는 정책·제한 장치.
• 목표: 유해한 콘텐츠 생성 방지, 안전한 데이터 처리.

10. NLP (Natural Language Processing)

• 정의: AI가 인간 언어를 이해하고 생성하는 기술.
• 응용 분야: 번역기, 음성 비서, 이메일 스팸 필터링.

11. Multi-Modal AI

• 정의: 텍스트, 이미지, 오디오 등 다양한 데이터를 동시에 처리 가능한 AI.
• 중요성: 인간의 복합적인 의사소통 방식에 가까워짐.
• 예시:
  • OpenAI의 DALL·E: 텍스트 기반 이미지 생성.
  • Google의 Gemini: 텍스트·이미지·오디오·비디오 통합 처리.

12. Orchestration

• 정의: 여러 AI 모델이나 시스템이 조화를 이루도록 조정하는 기술.
• 용도: AI 워크플로의 자동화와 최적화.

13. Token (토큰)

• 정의: AI 모델이 데이터를 이해·처리하기 위한 최소 단위(단어, 문자 등).
• 예시:
  • "AI is amazing!" → 4개의 토큰으로 나뉨(AI / is / amazing / !).

---

💪 심화편: AI 고급 개념과 최신 트렌드

1. AI Legacy

• 정의: 기존 시스템과 AI 기술 통합 시 발생하는 기술적 부채와 비효율.
• 문제점: 시스템 호환성 부족, 기술 업데이트 어려움.

2. AI TRiSM (Trust, Risk, and Security Management)

• 정의: AI 모델의 신뢰성과 보안을 강화하고 위험을 관리하는 방법론.
• 중요성: AI 도입 증가로 인한 위험 대비.

3. Bio-Inspired AI (생체 모방 AI)

• 정의: 자연의 생물체나 현상을 모방한 AI 설계.
• 예시:
  • 딥러닝: 인간 신경망 모방.
  • 개미 군집 알고리즘: 최적 경로 찾기.

4. Edge AI Farm

• 정의: 엣지 디바이스에서 독립적으로 AI 학습·실행을 하는 분산 시스템.
• 예시: 스마트 팩토리의 각 기계가 독립적으로 데이터 처리.

5. PromptOps

• 정의: 생성형 AI의 입력 프롬프트를 최적화하고 체계적으로 관리하는 기술.
• 중요성: AI 성능은 프롬프트 설계에 크게 좌우됨.

6. Reinforcement Learning (강화 학습)

• 정의: 보상과 처벌을 통해 AI가 스스로 학습하는 방식.
• 예시: 자율주행차, 게임 플레이 AI.

7. Zero-shot Learning (제로샷 러닝)

• 정의: 학습하지 않은 작업도 유사성을 기반으로 처리하는 AI 능력.
• 예시: 본 적 없는 동물을 텍스트 설명만으로 분류.