AI란 정확히 무엇일까인공지능의 의미와 어디까지 AI라고 부르는가

안녕하세요, DECHIVE입니다.

휴대전화의 얼굴 인식은 AI라고 합니다. 유튜브가 다음 영상을 추천하는 것도 AI라고 하죠. ChatGPT처럼 글을 쓰거나 이미지와 영상을 만드는 서비스는 말할 것도 없습니다.

그런데 엑셀에서 데이터를 자동으로 정렬하는 기능은 어떨까요? 정해진 시간에 조명을 켜는 타이머는 AI일까요? 사람이 입력한 규칙에 따라 진단 결과를 보여주는 프로그램은 어디에 포함해야 할까요?

우리는 매일 AI라는 말을 듣지만, 막상 어디까지 AI라고 불러야 하는지는 생각보다 명확하지 않습니다.

이번 글에서 답하려는 질문은 하나입니다.

AI란 정확히 무엇이며, 우리는 어디까지 AI라고 부를 수 있을까요?

AI를 한 문장으로 설명한다면

AI를 아주 간단하게 정리하면 다음과 같이 말할 수 있습니다.

AI는 입력받은 정보에서 규칙이나 패턴을 바탕으로 추론해, 목표에 맞는 예측·추천·판단·콘텐츠 같은 결과를 만들어내는 기계 기반 기술과 시스템의 넓은 범주입니다.

조금 길어 보이지만 중요한 단어가 들어 있습니다.

• 입력이 있다.
• 달성하려는 목표가 있다.
• 입력을 그대로 옮기는 것이 아니라 결과를 추론한다.
• 그 결과가 예측, 추천, 판단 또는 콘텐츠의 형태로 나온다.

예를 들어 스팸 필터는 이메일의 문장, 발신자, 링크 같은 정보를 입력으로 받습니다. 그리고 학습한 패턴을 바탕으로 해당 이메일이 스팸일 가능성을 판단합니다.

음악 추천 시스템은 사용자가 이전에 들은 노래, 건너뛴 노래, 반복해서 들은 노래를 살펴본 뒤 다음에 좋아할 만한 음악을 추천합니다.

생성형 AI는 사용자의 질문이나 명령을 입력받아 글, 이미지, 음성, 영상 같은 새로운 콘텐츠를 만듭니다.

겉으로 보이는 기능은 다르지만, 입력으로부터 목표에 맞는 결과를 만들어낸다는 공통점이 있습니다.

OECD는 AI 시스템을 명시적이거나 암묵적인 목표를 위해 입력으로부터 어떻게 출력을 만들지 추론하는 기계 기반 시스템으로 설명합니다. 여기서 출력에는 예측, 콘텐츠, 추천, 결정 등이 포함됩니다. 또한 AI 시스템마다 자율성과 배포 후 적응 수준이 다를 수 있다고 설명합니다. (oecd.org)

NIST의 AI 위험관리 프레임워크도 AI 시스템을 주어진 목표에 따라 현실 또는 가상 환경에 영향을 주는 예측·추천·결정을 만들어내는 공학적 또는 기계 기반 시스템으로 설명합니다. (nvlpubs.nist.gov)

두 설명이 모든 논쟁을 끝내는 절대적인 정의는 아닙니다. 다만 오늘날 국제기구와 표준기관이 AI를 어떤 구조로 바라보는지 이해하는 데 유용한 기준이 됩니다.

AI는 사람처럼 생각하는 기계만을 뜻하지 않습니다

AI를 설명할 때 자주 등장하는 문장이 있습니다.

“인공지능은 인간의 지능을 모방하는 기술이다.”

완전히 틀린 설명은 아닙니다. 실제로 인공지능이라는 연구 분야가 출발할 때도 인간의 학습과 지능을 기계로 구현할 수 있는지가 중요한 질문이었습니다.

1955년에 작성되고 1956년 다트머스 연구 프로젝트로 이어진 제안서에서도 학습과 지능의 여러 측면을 정밀하게 설명할 수 있다면 기계가 이를 모사할 수 있다는 생각이 제시됐습니다. 이 모임은 인공지능이라는 연구 분야의 출발점으로 널리 언급됩니다. (Dartmouth)

하지만 오늘날의 AI를 모두 사람처럼 생각하는 기계로 설명하면 오해가 생깁니다.

스팸 필터는 인간처럼 세상을 이해하지 않습니다. 사진 분류 모델도 고양이라는 존재를 사람과 같은 방식으로 이해한다고 말하기 어렵습니다. 내비게이션은 목적지까지 가는 경로를 계산하지만 운전의 의미를 아는 것은 아닙니다.

현재 사용되는 대부분의 AI는 특정한 입력을 받아 특정한 작업을 수행하도록 만들어진 시스템입니다. 이를 흔히 좁은 AI 또는 특화 AI라고 부릅니다.

따라서 어떤 시스템이 AI인지 판단할 때는 인간처럼 말하거나 로봇의 모습을 하고 있는지를 볼 필요가 없습니다.

그 시스템이 어떤 입력을 받고, 어떤 방법으로 결과를 만들며, 그 결과가 어떤 환경에 영향을 주는지를 보는 편이 더 정확합니다.

AI가 하나의 기술처럼 보이는 이유

요즘 사람들은 AI라고 하면 ChatGPT, Gemini, Claude 같은 대화형 서비스를 먼저 떠올립니다.

글을 쓰고, 질문에 답하고, 이미지를 분석하며, 때로는 음성이나 영상까지 다루기 때문입니다. 이전 기술보다 사람과 상호작용하는 방식이 훨씬 직접적이어서 AI 자체가 최근에 등장한 기술처럼 느껴질 수도 있습니다.

하지만 AI는 특정 제품이나 모델 하나의 이름이 아닙니다.

AI라는 큰 범위 안에는 여러 접근법과 활용 분야가 들어 있습니다.

• 사람이 만든 지식과 논리 규칙을 이용하는 시스템
• 데이터에서 패턴을 학습하는 머신러닝
• 여러 층의 신경망을 이용하는 딥러닝
• 글·이미지·음성·영상 등을 만드는 생성형 AI
• 이미지를 인식하는 컴퓨터 비전
• 언어를 분석하고 생성하는 자연어 처리
• 경험과 보상을 바탕으로 행동을 개선하는 강화학습
• 조건과 목표를 바탕으로 답을 찾는 탐색·계획 시스템

OECD도 AI에 일반적으로 포함되는 범위로 머신러닝과 지식 기반 접근법을 함께 제시하고, 컴퓨터 비전·자연어 처리·음성 인식·의사결정 지원·지능형 로봇 등을 주요 적용 분야로 설명합니다. 동시에 AI의 범위는 실제 사용 문맥에 따라 판단할 필요가 있다고 밝히고 있습니다. (oecd.org)

즉 AI는 하나의 엔진이라기보다 여러 시대에 등장한 방법과 기술을 묶어 부르는 큰 이름에 가깝습니다.

머신러닝·딥러닝·생성형 AI는 어떤 관계일까요?

이 네 가지 용어는 자주 섞여 사용됩니다.

가장 먼저 구분할 것은 AI와 머신러닝이 같은 말은 아니라는 점입니다.

AI가 가장 넓은 범주라면 머신러닝은 그 안에 포함되는 주요 접근법 중 하나입니다.

머신러닝

머신러닝은 사람이 모든 판단 규칙을 하나씩 직접 작성하는 대신, 데이터에서 패턴을 학습해 예측하거나 결과를 만들게 하는 방법입니다.

고양이 사진을 판별하는 프로그램을 만든다고 생각해보겠습니다.

사람이 고양이의 귀 모양, 눈의 크기, 수염의 길이를 가능한 경우마다 전부 규칙으로 작성하기는 어렵습니다. 머신러닝에서는 고양이와 고양이가 아닌 사진을 많이 보여주고, 모델이 두 집단을 구분하는 패턴을 학습하게 할 수 있습니다.

Google의 머신러닝 교육 자료도 머신러닝을 데이터로부터 예측하거나 콘텐츠를 생성하도록 모델을 훈련하는 방법으로 설명합니다. (developers.google.com)

딥러닝

딥러닝은 머신러닝 안에 포함됩니다.

여러 층으로 구성된 신경망을 사용해 데이터의 특징과 복잡한 관계를 학습하는 방식입니다. 이미지 인식, 음성 인식, 번역, 언어 모델과 같은 분야의 발전에 큰 역할을 했습니다.

유럽연합 집행위원회의 AI 시스템 정의 지침도 딥러닝을 계층형 신경망 구조를 사용하는 머신러닝의 하위 범주로 설명합니다. (ai-act-service-desk.ec.europa.eu)

생성형 AI

생성형 AI는 입력된 데이터를 분류하는 데서 끝나지 않고 글, 이미지, 음성, 영상, 코드 같은 콘텐츠를 만들어내는 AI를 말합니다.

오늘날 우리가 접하는 생성형 AI의 대부분은 딥러닝을 사용합니다. 대규모 언어 모델이나 이미지 생성 모델도 여기에 포함됩니다.

다만 용어의 관계를 무조건 다음처럼 외우면 조금 위험합니다.

AI > 머신러닝 > 딥러닝 > 생성형 AI

현재의 대표적인 생성형 AI가 대부분 딥러닝을 기반으로 하는 것은 맞습니다. 하지만 생성 모델이라는 개념 자체는 지금의 대규모 딥러닝 모델보다 오래됐고, 생성형 AI의 범위를 어디까지 포함할지에도 약간의 차이가 있습니다.

Google의 머신러닝 용어집도 생성형 AI에 하나로 확정된 공식 정의가 있는 것은 아니며, 과거의 생성 기술을 생성형 AI에 포함할지를 두고 관점이 다를 수 있다고 설명합니다. (developers.google.com)

따라서 처음 배울 때는 다음 정도로 이해하면 충분합니다.

AI가 가장 넓은 범주이고, 머신러닝은 데이터를 통해 학습하는 방법이며, 딥러닝은 머신러닝의 한 방식입니다. 생성형 AI는 새로운 콘텐츠를 만드는 AI의 범주이고, 오늘날의 생성형 AI는 주로 딥러닝을 사용합니다.

규칙 기반 시스템도 AI라고 부를 수 있을까요?

여기서 가장 헷갈리는 문제가 시작됩니다.

사람이 규칙을 직접 입력한 시스템도 AI일까요?

답부터 말하면 다음과 같습니다.

규칙을 사용한다는 이유만으로 AI가 아닌 것도 아니고, 규칙을 사용한다는 이유만으로 모두 AI가 되는 것도 아닙니다.

초기의 AI 연구에서는 사람이 지식과 규칙을 입력하고, 시스템이 그 지식을 이용해 결론을 도출하는 방식이 중요한 위치를 차지했습니다.

대표적인 예가 전문가 시스템입니다.

의료 전문가들이 질병과 증상의 관계를 규칙으로 정리해두면, 시스템이 환자의 증상을 입력받아 가능한 질병이나 추가 검사를 제안하는 방식입니다. 시스템이 데이터에서 스스로 규칙을 학습하지 않더라도, 지식과 논리 구조를 이용해 새로운 입력에 대한 결론을 도출한다면 넓은 의미의 AI로 분류될 수 있습니다.

유럽연합 집행위원회의 지침도 머신러닝뿐 아니라 논리·지식 기반 접근법을 AI 기술에 포함합니다. 여기에는 지식 표현, 지식베이스, 추론 엔진, 상징적 추론, 전문가 시스템, 탐색·최적화 방법 등이 포함될 수 있습니다. (ai-act-service-desk.ec.europa.eu)

하지만 아주 단순한 규칙 실행은 다릅니다.

온도가 28도 이상이면 에어컨을 켠다.
매일 오후 6시에 조명을 켠다.
결제 금액이 5만 원 이상이면 배송비를 0원으로 표시한다.

이런 프로그램은 사람이 정해놓은 조건과 결과를 그대로 실행합니다. 입력이 같으면 결과도 정확히 정해져 있고, 별도의 학습이나 지식 기반 추론도 없습니다.

이런 기능은 보통 자동화 또는 전통적인 소프트웨어로 보는 편이 적절합니다.

EU의 지침에서도 사람이 정한 규칙을 그대로 실행하는 단순한 소프트웨어, 기본적인 데이터 정렬·필터링, 일반 스프레드시트 계산, 단순한 평균값 예측 등은 AI 시스템의 범위에서 제외될 수 있다고 설명합니다. (ai-act-service-desk.ec.europa.eu)

결국 중요한 것은 규칙이 있느냐 없느냐가 아닙니다.

그 시스템이 규칙과 지식을 이용해 새로운 입력으로부터 결론을 추론하는지, 아니면 사람이 지정한 작업을 그대로 반복하는지를 살펴봐야 합니다.

자동화와 AI는 어떻게 구분할까요?

자동화는 사람이 정해놓은 작업을 컴퓨터가 자동으로 수행하게 만드는 것입니다.

AI 역시 자동으로 작동할 수 있으므로 두 범위는 서로 겹칩니다. 하지만 모든 자동화가 AI인 것은 아닙니다.

예를 들어보겠습니다.

정해진 시간에 메시지 발송

매일 오전 9시에 같은 안내 문자를 보내도록 설정했다면 자동화입니다. 시스템은 시간을 확인하고 미리 작성된 문장을 발송합니다.

문의 내용을 분석해 답변 분류

고객이 작성한 문의 내용을 분석해 결제, 환불, 배송, 오류 같은 유형으로 분류한다면 머신러닝이나 자연어 처리 기반 AI가 사용될 수 있습니다.

정해진 조건에 따라 할인 적용

회원 등급이 VIP이고 구매 금액이 10만 원 이상이면 10%를 할인하도록 만들었다면 일반적인 규칙 기반 자동화입니다.

이용자마다 다른 상품 추천

사용자의 구매 기록, 검색 행동, 선호도와 비슷한 사람들의 행동을 분석해 상품을 추천한다면 AI 추천 시스템으로 볼 수 있습니다.

둘의 차이를 간단히 표현하면 다음과 같습니다.

자동화는 정해진 절차를 대신 실행하는 데 초점이 있고, AI는 입력을 분석해 예측·추천·판단·콘텐츠 같은 결과를 만들어내는 데 초점이 있습니다.

하지만 이것도 절대적인 판별 공식은 아닙니다.

자동화 안에 AI 모델이 포함될 수 있고, AI가 만든 결과를 다시 자동화 시스템이 받아 다음 작업을 실행할 수도 있습니다. 실제 서비스에서는 두 기술이 하나의 흐름 안에 함께 사용되는 경우가 많습니다.

무엇이 AI인지 구분하는 간단한 방법

어떤 기능에 AI라는 이름이 붙어 있을 때는 다음 질문을 던져볼 수 있습니다.

1. 시스템이 무엇을 입력받는가?

텍스트, 이미지, 음성, 센서 값, 사용자 행동, 거래 기록처럼 시스템이 분석할 정보가 무엇인지 확인합니다.

2. 결과가 처음부터 정확히 정해져 있는가?

모든 조건과 결과를 사람이 미리 정해놓았다면 일반적인 자동화에 가까울 수 있습니다.

반대로 데이터의 패턴이나 지식 구조를 이용해 새로운 입력에 대한 결과를 도출한다면 AI일 가능성이 커집니다.

3. 어떤 결과를 만드는가?

예측, 분류, 추천, 판단, 콘텐츠 생성처럼 입력에서 새로운 결과를 만들어내는지 살펴봅니다.

4. 데이터에서 학습하는가?

학습한다면 머신러닝 기반 AI일 가능성이 큽니다. 그러나 학습하지 않는다고 해서 반드시 AI가 아닌 것은 아닙니다. 논리와 지식을 이용하는 AI도 있기 때문입니다.

5. 어떤 기준의 AI를 말하는가?

학문적인 분류인지, 법률상의 정의인지, 제품 홍보에서 사용하는 표현인지 확인해야 합니다.

이 마지막 질문이 중요한 이유는 AI의 정의와 범위가 문맥에 따라 달라질 수 있기 때문입니다.

같은 프로그램도 문맥에 따라 다르게 보일 수 있습니다

AI를 하나의 문장으로 완벽하게 나누기 어려운 이유는 기술의 역사와 사용 목적이 계속 변하기 때문입니다.

한때는 체스 프로그램처럼 탐색과 계산을 이용해 문제를 푸는 시스템이 대표적인 AI 사례였습니다. 지금은 비슷한 기능을 일반 알고리즘이나 게임 프로그램으로 받아들이는 사람도 많습니다.

법률에서는 어떤 시스템에 의무를 적용할지 결정해야 하므로 구체적인 경계가 필요합니다. 연구에서는 특정 기술이나 문제 해결 방식을 기준으로 분류할 수 있습니다. 기업은 기존 기능에 작은 AI 요소가 추가된 경우에도 제품 전체를 AI 서비스라고 소개할 수 있습니다.

유럽연합 집행위원회 역시 AI 시스템 여부는 개별 시스템의 구조와 기능을 살펴 판단해야 하며, 모든 사례를 자동으로 나눌 수 있는 완전한 목록은 만들기 어렵다고 설명합니다. 해당 지침 자체도 법적 구속력이 없고, 새로운 사례와 실제 적용 경험에 따라 달라질 수 있다고 밝히고 있습니다. (Shaping Europe’s digital future)

따라서 다음과 같은 질문은 하나의 기준만으로 답하기 어렵습니다.

• 간단한 규칙 기반 챗봇은 AI인가?
• 통계적 예측 기능은 어디부터 AI인가?
• 검색 결과의 순서만 정하는 시스템도 AI인가?
• 사람이 대부분의 판단을 하고 AI가 일부만 돕는 경우는 어떠한가?

이럴 때는 제품에 붙은 이름보다 시스템이 실제로 무엇을 하는지를 보는 편이 낫습니다.

오늘날 사람들이 말하는 AI는 조금 더 좁습니다

학술적·역사적으로 AI는 머신러닝 이전의 지식 기반 시스템부터 현대의 생성형 AI까지 포함하는 넓은 분야입니다.

하지만 일상 대화에서 “AI를 사용한다”라고 말할 때는 대개 다음과 같은 기술을 가리킵니다.

• 질문에 답하는 대규모 언어 모델
• 글·이미지·음성·영상을 만드는 생성형 AI
• 데이터를 학습해 예측하거나 분류하는 머신러닝
• 사람의 요청을 이해하고 여러 도구를 사용하는 AI 에이전트

즉 오늘날 일상에서 사용하는 AI라는 말은 실제로는 현대 머신러닝과 생성형 AI를 중심으로 한 좁은 의미인 경우가 많습니다.

이것이 틀린 사용법은 아닙니다. 다만 AI의 전체 역사와 기술 범위가 생성형 AI로만 이루어져 있다고 생각하면 이후 개념을 이해하기 어려워집니다.

ChatGPT는 AI이지만 AI가 곧 ChatGPT인 것은 아닙니다. 생성형 AI는 AI이지만 모든 AI가 콘텐츠를 생성하는 것도 아닙니다. 머신러닝은 AI의 중요한 방법이지만 모든 AI가 데이터에서 학습해야 하는 것도 아닙니다.

흔한 오해

“AI라면 반드시 스스로 학습해야 한다.”

그렇지 않습니다. 배포 이후에는 학습하지 않고 고정된 모델로 작동하는 AI도 많습니다. 논리·지식 기반 시스템처럼 데이터 학습을 중심으로 하지 않는 AI도 있습니다.

“AI는 인간처럼 이해하고 생각한다.”

현재의 AI가 언어를 다루고 복잡한 결과를 만든다고 해서 사람과 같은 방식으로 이해하거나 의식을 가진다고 단정할 수는 없습니다. 특정 작업에서 매우 뛰어난 성능을 보이는 것과 인간과 같은 지능을 가지는 것은 다른 문제입니다.

“규칙 기반 시스템은 모두 AI가 아니다.”

전문가 시스템과 상징적 AI처럼 규칙과 지식을 이용해 추론하는 방식도 AI 역사에서 중요한 영역입니다. 다만 사람이 지정한 조건을 단순 실행하는 프로그램까지 모두 AI라고 부르기는 어렵습니다.

“자동으로 작동하면 AI다.”

타이머, 엑셀 수식, 자동 이메일 발송처럼 정해진 절차를 실행하는 기능은 자동화이지만 일반적으로 AI라고 보지는 않습니다.

“생성형 AI가 가장 발전했으니 다른 AI는 사라졌다.”

분류, 예측, 이상 탐지, 추천, 경로 최적화처럼 생성형이 아닌 AI도 산업과 일상에서 계속 사용되고 있습니다.

“AI라는 이름이 붙어 있으면 특별한 지능이 들어 있다.”

제품 설명에 AI라는 표현이 있어도 실제로 어떤 모델이나 기능이 사용됐는지는 별도로 확인해야 합니다. 작은 추천 기능 하나가 포함된 제품 전체를 AI 제품으로 부르는 경우도 있습니다.

그래서 무엇을 기억해야 할까요?

AI가 무엇인지 이해하기 위해 모든 알고리즘을 구분할 필요는 없습니다.

대신 세 가지를 기억하면 됩니다.

첫째, AI는 하나의 기술이 아니라 넓은 범주입니다.

머신러닝, 딥러닝, 생성형 AI뿐 아니라 논리와 지식을 이용하는 방식도 AI의 역사와 범위 안에 들어갑니다.

둘째, 모든 자동화가 AI인 것은 아닙니다.

사람이 정해놓은 절차를 그대로 실행하는 것과 입력으로부터 예측·추천·판단·콘텐츠를 만들어내는 것은 구분할 필요가 있습니다.

셋째, AI의 경계는 문맥에 따라 달라질 수 있습니다.

학술적 정의, 법적 정의, 산업에서 사용하는 표현, 일상에서 사용하는 말이 완전히 같지는 않습니다.

그래서 어떤 서비스가 AI인지 궁금할 때 저는 이름보다 다음을 먼저 보는 편이 좋다고 생각합니다.

이 시스템은 무엇을 입력받는가. 그 입력에서 어떻게 결과를 만드는가. 데이터에서 학습하는가, 지식과 논리를 이용하는가. 결과가 예측인지, 추천인지, 판단인지, 콘텐츠인지. 그리고 그 결과가 사람과 환경에 어떤 영향을 주는가.

AI라는 이름을 확인하는 것은 시작일 뿐입니다.

그 안에서 실제로 무엇이 작동하는지 살펴보기 시작하면, 머신러닝과 딥러닝, 생성형 AI가 왜 서로 연결되면서도 다른 개념인지도 조금씩 보이기 시작합니다.