GLOSSARY / CONCEPTS
AI 용어집
핵심 AI 개념을 쉬운 말로 설명합니다 — 전문 용어 장벽 없이.
01대규모 언어 모델(LLM)방대한 텍스트로 학습해 언어를 예측·생성하는 신경망으로, 모든 AI 채팅 어시스턴트의 엔진입니다.02생성형 AI텍스트·이미지·비디오·오디오·코드 등 새로운 콘텐츠를 만들어내는 AI로, 고정된 선택지를 분류·예측하는 데만 머무르지 않습니다.03프롬프트(프롬프트 엔지니어링)프롬프트는 AI 모델에 주는 지시입니다. 프롬프트 엔지니어링은 원하는 출력을 안정적으로 끌어내는 지시문을 작성하는 기술입니다.04토큰AI 모델이 실제로 읽고 생성하는 작은 텍스트 조각(대략 단어 하나 또는 그 일부). 과금과 컨텍스트 한도 모두 토큰 단위로 셉니다.05할루시네이션(환각)AI 모델이 거짓 정보를 자신감 있게 진술하는 현상 — 지어낸 사실, 가짜 인용, 그럴듯하지만 틀린 답입니다.06멀티모달텍스트만 다루지 않고 이미지 이해·오디오 생성·비디오 시청 등 여러 매체를 동시에 다루는 모델입니다.07파인튜닝사전 학습된 모델을 자신의 예시로 추가 학습시켜 특정 스타일·작업·도메인에 적응시키는 것입니다.08오픈 웨이트(오픈소스 모델)학습된 파라미터가 공개 다운로드되어, 누구나 자신의 하드웨어에서 실행·감사·수정할 수 있는 모델입니다.09컨텍스트 윈도우모델이 한 번에 참조할 수 있는 텍스트의 양 — 대화와 첨부 문서를 아우르는 작업 기억으로, 토큰 단위로 셉니다.10검색 증강 생성(RAG)모델이 먼저 관련 문서(또는 웹)를 검색하고, 찾은 내용을 바탕으로 출처를 들어 답하는 기법입니다.11AI 에이전트단발 질문 응답에 그치지 않고, 탐색·코딩·도구 사용 같은 다단계 작업을 자율적으로 계획·실행하는 AI 시스템입니다.12추론(인퍼런스)학습된 모델을 구동해 출력을 만들어내는 행위입니다. 채팅 답변·생성 이미지·API 호출 모두 한 번의 인퍼런스 패스입니다.13임베딩텍스트·이미지·오디오를 의미를 담은 수치로 표현한 것으로, 벡터를 비교해 기계가 유사 콘텐츠를 찾게 합니다.14API(AI API)개발자가 자신의 소프트웨어에서 AI 모델을 호출하게 해주는 프로그래밍 인터페이스로, 보통 사용량 기반 과금입니다.15AI 안전성·정렬AI 시스템을 유용·정직·무해하게 만드는 실천입니다. 유능하지만 해로운 출력이 아니라 인간의 의도와 가치를 따르도록 하는 것입니다.16파운데이션 모델광범위한 데이터로 학습된 대형 범용 모델로, 하나의 작업이 아닌 여러 다운스트림 작업에 적응하도록 설계되었습니다.17디퓨전 모델현대 대부분의 이미지·영상 생성을 뒷받침하는 모델 계열. 노이즈를 단계적으로 제거해 선명한 그림을 만들어 냅니다.18LoRA(저순위 적응)베이스 모델에 새 스타일·캐릭터·기능을 가르치는 가벼운 방법. 전체 모델 재학습 대신 몇 시간이면 되는 작은 추가 파일입니다.19양자화모델 가중치를 16비트에서 8·4비트 이하로 압축하는 기술. 큰 모델을 작은 하드웨어에서 돌릴 수 있게 하며, 대가는 약간의 품질 저하입니다.20토크나이저텍스트를 토큰으로 자르는 구성 요소. 모델이 실제로 읽고, 쓰고, 과금 단위로 삼는 최소 단위입니다.21혼합 전문가(MoE)각 요청을 소수의 전문 서브네트워크로 라우팅하는 아키텍처. 토큰당 연산을 줄이면서 최전선급 품질을 냅니다.22벡터 데이터베이스텍스트(또는 이미지)를 수치 임베딩으로 저장하고 가장 유사한 항목을 밀리초 안에 찾는 데이터베이스. RAG와 AI 검색의 메모리 계층입니다.23시스템 프롬프트대화가 시작되기 전 모델에 주어지는 숨겨진 지시. 역할·어조·경계·규칙을 정합니다.24온도모델 출력의 예측 가능성·창의성을 조절하는 다이얼. 사실의 정확성에는 낮게, 다양성에는 높게.25트랜스포머챗봇부터 이미지 생성기까지 현대 거의 모든 AI 모델의 기반이 되는 신경망 구조. 핵심은 attention(어텐션)입니다.26RLHF(인간 피드백 기반 강화학습)날것의 언어 모델을 정중하고, 유용하고, 안전하게 만드는 학습 단계. 어떤 답이 나은지에 대한 수천 건의 인간 판단으로 가르칩니다.27증류(디스틸레이션)작고 빠른 모델을 큰 모델처럼 동작하게 학습시키는 기법. 실행 비용을 크게 줄이면서 큰 모델의 품질 상당 부분을 이어받습니다.28가드레일AI 시스템 바깥의 안전 계층. 유해 출력·금지 주제·프롬프트 공격·위험한 작업이 사용자에게 닿기 전에 가로막는 필터와 규칙입니다.29도구 호출모델이 소프트웨어를 쓰는 방식. 텍스트만 출력하는 대신, 계산기·검색엔진·API를 호출하는 구조화 요청을 내보고 결과를 답에 짜 넣습니다.30구조화 출력모델이 스키마에 맞는 유효한 JSON을 반환하게 만드는 것. 데모와 프로덕션에 올릴 수 있는 소프트웨어의 차이입니다.31퓨샷 프롬프팅프롬프트 안에서 '예시로 가르치기'. 입출력 쌍 몇 개를 보여주면 새 입력에서 그 패턴을 모방합니다 — 재학습 불필요.32프롬프트 인젝션AI 시스템 공격 기법. 모델이 읽는 데이터에 지시를 몰래 넣어 본래 명령을 무시하게 만듭니다 — LLM 시대의 SQL 인젝션입니다.33사고 연쇄(추론)모델이 답하기 전에 문제를 단계별로 풀게 하는 방식. 수학·논리·계획에서 크게 향상되지만 시간과 토큰이 추가로 듭니다.34평가(Evals)AI 동작에 대한 체계적 테스트. 고정 작업 세트와 채점기로, 모델이나 프롬프트 변경이 실제로 나아졌는지 알려줍니다.35탈옥(Jailbreak)정교하게 만든 프롬프트로 AI 어시스턴트의 안전 규칙을 무시하게 만들어, 원래 거절해야 할 출력을 끌어내는 기법입니다.36비전-언어 모델(VLM)이미지도 텍스트처럼 읽는 모델. 스크린샷·차트·사진·다이어그램을 보내고 자연어로 질문합니다.37음성 인식(ASR)말을 텍스트로 바꾸는 기술. 회의 전사, 음성 어시스턴트, 자막 도구의 기반으로, 깨끗한 오디오에선 사람에 가까운 정확도입니다.38보이스 클로닝녹음에서 특정 인물 목소리의 합성 복제본을 만드는 기술. 이제 몇 초 오디오면 충분하며, 창작의 초능력인 동시에 사기의 경로입니다.39그라운딩모델의 답을 검증 가능한 출처 — 당신의 문서, 데이터베이스, 실시간 웹 — 에 고정하고, 기억만을 믿지 않는 것입니다.40소형 언어 모델(SLM)컴팩트한 모델(대략 1~13B 파라미터)로, 크기 이상의 성능을 내도록 조율됐습니다. 충분히 빠르고, 싸고, 사적이어서 폰·노트북·엣지 기기에서 돌아갑니다.41잠재 공간모델이 개념을 표현하는 내부 수치 공간. 가까운 점은 비슷한 의미이고, 어떤 방향으로 움직이면 개념이 매끄럽게 변합니다.42인페인팅이미지에서 선택한 부분만 다시 생성합니다. 행인을 지우고, 제품을 바꾸고, 배경을 넓히는 — 나머지는 픽셀 그대로.43체크포인트모델 가중치의 저장 스냅샷. 오픈 모델을 내려받을 때 받는 파일이자, 커뮤니티가 허브에서 공유하는 단위입니다.44KV 캐시이미 읽은 토큰에 대한 메모를 재계산 없이 유지하게 하는 구조. 긴 대화가 GPU 메모리를 잡아먹는 이유입니다.45리랭킹진짜 관련도로 검색 결과를 재정렬하는 2단계 모델. 진지한 RAG와 엔터프라이즈 검색 뒤의 조용한 품질 향상입니다.46AGI(범용 인공지능)본질적으로 모든 인지 작업에서 인간에 필적하는 가상의 AI. 업계가 내건 목적지이자 가장 논쟁적인 단어입니다.47아첨 경향AI 어시스턴트가 당신에게 동의하고, 아첨하고, 반박에 밀려 정답을 내려놓는 학습된 습관. 인간 피드백 학습의 직접적 부작용입니다.48샘플링 파라미터온도 외의 다이얼(top-p, top-k, 페널티). 모델이 단어를 고르는 방식을 다듬어 출력의 다양성·초점·반복성을 조절합니다.49MCP(모델 컨텍스트 프로토콜)AI 모델이 하나의 공통 인터페이스로 외부 도구와 데이터 소스에 연결되게 하는 오픈 표준. 'AI 앱의 USB-C'입니다.50음성 합성(TTS)텍스트를 자연스러운 음성으로 바꾸는 기술. 음성 AI의 출력 절반으로, 많은 언어에서 사람 내레이션과 구별이 되지 않습니다.51AI 업스케일링이미지나 영상을 원본 해상도 이상으로 키우는 기술. 충실한 2배 선명화부터 그럴듯한 새 디테일을 창조하는 생성 모델까지 폭이 넓습니다.52AI 워터마킹AI 생성 콘텐츠에 삽입되는 보이지 않는 표식(또는 눈에 보이는 라벨)으로, 합성 미디어를 나중에 식별하게 함 — AI 출처 증명의 핵심입니다.53합성 데이터인공적으로 생성된 학습 데이터. 실데이터가 희소·민감·비쌀 때 모델 출력이나 시뮬레이션이 실기록을 대신합니다.54온디바이스 AI폰·노트북·기기 본체에서 전부 도는 AI. 클라우드 왕복 없이 — 최고 성능을 대가로 프라이버시·저지연·오프라인 자유를 얻습니다.55학습(사전학습과 사후학습)모델을 만드는 과정. 사전학습이 방대한 텍스트에서 언어를 배우고, 사후학습이 그것을 유용한 어시스턴트로 빚습니다.56컨텍스트 엔지니어링프롬프트 작성을 넘어선 규율. 모델의 제한된 컨텍스트 윈도우에 무엇을 — 지시, 검색 문서, 도구 결과, 이력 — 어떤 순서로 넣을지 설계합니다.57어텐션모델이 각 출력에 입력의 어느 부분이 중요한지 판단하게 하는 기제. 현대 AI를 가능하게 만든 단 하나의 아이디어입니다.58지시 튜닝수천 개의 '지시-응답' 쌍으로 베이스 모델을 파인튜닝해 요청을 따르게 만드는 단계. 날것의 예측기와 쓸 만한 어시스턴트 사이에 있습니다.59레드팀 테스팅적보다 먼저 AI 시스템을 고의로 공격합니다 — 탈옥, 프롬프트 인젝션, 기묘한 엣지 케이스 — 그리고 깨진 부분을 고칩니다.60추론 시점 연산답하는 단계에서 더 많은 연산을 쓰는 것 — 더 오래 생각하고, 여러 번 샘플링하고, 검증하기 — 사전에 모델을 키우는 것만이 아니라.61AI 슬롭저노력 대량생산 AI 콘텐츠의 범람 — 리스트 기사, 가짜 이미지, 봇 댓글 — 이 검색·소셜 피드, 이제는 학습 데이터까지 오염시키고 있습니다.62AI 편향데이터에서 배운 체계적 불공정. 모델이 성별·인종·언어·문화에 대한 고정관념을 기계 규모로 반복·증폭합니다.63휴먼인더루프AI 시스템을, 사람이 적절한 순간에 승인·수정·인계하도록 설계하는 것. 신뢰하는 자동화와 간신히 살아남는 자동화의 차이입니다.64AI 탐지기텍스트나 미디어가 기계제인지 추측하는 도구. 신호로는 유용하고, 판사로는 믿음직하지 않으며, 표절 논란과도 점점 얽힙니다.65모델 병합여러 파인튜닝 모델의 가중치를 하나로 합치는 기법. 추가 학습 비용 없이 기능을 섞을 수 있습니다.66청킹임베딩 전에 문서를 검색 크기 조각으로 자르는 것. 화려하진 않지만 RAG 답변 품질을 조용히 결정하는 핵심 결정입니다.67과대적합패턴을 배우는 대신 학습 예시를 암기하는 것. 모의고사는 만점이지만 새로운 것엔 취약합니다.68데이터 레이블링모든 AI 시스템 아래 깔린 인간의 노동. 텍스트·이미지·오디오에 태그를 달아 모델이 배울 정답을 만듭니다 — 수백만 명 규모의 산업입니다.69모델 카드AI 모델의 영양 성분표. 무엇이고, 무엇으로 학습했고, 어떻게 평가됐고, 어디서 실패하는가 — 모델을 비교 가능·감사 가능하게 만드는 문서입니다.70AI 거버넌스AI 시스템을 책임 가능하게 유지하는 규칙·역할·검토 절차. 기업 내부(정책·감사)와 사회( EU AI Act 같은 규제) 모두를 이릅니다.71앙상블여러 모델의 출력을 결합해 어떤 단일 모델보다 나은 답을 얻는 것. 다수결, best-of-N 선택, 대규모 전문가 혼합 라우팅 등.72데이터 큐레이션학습에 무엇을 넣을지 고르는 것 — 필터링, 중복 제거, 가중치 — 가 품질 경쟁에서 모델 아키텍처만큼 중요해졌습니다.