AI(인공지능) 이해를 위한 용어 총정리

AI(인공지능)을 이해하기 위해 자주 사용되는 핵심 용어들을 정리해봤습니다.

이 용어들은 AI의 기본 개념, 기술, 응용 분야를 이해하는 데 도움을 줄 것입니다.

인공지능(AI)

AI 용어

● 인공지능 [Artificial Intelligence (AI)]

인간처럼 학습하고 추론하며 문제를 해결하는 시스템 또는 소프트웨어를 만드는 기술과 학문입니다.

(1) 학문(Academia)

AI는 알고리즘과 모델의 이론적 이해를 위한 연구 주제로 다뤄집니다.

이는 과학적 논문, 학술 컨퍼런스, 대학의 연구 프로그램 등을 통해 발전됩니다.

예: "딥러닝의 수학적 원리", "강화 학습의 최적화 이론"

(2) 기술(Application)

학문적 발견을 응용하여 실제 문제를 해결하는 실용적 도구로 개발됩니다.

예: 이미지 인식을 위한 딥러닝 기술, ChatGPT와 같은 자연어 처리 시스템

*AI를 '기술'로만 정의하는 이유

-> 일반적으로 사람들이 AI를 실질적으로 접하는 방식이 기술적 응용이기 때문입니다.

그러나 AI의 뿌리와 지속적인 발전을 이해하기 위해서는 '학문적 기초'를 간과해서는 안 됩니다.

● 머신러닝[Machine Learning (ML)]

데이터를 기반으로 스스로 학습하고 예측할 수 있도록 하는 AI의 분야 입니다.

기계 학습 프로세스 퍼널

● 딥러닝[Deep Learning (DL)]

인간의 뇌 신경망을 모방한 인공신경망을 활용하는 더 복잡한 머신러닝의 분야 입니다.

AI 학습 방법의 계층 구조

● 신경망[Neural Network (NN)]

뉴런(인간외 뇌를 모방)처럼 동작하는 계산 노드를 연결한 구조로 데이터 패턴을 학습하는 모델 입니다.

딥러닝의 기본 구성 요소 입니다.

신경망의 구성 요소

● 데이터(Data)

AI 모델 학습의 기반이 되는 정보나 자료(숫자, 텍스트, 이미지 등)입니다.

머신러닝 관련 용어

● 지도학습(Supervised Learning)

입력 데이터(특징)와 출력 데이터(레이블)를 이용해 모델을 학습합니다.

이것은 정답이 있는 데이터를 학습하는 방식입니다.

● 비지도학습(Unsupervised Learning)

레이블 없이 데이터의 패턴과 구조를 학습 합니다.

이것은 정답이 없는 데이터 구조를 찾는 방식입니다.

● 강화학습[Reinforcement Learning (RL)]

보상을 기반으로 행동을 학습하는 방법 입니다.

가장 일반적인 것으로는 '알파고'가 있습니다.

강화 학습 사이클

● Feature

데이터에서 학습에 중요한 요소로 추출된 속성입니다.

● Training Dataset

모델 학습에 사용하는 데이터 입니다.

●  전이학습 (Transfer Learning)
이미 학습된 모델을 다른 유사한 작업에 재사용하는 방법입니다.

데이터가 부족한 상황에서 유용합니다.

AI에서의 전이 학습

● Validation Dataset

모델 성능을 검증하는 데 사용하는 데이터입니다.

● 오버피팅(Overfitting)

학습 데이터에는 잘 맞지만 새로운 데이터에는 성능이 저하되는 현상입니다.

모델 성능 균형 맞추는 방법

● 언더피팅(Underfitting)

학습 데이터조차 제대로 설명하지 못하는 현상입니다.

 

CPU와 GPU 핵심과 차이점 및 AI시대에 중요한 관점 이야기

딥러닝 및 신경망 관련 용어

● Convolutional Neural Network (CNN)

이미지 데이터 처리에 특화된 신경망 구조입니다.

● Recurrent Neural Network (RNN)

순차적 데이터(시계열, 텍스트 등)를 처리하는 신경망입니다.

● Transformer

자연어 처리(NLP)에서 주로 사용되는 신경망 구조를 뜻합니다.

예를들어 BERT, GPT 등입니다.

● Activation Function

뉴런의 출력을 결정하는 함수입니다.

예를들면, ReLU, Sigmoid, Softmax 등입니다.

● Backpropagation

오류를 역으로 전달해 가중치를 업데이트하는 학습 방법입니다.

● Epoch

전체 데이터를 한 번 학습한 주기입니다.

● Loss Function

모델의 예측값과 실제값 차이를 계산하는 함수입니다.

 

자연어 처리(NLP;Natural Language Processing) 관련 용어

자연어 처리는 컴퓨터가 인간의 언어를 이해하고 해석하는 기술로, 번역, 감정 분석, 대화형 AI 등에 사용됩니다.

인간-컴퓨터 상호작용

● Token

텍스트 데이터를 처리할 때 단위로 나뉜 작은 요소(단어, 문자 등)

● Embedding

단어를 벡터로 변환해 의미를 수치화하는 기술입니다.

● Sequence-to-Sequence (Seq2Seq)

입력 시퀀스를 다른 형태의 출력 시퀀스로 변환하는 모델입니다.

● Language Model

언어의 확률 분포를 학습해 텍스트 생성을 가능하게 하는 모델입니다.

AI 관련 용어

● Big Data

AI 모델 학습에 사용되는 대규모 데이터 입니다.

● 컴퓨터 비전(Computer Vision)

컴퓨터 비전은 컴퓨터가 이미지나 비디오를 이해하고 해석하는 기술로, 객체 인식, 이미지 분류 등에 활용됩니다.

컴퓨터 비전의 구성 요소

● 알고리즘(Algorithm)

알고리즘은 문제를 해결하기 위한 단계적 절차나 규칙의 집합으로, AI와 머신러닝에서 핵심적인 역할을 합니다.

알고리즘 맵

● 데이터셋(Dataset)

데이터셋은 머신러닝 모델을 학습시키기 위해 사용되는 데이터의 집합입니다.

AI 모델 학습 데이터 구조

● Edge Computing

데이터 처리를 클라우드가 아닌 장치나 로컬에서 수행하는 기술입니다.

● 생성형 AI(Generative AI)

새로운 콘텐츠(이미지, 텍스트 등)를 생성할 수 있는 AI기술입니다.

이기술은 기존데이터를 기반으로 새로운 데이터를 만들어 냅니다.

예를 들어 ChatGPT, DALL-E 등이 대표적입니다.

● 하이퍼파라미터(Hyperparameter)

모델의 학습 과정에 영향을 주는 조정 가능한 값입니다.

이것은 모델의 성능에 큰 영향을 미칩니다.

AI 모델에서 하이퍼파라미터 이해하기

● Fine-tuning

이미 학습된 모델을 특정 작업에 맞게 추가 학습입니다.

● Bias

모델이 특정 방향으로 편향된 학습을 하는 경우입니다.

● Explainability

AI 모델의 작동 원리를 이해하거나 설명할 수 있는 능력입니다.

 

이 용어들은 AI 분야에서 자주 사용되는 기본적인 용어들입니다.

AI는 빠르게 발전하는 분야이므로 새로운 용어들이 계속해서 새로운 용어가 만들어질 것 같습니다.

AI 시대에 CPU와 GPU 중 어떤 것이 더 효율적 일까?

[한빛미디어]혼자 공부하는 머신러닝 + 딥러닝 : 1:1 과외하듯 배우는 인공지능 자습서 - 데이터베

 

[솔]인공지능과 뇌는 어떻게 생각하는가 : 지극히 주관적인 그래서 객관적인 생각의 탄생 - 과학

[팜파스]십 대가 알아야 할 인공지능과 4차 산업혁명의 미래 (개정판) - 공부법 | 쿠팡

 

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."