[AI 공부하기-01] 종류 및 용어 정리

지금까지 AI를 사용해 오면서 정말 대단하다는 생각과 함께 어떻게 이런 결과를 낼 수 있을까? 궁금증이 들어서 AI에 대해 조금 공부를 해보려고 합니다. 👍

🤖 AI 종류

발전 단계, 핵심 기능, 사용 목적에 따라 다양하게 구분할 수 있음

구분	설명	예시
약인공지능 (ANI, Artificial Narrow Intelligence)	특정 목적이나 제한된 작업만 수행하도록 설계된 AI (현재 상용화된 모든 AI)	ChatGPT, 알파고, 자율주행, 음성인식 비서
강인공지능 (AGI, Artificial General Intelligence)	인간 수준의 범용적인 지능을 갖추어 다양한 분야를 스스로 학습하고 문제 해결하는 AI	영화 속 AI (현재 연구·개발 진행 중)
초인공지능 (ASI, Artificial Superintelligence)	모든 영역에서 인간의 지능을 뛰어넘는 가상의 AI	미래 형태 (상상 단계)

구분	설명	예시
생성형 AI (Generative AI)	데이터 패턴을 학습해 텍스트, 이미지, 음성, 코드 등 새로운 콘텐츠를 직접 만들어내는 AI	ChatGPT, Gemini, Midjourney, Claude
분석형/분류형 AI (Discriminative AI)	입력된 데이터를 비교·분석하여 패턴을 분류하거나 미래 값을 예측하는 AI	스팸 메일 필터링, 추천 시스템(유튜브·넷플릭스), 불량품 감지
자율형 AI (Autonomous AI)	사람의 개입 없이 환경을 인식하고 스스로 판단해 행동하는 AI	자율주행차, 서빙/산업용 로봇

구분	설명	예시
텍스트 AI	문서 요약, 번역, 대화, 코드 작성	LLM 기반 모델
시각 AI (Computer Vision)	이미지 인식, 객체 탐지, 이미지/영상 생성	Stable Diffusion, Vision 모델
음성 AI	음성합성(TTS), 음성인식(STT)	Siri, Whisper
멀티모달 AI (Multimodal AI)	텍스트, 이미지, 음성, 영상 등 여러 형태의 데이터를 동시에 이해하고 처리하는 통합형 AI	Gemini, GPT-4o

용어	설명
인공지능 (AI, Artificial Intelligence)	인간의 학습, 추론, 지각 능력 등을 컴퓨터 시스템으로 구현한 포괄적인 기술 개념입니다.
머신러닝 (ML, Machine Learning)	AI의 한 분야로, 컴퓨터가 대량의 데이터를 분석하여 스스로 규칙과 패턴을 학습하는 기술입니다.
딥러닝 (Deep Learning)	머신러닝의 하위 분야로, 인간의 신경망을 모방한 인공신경망(Artificial Neural Networks)을 여러 층(Layer)으로 깊게 쌓아 학습하는 방식입니다. 현대 생성형 AI의 기반이 됩니다.
지도학습 / 비지도학습 (Supervised / Unsupervised Learning)	지도학습: 정답(데이터와 레이블)을 함께 알려주며 학습시키는 방식 (예: 고양이 사진과 “고양이"라는 정답 제공) 비지도학습: 정답 없이 데이터 자체의 구조나 군집(클러스터링)을 스스로 찾아내는 방식

용어	설명
트랜스포머 (Transformer)	2017년 구글이 발표한 신경망 아키텍처로, 문장 속 단어 간의 관계를 파악하는 어텐션(Attention) 메커니즘을 핵심으로 합니다. 현재 모든 대형 언어 모델(LLM)의 뼈대가 됩니다.
토큰 (Token)	AI가 텍스트를 처리하는 최소 단위입니다. 단어, 음절, 혹은 몇 개의 문자가 결합된 조각 형태이며, 보통 영어는 1단어가 1.3개 토큰 정도, 한국어는 형태소나 글자 단위로 더 잘게 쪼개집니다.
임베딩 (Embedding)	단어, 문장, 이미지 등의 복잡한 데이터를 컴퓨터가 이해할 수 있는 숫자 벡터(Vector) 형태로 변환하는 과정입니다. 의미가 비슷한 데이터끼리는 벡터 공간상에서 서로 가까운 위치에 배치됩니다.
매개변수 (Parameter / 가중치)	신경망 내부의 시냅스 연결 강도에 해당하는 숫자들이며, 모델의 ‘두뇌 크기’나 ‘용량’을 나타냅니다. 매개변수가 많을수록 복잡하고 정교한 추론이 가능해집니다.

용어	설명
대형 언어 모델 (LLM, Large Language Model)	방대한 텍스트 데이터를 학습하여 인간과 자연스러운 대화를 나누고 글을 작성할 수 있는 거대한 딥러닝 모델 (예: GPT, Gemini, Claude 등)
생성형 AI (Generative AI)	기존 데이터를 단순 분석하는 것을 넘어, 텍스트·이미지·코드·음성 등 새로운 콘텐츠를 직접 창조해내는 AI 기술입니다.
멀티모달 (Multimodal)	텍스트뿐만 아니라 이미지, 음성, 영상, 코드 등 서로 다른 유형의 데이터(모달리티)를 동시에 이해하고 통합 처리하는 기술입니다.
RAG (Retrieval-Augmented Generation, 검색 증강 생성)	LLM이 학습하지 않은 내부 문서나 최신 웹 정보를 먼저 검색(Retrieval)한 뒤, 이를 바탕으로 정확한 답변을 생성(Generation)하는 기술입니다. 환각(Hallucination) 현상을 줄이는 데 핵심 역할을 합니다.

용어	설명
사전 학습 (Pre-training)	방대한 웹 데이터를 활용해 모델이 언어의 구조, 상식, 문맥 등을 기초적으로 익히는 초기 학습 단계입니다.
파인튜닝 (Fine-tuning, 미세조정)	이미 사전 학습된 모델에 특정 목적이나 도메인(의학, 법률, 코딩 등)에 맞는 데이터를 추가로 학습시켜 성능을 최적화하는 과정입니다.
환각 현상 (Hallucination)	AI가 사실이 아닌 정보를 마치 진짜 사실인 것처럼 그럴싸하게 거짓으로 답변하는 현상입니다.

본인은 AI에 대해 조금 더 깊게 공부를 하고 싶어서 Python에서 제공되는 라이브러리를 사용하는 것이 아닌 도구 하나하나 직접 만들어 보면서 공부해볼 생각입니다. ~~중간에 힘들어서 포기할 수도 있을 것 같음~~

💡 현재 아무런 목표가 없는 저장소에서 진행하고 있습니다.

우선 선형 모델(Linear)을 타겟으로 차근차근 만들어 보면서 지식을 쌓아보겠습니다. 😎