AI 용어집 ChatGPT 사용자가 알아야 할 기본 용어
AI 용어집 ChatGPT 사용자를 위한 기본 용어
AI에 대한 첫 만남은 아마도 OpenAI의 AI 챗봇인 ChatGPT일 것입니다. 이 AI 챗봇은 어떤 질문에도 놀라운 대답을 할 수 있는 능력을 갖고 있습니다. 시를 쓰거나 이력서와 퓨전 레시피를 작성하는 등, ChatGPT의 능력은 스테로이드를 복용한 자동완성과 비교되기도 합니다.
그러나 AI 챗봇은 AI 영역의 일부에 불과합니다. ChatGPT가 숙제를 도와주거나 Midjourney가 원산지별 메카니즘 이미지를 생성하는 것은 멋지지만, 그 잠재력은 경제를 완전히 재구성할 수 있을 정도입니다. 맥킨지 글로벌 인스티튜트에 따르면, 이 잠재력은 매년 글로벌 경제에 4.4조 달러의 가치가 될 수 있습니다. 그래서 인공지능에 대해 더 자주 듣게 될 것입니다.
사람들이 AI와 뒤섞인 세상에 더 익숙해짐에 따라 새로운 용어들이 어디서나 등장하고 있습니다. 그래서 당신이 음료를 마시며 똑똑하게 들릴 수 있도록 하거나 면접에서 인상을 주기 위해, 여기 몇 가지 중요한 AI 용어를 알아두면 좋습니다.
이 용어집은 계속해서 업데이트될 것입니다.
—
- 애플의 M3 맥북 이벤트가 위기에 처했다고 보고서가 전해진다 | ENBLE
- 스티브 잡스의 손으로 쓴 애플-1 광고가 큰 돈에 경매됩니다 | ENBLE
- Surface Pro 10 다음 세대에서 기대할 수 있는 것들 | ENBLE
인공 일반 지능 또는 AGI: 현재 우리가 알고 있는 AI보다 더 발전된 버전의 AI를 의미하는 개념으로, 인간보다 훨씬 더 잘 수행할 수 있으면서도 스스로 가르치고 능력을 향상시킬 수 있습니다.
AI 윤리: AI가 인간에게 해를 입히지 않도록 하는 원칙들로, AI 시스템이 데이터를 수집하거나 편견을 처리하는 방법 등을 결정함으로써 달성됩니다.
AI 안전: AI의 장기적 영향과 인간에게 적대적일 수 있는 초지능으로의 급속한 진화에 관련된 다학제적 분야입니다.
알고리즘: 컴퓨터 프로그램이 특정한 방식으로 데이터를 학습하고 분석할 수 있도록 하는 일련의 명령어들로, 패턴 인식과 같은 작업을 수행하고 그로부터 학습하여 자체적으로 작업을 수행할 수 있습니다.
조정: AI를 원하는 결과를 더 잘 만들기 위해 조정하는 것입니다. 이는 콘텐츠를 중재하거나 인간과의 긍정적 상호작용을 유지하는 것 등 다양한 것을 포함할 수 있습니다.
인간화: 인간들이 인간이 아닌 대상에게 인간과 같은 특성을 부여하는 경향입니다. AI에서는 이는 챗봇이 실제로보다 더 인간적이고 인식력이 있는 것처럼 믿는 것을 포함할 수 있습니다. 즉, 행복하거나 슬픈 것, 심지어 전적으로 인식이 가능한 것으로 생각하는 것입니다.
인공지능 또는 AI: 컴퓨터 프로그램이나 로봇에서 인간의 지능을 모방하는 기술입니다. 인간의 작업을 수행할 수 있는 시스템을 구축하기 위한 컴퓨터 과학 분야입니다.
편견: 대규모 언어 모델에 대한 훈련 데이터로 인한 오류입니다. 이는 특정 인종이나 그룹에 대해 특정 특성을 부여하는 것으로 인해 발생할 수 있습니다.
챗봇: 인간과 텍스트로 대화하는 프로그램입니다.
ChatGPT: 대형 언어 모델 기술을 사용하는 OpenAI의 AI 챗봇입니다.
인지 컴퓨팅: 인공 지능을 위한 다른 용어입니다.
데이터 증강: 기존 데이터를 다시 조합하거나 더 다양한 데이터 집합을 추가하여 AI를 훈련시키는 것입니다.
심층 학습: 사진, 소리, 텍스트의 복잡한 패턴을 인식하기 위해 여러 매개변수를 사용하는 AI의 한 방법이자 기계 학습의 한 분야입니다. 이 과정은 인간의 뇌에서 영감을 받고 인공 신경망을 사용하여 패턴을 만들어냅니다.
확산: 기존 데이터(예: 사진)를 가져와서 임의의 노이즈를 추가하는 기계 학습 방법입니다. 확산 모델은 네트워크를 훈련시켜 해당 사진을 다시 엔지니어링하거나 복구합니다.
출현 행동: AI 모델이 의도하지 않은 능력을 보이는 경우입니다.
End-to-end 학습 또는 E2E: 모델이 시작부터 끝까지 작업을 수행하도록 지시하는 심층 학습 과정입니다. 이는 순차적으로 작업을 수행하는 것이 아니라 입력에서 학습하고 한 번에 문제를 해결하는 방식으로 훈련되는 것입니다.
윤리적 고려사항: AI의 윤리적 영향과 개인 정보 보호, 데이터 사용, 공정성, 오용 및 기타 안전 문제와 관련된 문제에 대한 인식입니다.
Foom: 빠른 진행 또는 급진적 진행으로도 알려진 개념입니다. 만약 누군가가 AGI를 만든다면, 인류를 구하기에 이미 너무 늦을 수도 있다는 개념입니다.
생성적 적대 신경망 또는 GAN: 새로운 데이터를 생성하기 위해 두 개의 신경망인 생성자와 판별자로 구성된 생성적 AI 모델입니다. 생성자는 새로운 콘텐츠를 생성하고 판별자는 그것이 진짜인지 확인합니다.
생성적 AI: AI를 사용하여 텍스트, 비디오, 컴퓨터 코드 또는 이미지를 생성하는 콘텐츠 생성 기술입니다. AI는 대량의 훈련 데이터를 입력받아 패턴을 찾아 자체적으로 새로운 응답을 생성하며, 이는 때로는 원본 자료와 유사할 수 있습니다.
Google Bard: 현재 웹에서 정보를 가져오는 Google의 AI 챗봇으로, ChatGPT와 유사한 기능을 제공하지만 2021년 이전의 데이터에 한정되며 인터넷에 연결되지 않습니다.
가드레일: 데이터가 책임있게 처리되고 모델이 방해적인 콘텐츠를 생성하지 않도록 AI 모델에 적용되는 정책과 제한 사항입니다.
환각: AI로부터의 잘못된 응답입니다. 생성적 AI가 정확하지 않은 답변을 생성할 수 있지만, 자신이 올바른 것처럼 확신을 가지고 주장하는 것을 포함할 수 있습니다. 이에 대한 이유는 완전히 알려져 있지 않습니다. 예를 들어, AI 챗봇에게 “레오나르도 다 빈치는 명화 ‘모나리자’를 언제 그렸나요?”라고 물으면 실제로 그린 후 300년 후인 1815년에 그렸다고 잘못된 주장을 할 수 있습니다.
대형 언어 모델(Large language model, LLM): 대량의 텍스트 데이터를 훈련시켜 언어를 이해하고 인간과 유사한 언어로 새로운 콘텐츠를 생성하는 AI 모델입니다.
기계 학습(Machine learning, ML): 명시적인 프로그래밍 없이 컴퓨터가 학습하고 더 나은 예측 결과를 만들 수 있도록 하는 AI의 구성 요소입니다. 훈련 세트와 결합하여 새로운 콘텐츠를 생성할 수 있습니다.
Microsoft Bing: 인터넷에 연결된 Google Bard와 유사한 AI 기반 검색 엔진으로, ChatGPT의 기술을 사용하여 검색 결과를 제공합니다.
멀티모달 AI: 텍스트, 이미지, 비디오 및 음성 등 다양한 유형의 입력을 처리할 수 있는 AI의 유형입니다.
자연어 처리: 기계 학습과 딥러닝을 사용하여 컴퓨터가 인간의 언어를 이해할 수 있도록 하는 AI의 한 분야로, 학습 알고리즘, 통계 모델 및 언어 규칙을 사용합니다.
신경망: 데이터의 패턴을 인식하기 위해 인간의 뇌 구조를 닮은 계산 모델입니다. 연결된 노드 또는 뉴런으로 구성되어 패턴을 인식하고 시간이 지남에 따라 학습할 수 있습니다.
과적합: 기계 학습에서 훈련 데이터에 너무 근접하여 특정 예제만 인식할 수 있고 새로운 데이터를 식별할 수 없는 오류입니다.
매개 변수: LLM에 구조와 동작을 제공하는 숫자 값으로, 예측을 수행할 수 있게 합니다.
프롬프트 체이닝: AI가 이전 상호작용에서의 정보를 활용하여 이후 응답에 영향을 주는 능력입니다.
확률적 앵무새: LLM을 의미적으로나 주변 세계의 의미를 이해하지 못하더라도 출력이 납득할 만큼 설득력 있게 소프트웨어가 작동하는 것을 설명하는 비유입니다. 앵무새가 단어의 의미를 이해하지 못하고도 인간의 말을 흉내내는 것을 나타냅니다.
스타일 전이: 한 이미지의 스타일을 다른 이미지의 내용에 적용하여 AI가 한 이미지의 시각적 특징을 해석하고 다른 이미지에 사용할 수 있는 능력입니다. 예를 들어, 렘브란트의 자화상을 피카소의 스타일로 재창조하는 것입니다.
온도: 언어 모델의 출력이 얼마나 무작위적인지를 제어하기 위해 설정된 매개 변수입니다. 더 높은 온도는 모델이 더 많은 위험을 감수하도록 합니다.
텍스트-이미지 생성: 텍스트 설명에 기반하여 이미지를 생성하는 것입니다.
훈련 데이터: AI 모델이 학습하는 데 사용되는 데이터 세트로, 텍스트, 이미지, 코드 또는 데이터를 포함합니다.
트랜스포머 모델: 문장이나 이미지 부분과 같은 데이터에서 관계를 추적하여 문맥을 학습하는 신경망 구조 및 딥러닝 모델입니다. 따라서 문장을 한 단어씩 분석하는 대신 전체 문장을 보고 문맥을 이해할 수 있습니다.
튜링 테스트: 유명한 수학자이자 컴퓨터 과학자인 앨런 튜링의 이름을 딴 것으로, 기계가 인간처럼 행동할 수 있는 능력을 테스트합니다. 기계의 응답을 인간이 다른 인간의 응답과 구별할 수 없다면 기계는 테스트에 통과합니다.
약한 AI, 즉 좁은 AI: 특정 작업에 초점을 맞추고 기술 세트를 넘어서 학습할 수 없는 AI입니다. 오늘날의 대부분의 AI는 약한 AI입니다.
제로샷 러닝: 필요한 훈련 데이터가 주어지지 않은 상태에서 모델이 작업을 완료해야 하는 테스트입니다. 예를 들어, 호랑이에 대해서만 훈련된 모델이 사자를 인식해야 하는 경우입니다.
