우리가 알고 있는, 하지만 제대로 알지 못하는 개념들을
하나씩 알아봅시다.
계속 확장되는 AI 개념 아카이브에서 궁금한 내용을 찾아보세요.
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.
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.
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.
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.
기초 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.
기초 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.
모든 지식을 불러왔어요.