안녕하세요. 디피니트입니다.
최근 AI 관련 뉴스가 하루도 빠지지 않고 나오고 있습니다. 그런데 기사를 읽다 보면 "AGI가 뭐지?", "할루시네이션이 뭔데?" 라는 생각이 들면서 헷갈리는 용어들이 참 많은데요.
전문가가 아니어도 AI 시대를 살아가는 우리에게는 이런 기본 용어들을 아는 것이 필요합니다. 복잡한 기술 설명보다는 "아, 그런 거구나!" 하고 이해할 수 있도록 쉽게 설명해드리겠습니다.
오늘은 AI 뉴스나 유튜브를 볼 때 자주 나오는데 정확한 뜻은 모르겠는 핵심 용어 20가지를 정리해보겠습니다.
기본 개념 용어
1. 머신러닝 vs 딥러닝 vs AI
정의: AI(인공지능)는 인간의 지능을 모방하는 모든 기술의 총칭이고, 머신러닝은 AI를 구현하는 방법 중 하나이며, 딥러닝은 머신러닝의 한 기법으로 뇌의 신경망 구조를 모방한 알고리즘입니다.
쉬운 설명: AI가 가장 큰 개념이고, 그 안에 머신러닝이 있으며, 머신러닝 안에 딥러닝이 있습니다. 마치 '운동' 안에 '구기종목'이 있고, '구기종목' 안에 '축구'가 있는 것과 같습니다.
구체적 구분: AI는 체스 프로그램부터 ChatGPT까지 모든 지능적 시스템을, 머신러닝은 데이터에서 패턴을 학습하는 알고리즘을, 딥러닝은 다층 신경망을 사용하는 특정 기법을 의미합니다. 현재 화제인 ChatGPT, 이미지 생성 AI 등은 모두 딥러닝 기술입니다.
2. 프롬프트
정의: 프롬프트(Prompt)는 사용자가 AI 모델에게 원하는 작업이나 답변을 요청하기 위해 입력하는 텍스트, 명령어, 질문을 의미합니다.
쉬운 설명: AI와 대화할 때 우리가 입력하는 모든 텍스트가 프롬프트입니다. 마치 비서에게 업무 지시를 내리는 것과 같습니다.
실제 활용: "글 써줘"보다 "20대 타겟 SNS 마케팅 글 300자로 써줘"가 더 좋은 프롬프트입니다. 구체적이고 명확할수록 원하는 결과를 얻을 가능성이 높아집니다.
3. AGI (인공일반지능)
정의: AGI(Artificial General Intelligence)는 인간의 인지 능력을 모든 영역에서 동등하거나 그 이상으로 수행할 수 있는 인공지능을 의미합니다. 특정 업무에만 특화된 현재의 AI(Narrow AI)와 달리, 범용적 지능을 가진 AI 시스템입니다.
쉬운 설명: 현재 ChatGPT는 글쓰기는 뛰어나지만 로봇을 조종하거나 물리적 세계를 직접 조작하지는 못합니다. 반면 AGI는 글쓰기, 그림 그리기, 로봇 제어, 과학 연구, 창작 활동까지 사람이 할 수 있는 모든 인지적 업무를 수행할 수 있는 AI입니다.
현재 상황: 아직 진정한 AGI는 존재하지 않으며 전문가들은 2030년대 중후반 등장할 것으로 예상하고 있습니다. OpenAI, Google DeepMind 등 주요 AI 기업들이 AGI 개발을 최종 목표로 하고 있습니다.
4. 멀티모달
정의: 멀티모달(Multimodal) AI는 텍스트, 이미지, 음성, 비디오 등 서로 다른 형태의 데이터를 동시에 처리하고 이해할 수 있는 인공지능 시스템을 말합니다.
쉬운 설명: 예전에는 텍스트만 이해하는 AI, 이미지만 분석하는 AI가 따로 있었습니다. 이제는 하나의 AI가 사진을 보면서 동시에 텍스트를 읽고, 음성까지 들을 수 있게 되었습니다.
실제 활용: GPT-5에게 사진을 보여주고 "이 그림에서 뭐가 잘못됐어?"라고 물으면 이미지를 분석해서 답변해줍니다. Claude도 문서 이미지를 업로드하면 내용을 읽고 요약해줍니다.
5. 할루시네이션
정의: 할루시네이션(Hallucination)은 AI가 학습 데이터에 없는 정보나 사실과 다른 내용을 그럴듯하게 생성하여 마치 사실인 것처럼 제시하는 현상을 말합니다.
쉬운 설명: 사람도 기억이 애매할 때 "아마 그랬을 거야"라고 추측하듯, AI도 확실하지 않은 정보를 마치 사실인 것처럼 확신에 찬 톤으로 말하는 경우가 있습니다. 고의로 거짓말하는 것이 아니라, AI의 구조적 한계에서 나오는 현상입니다.
주의사항: 중요한 정보나 사실 확인이 필요한 내용은 AI 답변을 그대로 믿지 말고 반드시 별도의 팩트체크가 필요합니다.
6. 프롬프트 엔지니어링
정의: 프롬프트 엔지니어링(Prompt Engineering)은 AI 모델에서 원하는 출력을 얻기 위해 입력 프롬프트를 체계적으로 설계하고 최적화하는 기법을 말합니다.
쉬운 설명: 같은 AI라도 어떻게 질문하느냐에 따라 결과가 완전히 달라집니다. "AI와 대화하는 기술"이 하나의 전문 영역이 되어, 이를 전문으로 하는 '프롬프트 엔지니어'라는 직업도 생겼습니다.
실무 활용: 마케터는 광고 문구 생성을, 개발자는 코드 생성을, 작가는 창작 아이디어를 얻기 위해 각각 다른 프롬프트 기법을 사용합니다.
AI 기술 원리 용어
7. LLM (대형 언어 모델)
정의: LLM(Large Language Model)은 수십억에서 수조 개의 파라미터를 가진 대규모 신경망으로, 인터넷의 방대한 텍스트 데이터를 학습하여 자연어를 이해하고 생성할 수 있는 AI 모델을 말합니다.
쉬운 설명: 도서관의 모든 책을 읽고 기억하는 똑똑한 사람이라고 생각하면 됩니다. 인터넷상의 수많은 글, 책, 논문, 웹페이지를 읽고 학습해서 사람처럼 자연스럽게 글을 쓸 수 있게 된 것입니다.
대표 모델: GPT-4, Claude, Gemini, LLaMA 등이 대표적인 LLM입니다. 각각 수천억 개의 파라미터를 가지고 있어 복잡한 언어 작업을 수행할 수 있습니다.
8. 파라미터
정의: 파라미터(Parameter)는 AI 모델이 학습 과정에서 조정하는 수치적 변수로, 모델의 복잡도와 성능을 결정하는 핵심 요소입니다.
쉬운 설명: 사람의 뇌에 있는 시냅스 연결과 비슷합니다. 파라미터가 많을수록 더 복잡하고 정교한 작업을 할 수 있지만, 그만큼 많은 컴퓨터 자원과 비용이 필요합니다.
실제 예시: GPT-3는 1,750억 개, GPT-4는 추정 1조 개 이상의 파라미터를 가지고 있습니다. 파라미터가 많을수록 더 정교하고 일관된 답변을 생성할 수 있습니다.
9. 트랜스포머
정의: 트랜스포머(Transformer)는 2017년 구글에서 발표한 신경망 아키텍처로, 'Attention 메커니즘'을 통해 텍스트의 맥락과 관계를 효율적으로 처리하는 AI 모델 구조입니다.
쉬운 설명: 기존 AI가 글을 앞에서부터 순서대로 읽었다면, 트랜스포머는 문장 전체를 한 번에 보면서 각 단어가 다른 단어와 어떤 관계인지 파악합니다. 마치 사람이 문장을 읽을 때 앞뒤 맥락을 종합해서 이해하는 것과 같습니다.
실제 예시: ChatGPT의 GPT가 "Generative Pre-trained Transformer"의 줄임말입니다. 현재 모든 주요 언어 AI가 이 구조를 기반으로 만들어졌습니다.
10. STT/TTS
정의: STT(Speech to Text)는 음성 신호를 텍스트로 변환하는 기술이고, TTS(Text to Speech)는 텍스트를 자연스러운 음성으로 변환하는 기술입니다.
쉬운 설명: STT는 사람이 말하는 것을 컴퓨터가 글자로 받아 적는 기술이고, TTS는 컴퓨터가 글을 읽어주는 기술입니다.
일상 속 활용: AI 스피커, 카카오톡 음성 메시지 텍스트 변환, 유튜브 자동 자막, 네비게이션 음성 안내, 시각장애인을 위한 화면 읽기 프로그램 등에서 사용됩니다.
11. 토큰 제한
정의: 토큰 제한(Token Limit)은 AI 모델이 한 번의 대화에서 처리할 수 있는 최대 토큰(텍스트 단위) 수를 의미합니다. 입력과 출력을 합쳐서 이 한계를 넘을 수 없습니다.
쉬운 설명: AI의 단기 기억 용량 한계라고 생각하면 됩니다. 사람도 너무 긴 이야기를 들으면 앞부분을 잊어버리듯, AI도 처리할 수 있는 텍스트 양에 한계가 있습니다.
실제 경험: GPT-4는 약 32,000토큰(한국어 기준 약 4만8천 자)까지 처리 가능합니다. 긴 문서를 요약해달라고 했을 때 "텍스트가 너무 길어서 일부만 처리할게요"라고 나오는 이유가 이 때문입니다.
12. 생성형 AI
정의: 생성형 AI(Generative AI)는 기존 데이터를 학습하여 텍스트, 이미지, 음성, 비디오, 코드 등 새로운 콘텐츠를 창조하고 생성할 수 있는 인공지능 기술을 말합니다.
쉬운 설명: 기존 AI가 주로 데이터를 분석하고 분류하는 일을 했다면, 생성형 AI는 완전히 새로운 콘텐츠를 창조합니다. 화가가 새로운 그림을 그리거나 작가가 새로운 글을 쓰는 것처럼, AI가 창작 활동을 하는 것입니다.
대표 서비스: ChatGPT(텍스트), DALL-E(이미지), Midjourney(이미지), Suno(음악), GitHub Copilot(코드), Runway(비디오) 등이 각 분야별 대표적인 생성형 AI 서비스입니다.
13. AI 에이전트
정의: AI 에이전트(AI Agent)는 대화만 하는 기존 챗봇과 달리, 사용자의 지시에 따라 실제 업무를 자동으로 수행하고 목표 달성을 위해 스스로 판단하여 행동하는 AI 시스템입니다.
쉬운 설명: 챗봇이 질문에만 답한다면, AI 에이전트는 실제로 일을 대신 처리해줍니다. 사람의 지시를 받아 이메일 보내기, 일정 잡기, 온라인 쇼핑하기, 데이터 분석하기 등을 직접 실행할 수 있습니다.
미래 전망: "다음 주 치과 예약 잡아줘"라고 하면 AI가 직접 병원에 전화해서 예약을 잡아주거나, "회의 자료 준비해줘"라고 하면 관련 데이터를 수집하고 PPT까지 만들어주는 세상이 오고 있습니다.
14. API
정의: API(Application Programming Interface)는 서로 다른 소프트웨어 프로그램이나 서비스가 상호 작용할 수 있도록 하는 인터페이스로, 외부에서 특정 기능이나 데이터에 접근할 수 있는 방법을 제공합니다.
쉬운 설명: 레스토랑의 메뉴판과 같습니다. 손님(개발자)이 메뉴(API)를 보고 원하는 요리(기능)를 주문하면, 주방(서버)에서 요리를 만들어 서빙해주는 시스템입니다.
실생활 예시: 카카오톡에서 구글 번역 기능을 사용할 때, 카카오톡이 구글 번역 API를 호출해서 번역 결과를 가져옵니다. 또한 ChatGPT API를 사용하면 자신의 웹사이트나 앱에 ChatGPT 기능을 추가할 수 있습니다.
15. 멀티 에이전트
정의: 멀티 에이전트(Multi-Agent)는 각각 다른 전문 역할을 담당하는 여러 개의 AI 에이전트가 협업하여 복잡한 업무를 수행하는 시스템을 말합니다.
쉬운 설명: 한 명이 모든 일을 처리하는 것보다 각자 전문 분야가 다른 팀원들이 협업하는 것이 더 효율적인 것처럼, AI도 역할을 나누어 더 복잡하고 정교한 업무를 처리할 수 있습니다. 마치 회사에서 기획팀, 개발팀, 마케팅팀이 각자의 역할을 하면서 하나의 프로젝트를 완성하는 것과 같습니다.
구체적 예시: 보고서 작성 시 '정보 수집 에이전트'가 관련 데이터를 찾고, '분석 에이전트'가 데이터를 해석하며, '작성 에이전트'가 최종 보고서를 완성하는 식으로 협업합니다. 각 에이전트는 자신의 전문 영역에서 최적화된 성능을 발휘합니다.
AI 사회적 이슈 관련 용어
16. 딥페이크
정의: 딥페이크(Deepfake)는 딥러닝 기술을 활용하여 실제 사람의 얼굴이나 음성을 다른 사람의 것으로 바꾸거나, 실제로는 하지 않은 말이나 행동을 했던 것처럼 조작한 가짜 영상이나 음성을 말합니다.
쉬운 설명: AI가 특정 인물의 사진과 영상을 학습해서, 그 사람이 실제로는 말하지 않은 내용을 마치 본인이 직접 말한 것처럼 만들어내는 기술입니다. 기술이 발전하면서 육안으로는 진짜와 구분하기 어려울 정도로 정교해졌습니다.
양면성: 영화 더빙, 가상 아나운서, 고인의 젊은 모습 재현 등 긍정적 활용도 있지만, 가짜 뉴스, 사기, 명예 훼손 등 부정적 활용 우려도 큽니다.
17. AI 윤리
정의: AI 윤리(AI Ethics)는 인공지능의 개발과 사용 과정에서 발생할 수 있는 편향성, 투명성, 책임성, 프라이버시 등의 문제를 다루며, AI가 인간과 사회에 미치는 부정적 영향을 최소화하기 위한 원칙과 가이드라인을 말합니다.
쉬운 설명: AI가 특정 인종이나 성별을 차별하지 않도록, 또 사람의 일자리를 과도하게 빼앗지 않도록, 개인정보를 함부로 사용하지 않도록 하는 규칙과 원칙입니다.
실제 사례: EU는 2024년 'AI Act'라는 세계 최초의 포괄적 AI 규제 법안을 시행했습니다. 한국도 'AI 기본법' 제정을 추진 중이며, 각국이 AI의 안전한 사용을 위한 법적 기반을 마련하고 있습니다.
AI 하드웨어/인프라 용어
18. GPU
정의: GPU(Graphics Processing Unit)는 원래 그래픽 처리를 위해 개발된 반도체 칩이지만, 병렬 연산에 특화되어 있어 AI 모델의 학습과 추론에 최적화된 하드웨어로 사용됩니다.
쉬운 설명: 원래는 게임 그래픽을 처리하기 위해 만들어졌지만, AI 계산에 필요한 수많은 연산을 동시에 처리하는 능력이 뛰어나서 AI 개발에 필수적인 부품이 되었습니다. CPU가 복잡한 작업을 순차적으로 처리한다면, GPU는 간단한 작업을 수천 개씩 동시에 처리할 수 있습니다.
시장 현황: 엔비디아가 AI용 GPU 시장의 80% 이상을 점유하고 있으며, AI 열풍으로 엔비디아 주가가 2023년 이후 급등했습니다. H100, A100 같은 AI 전용 GPU는 개당 수천만 원에서 억원대까지 합니다.
19. AI 반도체
정의: AI 반도체는 인공지능 연산에 특화되어 설계된 반도체 칩으로, 기존 범용 프로세서보다 AI 작업에서 훨씬 높은 성능과 효율성을 제공하는 전용 칩을 말합니다.
쉬운 설명: 일반 컴퓨터 칩이 모든 작업을 다 할 수 있는 다목적 도구라면, AI 반도체는 AI 계산만을 위해 특별히 설계된 전용 도구입니다. AI 작업에서는 기존 CPU보다 수백 배에서 수천 배 빠른 성능을 보입니다.
국내 현황: 삼성전자는 AI 프로세서를, SK하이닉스는 HBM(고대역폭 메모리)을 개발하여 AI 반도체 생태계의 핵심 역할을 하고 있습니다. 특히 SK하이닉스의 HBM은 엔비디아 AI 칩에 들어가는 핵심 부품입니다.
20. 엣지 컴퓨팅
정의: 엣지 컴퓨팅(Edge Computing)은 데이터가 생성되는 위치나 그 근처에서 컴퓨팅 작업을 처리하는 기술로, 중앙 서버로 데이터를 보내지 않고 현장에서 바로 분석과 처리를 수행하는 방식입니다.
쉬운 설명: 모든 데이터를 멀리 있는 중앙 서버로 보내서 처리하는 대신, 데이터가 만들어지는 곳 바로 근처에서 처리하는 기술입니다. 마치 중앙 본사에서 모든 결정을 내리는 대신, 각 지역 사무소에서 바로바로 처리하는 것과 같습니다.
실제 활용: 자율주행 자동차가 급브레이크 상황을 판단할 때, 멀리 있는 서버와 통신하면 늦으니까 차량 내부에서 즉시 판단합니다. 스마트 팩토리의 품질 검사, CCTV 실시간 분석, IoT 센서 데이터 처리 등에서 활용됩니다.
AI 관련 지식과 정보를 더 원하신다면?
실용적인 AI 활용 인사이트와 최신 트렌드를 더 알고 싶으시다면 디피니트의 DARVIS 블로그를 구독해보세요. (블로그 구독시 AI 관련 오프라인 행사 초대장을 우선 공유드립니다.)
DARVIS 블로그에서는 매주 업데이트되는 AI 활용 노하우와 실제 사례를 통해 업무 생산성을 높이는 방법을 공유합니다.
더 많은 AI 인사이트들이 궁금하시다면 아래의 ‘AI 인사이트 더 보러가기’를 통해서 둘러보세요.