인공지능 (AI) 관련 용어는 어떤 것들이 있을까요?? 한번에 알아보기

 

요즘 어디를 가나 다들 인공지능 AI 인공지능 AI 합니다. 그러나 사실 우리는 인공지능 AI에 대해서 별로 아는 것이 없습니다. 그저 단순히 ChatGPT나 DeepSeek 같은 걸 아주 간단하게 사용해 볼 뿐입니다. 그러다 보니 관련 기사를 읽는 다든가, 유튜브 등 관련 영상을 보다 보면 잘 모르는 용어들이 자주 등장합니다. 

 

이 글에서는 그런 일을 최대한 줄이고자 가장 흔히 사용되는 인공지능 관련 용어들을 정리했습니다. 한번 읽어 두시면 인식의 지평을 넓히시는데 도움이 될 것입니다. 사실 저도 AX (AI Explainability: AI 설명 가능성)에 대해서 검색을 하다가 이 글을 쓰게 되었습니다. 

 

1. AI의 종류 

• Narrow AI (Weak AI): 좁은 AI 혹은 약한 AI로 번역됩니다. 주로 AI를 이용해 특정 작업에 국한된 일을 하는 경우에 사용하는 용어 입니다. 예를 들면, 챗봇 등에서 사용됩니다. 요즘 가장 많이 사용되는 인공지능의 형태인 것으로 보입니다. 
• General AI (Strong AI): 일반 AI 혹은 강한 AI로 번역됩니다. 인간과 비슷한 수준의 인공지능을 말합니다.  
• Super AI: 아직은 이론적인 개념이지만, 인간 지능을 뛰어 넘는 인공지능을 말합니다. 특정 분야에 국한해서는 이미 그런 모습들을 보이는 바가 있습니다. 예를 들면 '알파고'의 바둑 능력이라든지, 'ChatGPT'의 검색능력 등이 그런 바가 있다고 보입니다. 

2. 머신 러닝 (ML)

• Supervised Learning: 이것은 인공지능이 각 데이터에 붙어 있는 라벨을 보고 그것이 무엇인지 인식하는 것을 말합니다. 예를 들면 '스팸 메일'에 붙어 있는 '스탬' 라벨을 보고 그것을 '스팸 메일'이라고 인식하는 것과 같은 방식입니다.
  (※ 요즘 시중에는 인공지능 라벨링 이라는 부업이 가끔 눈에 띕니다. 그것이 바로 인공지능이 그 데이터를 '무엇'이라고 인식하게 하기 위해 각종 데이터에 '라벨'을 붙이는 작업입니다. 일의 난이도는 높지 않으나, 매우 오래 걸리고 지루한 일입니다. 그리고 보수도 그리 높지 않은 것으로 알려지고 있습니다.)
• Unsupervised Learning: 이것은 인공지능이 라벨이 없는 데이터들의 일정한 패턴을 찾아내는 것을 말합니다. 예를 들면 고객성향 분석 같은 일에 사용됩니다. 
• Reinforcement Learning: 인공지능이 상대방의 반응에 대하여 보상과 처벌이라는 방식으로 스스로 해야하는 반응을 습득하는 것을 말합니다. 컴퓨터 게임들이 주로 사용하는 방식입니다.
• Deep Learning: 인간 뇌의 신경망을 모방한 방식으로 인공지능이 데이터를 학습하는 기술을 말합니다. 복잡한 그림이나 음악 등의 패턴을 인식해 그림을 알아보거나 음악을 알아 들을 수 있습니다. 

3. 신경망 과 딥러닝

• Artificial Neural Network (ANN): 인간의 뇌가 각종 신경물질과 신호를 통해 서로의 신경에 교감하는 것을 본떠서 만든 인공지능의 신경망 네트워크 체계를 말합니다. 주로 '인공지능 신경망' 이라고 번역됩니다. 의학적인 뇌과학의 발전이 인공지능의 발전에 도움이 된 경우입니다. 
• Convolutional Neural Network (CNN): 우리말로는 조금 생소하지만 "합성곱 신경망" 이라고 번역됩니다. 그림이나 이미지 인식에 사용되는 신경망 조직을 말합니다.
• Recurrent Neural Network (RNN): '순환 신경망'으로 번역 됩니다. 글자 인식이나 음성인식 등에 사용되는 신경망 네트워크입니다. 
• Transformer Models: 이것은 2017년 구글 연구팀이 발표한 Attention is All You Need라는 논문에서 처음 소개된 기술입니다. 그동안의 RNN, CNN의 기술 한계가 극복된 최초의 이론으로 '자연어 처리 (음성인식)' 분야에서 혁명을 일으켰습니다.
  
  그리고 그 결과 그 이론을 바탕으로 하는 OpenAI의 GPT, BERT 등이 이 어텐션 메커니즘과 병렬 처리 능력을 이용해 기존 모델을 극복할 수 있었습니다.

4. 자연어 처리

• Speech Recognition: '음성 인식'이라는 말로써, 음성을 문자로 번역하는 일을 합니다. 애플의 '시리'나 구글의 '구글 어시스턴트', 삼성의 '빅스비' 등이 대표적 입니다.
• Sentiment Analysis: 우리말로는 '감정 분석'이라는 말로 번역됩니다. 인공지능이 음성 데이터를 받아서 '음성인식'을 통해 텍스트로 번역한 다음 그 텍스트를 보면서 그 글자들 상에서 느껴지는 감정상태를 인식하는 것을 말합니다. 슬퍼함, 웃고 있음, 화가 남 등등을 인식할 수 있습니다. 
• Text Generation: 인공지능이 사람과 같이 글을 쓸 수 있게 하는 기술입니다. 요즘 인공지능이 가장 널리 쓰이는 챗봇이나 '가상 비서' 같은 기술에 주로 사용됩니다. 그리고 유튜브 등에서 자주 언급되는 '블로그 글쓰기 자동화' 등의 기술에 사용되고 있습니다. 

5. 컴퓨터 비전

• Image Recognition: 인공지능이 이미지를 인식하는 것을 말합니다. 자율주행을 위해 꼭 필요한 기술입니다. 
• Facial Recognition: 안면인식, 주로 핸드폰 잠금장치를 푸는 기능 같은 보안 분야에서 많이 사용되고 있습니다. 
• Optical Character Recognition (OCR): 인쇄된 글자를 디지털 텍스트로 인식하는 기술을 말합니다. 톨게이트나 주차장에 드나들 때 차량의 번호판을 인식하는 것과 같은 분야에서 사용됩니다. 

6. 인공지능의 윤리와 편견 

• Bias in AI: 인공지능은 학습데이터로부터 자연히 편견을 물려받습니다.
• Explainability: 인공지능은 자신의 결정을 인간에게 이해하도록 만들 수 있습니다. 
• Fairness in AI: 인공지능은 무언가를 차별하지 않도록 보장되어야 합니다. 

7. 로봇과 자동화 

• Autonomous Systems: 독립적으로 작동하는 로봇을 말합니다. 대표적으로 자율주행 자동차가 이 모델입니다. TV에서 가끔씩 보이는 로봇 군인이나 경찰, 개 등도 이 시스템입니다.
• Robotic Process Automation (RPA): 단순반복 업무를 해주는 로봇을 말합니다. 카페에서 주문에 따라 커피를 타주는 바리스타 로봇이나, 햄버거를 만들어 주는 조리로봇 등이 이런 종류입니다. 최근 몇 년 동안 회사의 정형화된 업무들을 이런 형태로 바꾸려는 노력들이 꽤나 많이 있어왔습니다. 

사진=삼성SDS

8. 비즈니스와 애플리케이션

• Predictive Analytics: 분석과 예측 분야를 말합니다. 주식 시장 등에서 자주 언급되는 자동 매매 시스템 등에서 사용될 수 있습니다. 그러나 그 결과를 보장하는 곳은 없습니다. 
• Recommendation Systems: 무언가를 선택해서 추천하는 기능을 말합니다. OTT 상에서 볼만한 영화를 추천해주거나, 스트리밍 서비스에서 음악을 추천해 주거나, 검색광고에서 선별된 광고를 송출하는 등의 기능에 사용됩니다.  
• AI Chatbots: 챗봇이나 가상 비서 기능은 비교적 나온 지가 좀 오래되고도 많이 사용되는 보편적인 기술입니다. 

9. 일반 용어

• Turing Test: 흔히 사용되는 일반용어와 유사한 의미입니다. 나온 결과물에 대한 검증입니다. 
• Big Data: 인공지능을 학습시키기 위한 대용량 데이터셋을 말합니다. 
• Edge AI: 인공지능용 빅데이터는 주로 클라우드에 저장하는데 그렇지 않고 독립된 로컬 장비에 그 프로세스용 데이터를 저장한 채 작동하는 인공지능을 말합니다. 
• AI Model Training: 데이터를 사용해서 인공지능 시스템을 학습시키는 것을 말합니다. 

10. JD(직무기술서)에 자주 나오는 용어 

• LLM (Large Language Model): 딥러닝 기술을 이용해 인간과 동일한 방법으로 문자를 이해하고 처리하는 능력을 가진 모델을 말합니다. 대화방식의 텍스트를 이해, 생성하는 것이 가능합니다.
• LLM Ops VS MLOps: Large Language Model(대규모 언어 모델)의 운영, 관리를 위한 방법들을 의미합니다. 이는 머신러닝 모델에서 사용하는 운영방식인 MLOps(Machine Learning Operations)의 확장 개념입니다. 
• LLX (Large Language Model Extension, 대규모 언어 모델 확장): LLM의 확장 또는 개선된 버전을 의미합니다. 기존 LLM에 새로운 기능을 추가하여 기능이나 성능을 개선시킨 모델을 말합니다.
• Prompt Engineering (프롬프트 엔지니어링): 효과적인 입력(프롬프트)을 설계하는 기술입니다. 이는 자신이 원하는 결과물을 출력하도록 만드는 방법으로, 자동차 운전을 배워야 하는 것처럼, 인공지능을 잘 사용하려면 이 기술을 잘 배워야 합니다.
• RAG (Retrieval-Augmented Generation): Retrieval과 Generation을 결합한 AI 모델의 접근 방식입니다. 이 기술은 LLM의 한계를 보완해서 더 정확한 결과물을 만들어 내는 것이 그 목적입니다.  
• Fine-Tuning (파인 튜닝): 기존 모델을 특정 작업에 맞추어 추가 학습시키는 것을 말합니다. 이는 LLM 모델이나 딥러닝 모델을 특정 작업에 최적화하는 데 쓰입니다. 
• ADP (Automatic Data Processing, 자동 데이터 처리): 데이터를 자동으로 처리하는 기술입니다.

11. 가장 헛갈리는 용어 

AI 관련 문서를 볼 때 가장 그 의미가 헛갈리는 단어는 단연 AX라고 하겠습니다. 이 단어는 정말로 여러 가지 의미를 가지고 있습니다. 그렇게 볼 때 과연 이 단어를 이렇게 약어로 쓰는 것이 괜찮은 것인지 잘 모르겠을 지경입니다.

 

이 단어가 보이면 그 의미가 여러 가지가 있으므로 문맥을 잘 파악해서 아래 설명하는 내용들 중 어느 것인지 판단할 필요가 있습니다. 

 

• AX (AI Explainability, 인공지능 설명 가능성): 인공지능이 생성한 의사결정을 인간이 잘 이해할 수 있도록 설명하는 능력을 말합니다. 
• AX (Automated Machine Learning, AutoML): 머신러닝의 개발 과정을 자동화하는 것을 말입니다. 
• AX (Applied AI, 응용 인공지능): 인공지능을 실제 생활에 적용하는 것을 의미합니다.  
• AX (Alogrithmic Experience, 알고리즘 경험): 사용자 중심 디자인(User-Centered Design)의 한 부분입니다. 사용자에게 가장 편리하고도 신속한 사용법을 경험하게 하는데 그 초점이 맞춰져 있습니다.
• AX (AI Transformation, AI 전환): 인공지능을 활용하여 기존의 틀을 변화시키는 과정을 의미합니다