본문으로 바로가기
DECHIVE

우리가 알고 있는, 하지만 제대로 알지 못하는 개념들을
하나씩 알아봅시다.

계속 확장되는 AI 개념 아카이브에서 궁금한 내용을 찾아보세요.

총 12개의 개념 · 계속 확장 중

  1. AI는 어떻게 발전해왔는가라는 제목이 크게 적힌 손그림 썸네일. 제목에서 발전이라는 단어만 주황색으로 강조되어 있다. 오른쪽에는 초기, 머신러닝, 딥러닝, 파운데이션 모델이라는 네 시기가 세로선으로 나뉜 표가 있고, 가로선 하나가 네 시기를 가로질러 위쪽은 사람이 한다, 아래쪽은 기계가 한다로 나뉜다. 초기에는 규칙 적기, 특징 고르기, 모델 만들기 세 가지가 모두 위쪽에 있다. 머신러닝에서는 규칙 만들기가 아래로 내려가 주황색 빗금으로 채워지고, 딥러닝에서는 특징 고르기까지 내려가고, 파운데이션 모델에서는 모델 만들기까지 내려가 위쪽이 비어 있다. 맨 아래 상자에는 넘겨준 것의 목록이 길어져온 역사라는 문장이 있다.전체AI는 어떻게 발전해왔는가AI의 역사는 사람이 기계에게 넘긴 것의 목록이 길어져온 역사다. 규칙을 만드는 일을 넘기고, 무엇을 볼지 정하는 일을 넘기고, 과제마다 모델을 만드는 일까지 넘겼다. 무엇을 언제 넘겼는지, 넘길 때마다 왜 약속보다 오래 걸렸는지, 그리고 그 구조가 지금 어떻게 되풀이되는지를 정리한다.AI 역사다트머스AI 겨울라이트힐 보고서역전파규모창발AI 기초
  2. 데이터·알고리즘·모델 세 가지를 왼쪽에서 오른쪽으로 늘어놓은 손그림 썸네일. 왼쪽은 목록이 적힌 종이 더미로 데이터를 나타내고 재료, 무엇을 보고 배우는가라고 적혀 있다. 가운데는 빗금으로 채워진 상자 안에 번호가 매겨진 세 단계가 들어 있어 알고리즘을 나타내고 절차, 어떻게 배우고 계산하는가라고 적혀 있다. 오른쪽은 점들이 격자로 채워진 입체 상자로 모델을 나타내고 결과물, 무엇을 예측하고 만들어내는가라고 적혀 있다. 화살표가 셋을 왼쪽에서 오른쪽으로 잇고, 아래에는 데이터에 알고리즘을 적용해서 만들어낸 것이 모델이라는 문장이 셋 전체를 괄호로 묶는다.기초 원리데이터·알고리즘·모델은 무엇인가세 단어는 서로 바꿔 쓸 수 있는 말이 아니다. 데이터는 기계가 다루는 재료, 알고리즘은 해석의 여지 없이 정해진 절차, 모델은 그 절차가 데이터에 남긴 결과물이다. 셋이 어떻게 맞물리는지, 일상에서 이 말들이 어긋나게 쓰이는 지점이 어디인지, 그리고 무엇이 잘못됐을 때 어느 자리를 봐야 하는지를 정리한다.데이터알고리즘모델파라미터아키텍처학습머신러닝AI 기초
  3. AI 모델과 AI 시스템은 무엇이 다른가라는 제목이 크게 적힌 손그림 썸네일. 제목에서 시스템이라는 단어만 주황색으로 강조되어 있다. 오른쪽에는 큰 사각형 하나가 있고 그 안에 입력 정리·검색·지시문·대화 기록·필터·화면·기록·감시라고 적힌 상자 여덟 개가 흩어져 있으며, 가운데에는 그보다 작은 상자가 주황색 빗금으로 채워진 채 모델이라고 적혀 있다. 사각형 아래에는 우리가 실제로 쓰는 것이라고 적혀 있고, 맨 아래 상자에는 모델은 시스템의 일부이고 대개 가장 작은 부분이라는 문장이 있다.사용과 검증AI 모델과 AI 시스템은 무엇이 다른가모델은 학습으로 만들어진 파라미터 덩어리이고, 시스템은 그것을 감싸 실제로 쓸 수 있게 만든 전체다. 우리가 실제로 쓰는 것은 모델이 아니라 시스템이다. 둘의 경계가 어디인지, 실제 시스템에서 모델이 얼마나 작은 부분인지, 같은 모델이 왜 다른 제품이 되는지, 그리고 이 구분이 무엇을 판단하게 해주는지를 정리한다.AI 모델AI 시스템경계CACE벤치마크배포평가AI 기초
  4. 멀티모달 AI란 무엇인가라는 제목이 크게 적힌 손그림 썸네일. 제목에서 멀티모달이라는 단어만 주황색으로 강조되어 있다. 왼쪽에는 세 줄이 있다. 글이라고 적힌 줄은 문장이 담긴 상자가 화살표를 거쳐 나란한 네 개의 작은 사각형으로 바뀌고, 이미지라고 적힌 줄은 산과 해가 그려진 상자가 가로세로 두 칸씩 네 개의 사각형으로 바뀌고, 소리라고 적힌 줄은 파형이 그려진 상자가 나란한 네 개의 사각형으로 바뀐다. 세 줄의 조각들은 모두 화살표를 따라 주황색 빗금으로 채워진 하나의 상자로 모이고, 그 상자에는 같은 구조라고 적혀 있다. 맨 아래 상자에는 조각으로 자를 수 있으면 무엇이든 같은 방식으로 다룰 수 있다는 문장이 있다.전체멀티모달 AI란 무엇인가멀티모달 AI는 텍스트·이미지·소리처럼 서로 다른 종류의 데이터를 함께 다루는 AI다. 조각으로 자를 수 있으면 무엇이든 같은 방식으로 처리할 수 있다는 발견이 이것을 가능하게 했다. 서로 다른 것을 어떻게 잇는지, 그리고 같은 공간에 넣는다고 같은 것이 되지는 않는다는 한계까지 정리한다.멀티모달모달리티비전 트랜스포머CLIP공유 표현 공간모달리티 갭제로샷AI 기초
  5. 대규모 언어 모델이란 무엇인가라는 제목이 크게 적힌 손그림 썸네일. 제목에서 언어라는 단어만 주황색으로 강조되어 있다. 가운데에는 주황색 빗금으로 채워진 상자에 언어라고 적혀 있고, 왼쪽의 종이 더미에서 데이터로서라는 표시와 함께 화살표가 이 상자로 들어오며, 오른쪽으로는 인터페이스로서라는 표시와 함께 화살표가 나가 번역·요약·질문 답하기라는 세 상자로 이어진다. 왼쪽 종이 더미 아래에는 인터넷의 텍스트라고 적혀 있다. 가운데 상자 아래에는 작은 사각형 여섯 개가 나란히 놓여 있고 모델이 보는 것은 토큰이라고 적혀 있다. 맨 아래 상자에는 같은 것이 재료이면서 다루는 수단이 되었다는 문장이 있다.전체대규모 언어 모델이란 무엇인가대규모 언어 모델은 방대한 텍스트로 다음 토큰을 맞히도록 훈련된 매우 큰 신경망이다. 언어가 데이터이자 인터페이스라는 이중성이 이 모델을 지금 위치에 올려놓았다. 규모를 키울 수 있었던 이유, 하나가 여러 일을 하게 된 이유, 모델이 실제로 보는 토큰이 무엇인지, 그리고 그 구조에서 나오는 강점과 약점을 정리한다.대규모 언어 모델LLM토큰스케일링 법칙컨텍스트 윈도우텍스트-투-텍스트사후학습AI 기초
  6. 파운데이션 모델 하나가 여러 능력의 기반이 되는 구조를 그린 손그림 썸네일. 왼쪽에는 텍스트, 이미지, 코드, 오디오, 비디오 등을 대규모로 학습한다는 상자가 있고, 화살표가 가운데의 주황색 빗금으로 채워진 입체 상자로 이어진다. 이 상자에는 파운데이션 모델이라는 이름이 붙어 있다. 상자에서 아홉 개의 화살표가 사방으로 뻗어 번역, 요약, 질문 응답, 분류, 검색, 코드 생성, 이미지 생성, 텍스트 생성, 대화라는 각각의 상자로 이어진다. 맨 아래에는 하나를 모두가 쓴다는 것은 무슨 뜻인가라는 물음이 놓여 있다.전체Foundation Model이란 무엇인가파운데이션 모델은 광범위한 데이터로 미리 훈련해두고 여러 과제에 적응시켜 쓰는 모델이다. 기술적으로 새로운 것은 없고, 하나의 모델을 모두가 공통 기반으로 쓰게 된 관행이 새롭다. 그 관행이 낳은 창발과 동질화라는 두 성질, 이 이름이 왜 논쟁이 되었는지, 그리고 그 논쟁이 법 조문에서 어떻게 결말이 났는지를 정리한다.파운데이션 모델창발동질화자기지도학습적응사전학습AI 거버넌스AI 기초
  7. AI의 출력이 확률적이라는 것은 무슨 뜻인가라는 제목이 크게 적힌 손그림 썸네일. '확률적'이라는 단어만 주황색으로 강조되어 있다. 오른쪽 위에는 점이 격자로 박힌 입체 상자가 모델을 나타내며, 거기서 내려온 화살표가 아래의 가로 막대 그래프로 이어진다. 그래프에는 고양이 0.60, 개 0.20, 여우 0.10, 토끼 0.06, 그 외 0.04가 각각의 길이에 맞는 막대와 함께 적혀 있고 맨 위 고양이 막대만 빗금으로 채워져 있다. 그래프 아래에는 여러 선택지에 확률을 나눠 배분한다고 적혀 있다. 왼쪽 아래 말풍선에는 AI는 하나의 정답을 정해두고 말하는 것이 아니라 여러 가능성을 확률로 표현한다고 적혀 있다.기초 원리AI의 출력이 확률적이라는 것은 무슨 뜻인가AI가 내놓는 확률은 확신의 크기이지 그 답이 맞다는 보장이 아니다. 확률이 어디서 나오는지, 확신과 실제 정답률이 왜 어긋나는지, 확신에 찬 오답이 학습과 평가 양쪽에서 어떻게 만들어지는지, 그리고 이 어긋남을 어디까지 고칠 수 있는지를 정리한다.확률보정캘리브레이션환각불확실성벤치마크소프트맥스AI 기초
  8. 학습과 추론을 좌우로 비교한 손그림 썸네일. 왼쪽 학습은 모델을 만드는 과정으로, 빗금 친 순전파 상자에서 손실로 이어지고 다시 점선을 따라 역전파와 파라미터 갱신을 거쳐 순전파로 돌아오는 닫힌 순환이며, 가운데에 점이 박힌 입체 상자 모양의 모델이 놓여 있다. 데이터를 보고, 오차를 줄이도록 조정하고, 파라미터를 바꿔 더 잘 맞춘다는 설명과 함께 핵심은 파라미터가 계속 바뀐다는 것이라고 적혀 있다. 오른쪽 추론은 모델을 사용하는 과정으로, 입력에서 빗금 친 순전파 상자를 거쳐 출력으로 이어지는 한 방향 흐름이며, 학습된 파라미터를 그대로 쓰고 계산만 반복해 결과를 만든다는 설명과 함께 핵심은 파라미터가 고정된다는 것이라고 적혀 있다. 양쪽의 순전파 상자는 같은 모양으로 강조되어 있다.전체학습과 추론은 무엇이 다른가학습은 파라미터가 바뀌는 단계이고, 추론은 파라미터가 고정된 채 답만 내는 단계다. 추론은 학습의 앞부분만 하고 끝난다. 둘이 실제로 어떻게 돌아가는지, 예시를 보여주거나 대화를 이어가거나 검색을 붙이는 것이 왜 학습이 아닌지, 그리고 이 구분이 프라이버시와 비용에서 무엇을 결정하는지 정리한다.학습추론파인튜닝LoRA인컨텍스트 학습파라미터프라이버시AI 기초
  9. 판별형 AI와 생성형 AI를 좌우로 비교한 손그림 썸네일. 왼쪽 판별형 AI는 원 무리와 삼각형 무리를 대각선 하나로 가르며 경계를 배운다고 설명하고, 오른쪽 생성형 AI는 같은 두 무리를 등고선으로 감싸 지형 전체의 구조를 배운다고 설명한다. 아래 정리 박스에는 판별형은 경계를 배우고 생성형은 지형을 배운다고 적혀 있다.기초 원리판별형 AI와 생성형 AI는 무엇이 다른가판별형 AI와 생성형 AI의 차이는 무엇을 출력하느냐가 아니라 무엇을 모델링하느냐에서 시작된다. 판별형은 답을 가르는 경계를 배우고, 생성형은 데이터가 어떤 모양으로 퍼져 있는지를 배운다. 모델의 종류와 그 모델을 쓰는 용도라는 두 축을 갈라놓고, 그 차이가 프롬프트·비용·환각으로 어떻게 이어지는지를 설명한다.생성형 AI판별형 AI생성 모델판별 모델환각확률 분포머신러닝AI 기초
  10. 딥러닝의 전체 구조를 한 장에 정리한 손그림 도해. 입력층에서 여러 은닉층을 거쳐 출력층으로 이어지는 신경망, 출력과 정답을 비교하는 손실 함수, 순전파와 역전파가 이루는 학습 순환, 노드 하나가 가중치와 편향을 거쳐 활성화 함수를 통과하는 과정을 함께 담았다.기초 원리딥러닝이란 무엇인가딥러닝은 여러 층으로 이루어진 인공 신경망으로 데이터의 표현 자체를 학습하는 머신러닝의 한 방법이다. 기존 머신러닝과 갈라지는 지점이 어디인지, '깊다'는 말이 실제로 무엇을 가리키는지, 그리고 이 방식이 무엇을 대가로 치르는지를 설명한다.딥러닝신경망AI표현 학습역전파과적합머신러닝AI 기초
  11. 머신러닝은 무엇인가라는 제목 아래, 데이터에서 학습과 모델을 거쳐 예측과 결정으로 이어지는 흐름도를 놓고, 옆에는 신경망이 그려진 머리 옆모습과 AI 칩, 산점도와 그래프를 배치한 일러스트기초 원리머신러닝이란 무엇인가머신러닝은 사람이 규칙을 적어넣는 대신, 데이터로부터 규칙을 만들어내는 방식이다. 무엇으로 배우는지, 학습이 실제로 무엇을 하는 일인지, 어떤 갈래가 있는지, 그리고 언제 이 방식을 쓰지 말아야 하는지까지 다룬다.머신러닝AI지도학습자기지도학습데이터모델
  12. 돋보기를 든 사람이 점과 선으로 연결된 인공지능 네트워크를 살펴보는 일러스트기초 원리인공지능이란 무엇인가인공지능은 특정 기술 하나가 아니라, 기계가 추론·판단·생성하도록 만드는 넓은 분야다. 머신러닝·딥러닝·생성형 AI가 어떤 관계이며, 서로 다른 분류 기준이 왜 자주 혼동되는지 설명한다.인공지능Ai머신러닝딥러닝생성형AIAI기초

모든 지식을 불러왔어요.