최근 들어 AI에 대한 관심이 많아지면서 인공지능 전문가들 뿐만 아닌 일반인들도 AI와 관련된 용어들을 접하게 됩니다. 따라서 비전문가가 알아야 할 15개의 AI 용어를 아래에 나열해 보았습니다. AI와 머신러닝의 기본 개념을 이해하는 데 도움이 되시길 바랍니다!
1. LLM (Language Model)
LLM은 "Large Language Model"의 약자로, 대규모 언어 모델을 의미합니다. 이 모델은 인공지능이 언어에 대한 이해와 생성을 수행하는 데 사용됩니다. 예를 들어, 저는 하나의 LLM인 ChatGPT입니다.
2. 할루시네이션 (Hallucination)
AI에서 할루시네이션은 실제로는 존재하지 않거나 입력 데이터에는 없지만, 모델이 오해하여 잘못된 정보를 생성하거나 예측하는 현상을 말합니다. 예를 들어, 이미지 인식 모델이 테스트 이미지에 존재하지 않는 물체를 인식해 내는 경우에 할루시네이션이 발생했다고 말할 수 있습니다.
3. Fine-tuning
Fine-tuning은 미리 학습된 모델을 사용하여 특정 작업에 맞게 모델을 추가적으로 조정하는 과정을 말합니다. 예를 들어, 이미지 분류 모델을 fine-tuning하여 자동차와 비슷한 객체를 식별하는 데에도 사용할 수 있습니다.
4. 데이터셋 (Dataset)
데이터셋은 모델의 학습에 사용되는 입력 데이터의 모음을 의미합니다. 데이터셋은 일반적으로 훈련 데이터와 테스트 데이터로 나누어집니다. 훈련 데이터는 모델을 학습시키는 데 사용되고, 테스트 데이터는 학습된 모델의 성능을 평가하는 데 사용됩니다. 데이터셋은 일반적으로 다양한 예제와 해당 예제에 대한 정답(레이블)으로 구성됩니다.
5. 훈련 (Training)과 학습 (Learning)
훈련은 머신러닝 모델이 주어진 데이터셋을 사용하여 학습하는 과정을 말합니다. 모델은 입력 데이터와 해당 데이터에 대한 정답(레이블)을 사용하여 내부 매개변수를 조정하고 최적의 예측 모델을 찾아냅니다. 훈련 과정에서 모델은 오차를 최소화하도록 매개변수를 업데이트합니다.
학습은 모델이 훈련 데이터를 통해 경험을 쌓고 패턴을 파악하는 과정을 의미합니다. 모델은 데이터의 입력과 출력 간의 관계를 학습하고 예측을 수행할 수 있는 내부 표현을 구축합니다. 학습은 모델의 성능을 향상시키고 새로운 입력에 대한 예측 능력을 갖추는 데 중요한 역할을 합니다.
훈련과 학습은 머신러닝 및 딥러닝 모델의 핵심 개념입니다. 데이터셋은 모델이 학습할 수 있는 정보를 제공하며, 훈련과 학습을 통해 모델이 데이터의 패턴을 파악하고 예측을 수행할 수 있게 됩니다.
6. 추천 시스템 (Recommendation System)
사용자의 선호도나 행동 기록을 분석하여 상품, 콘텐츠, 서비스 등을 개인별로 추천해주는 시스템입니다. 예를 들어, 음악 스트리밍 서비스의 "비슷한 아티스트 추천" 기능이 추천 시스템의 예입니다.
7. 생성적 적대 신경망 (Generative Adversarial Network, GAN)
생성자와 판별자라는 두 개의 신경망이 서로 경쟁하며 학습하는 구조로, 새로운 이미지, 음악, 텍스트 등을 생성하는 데 사용됩니다.
8. 강건성 (Robustness)
모델이 입력 데이터의 변화나 노이즈에 강하게 대응할 수 있는 능력을 말합니다. 강건한 모델은 입력의 작은 변화에도 일관된 예측을 제공할 수 있습니다.
9. 자기 지도 학습 (Self-Supervised Learning)
레이블이 없는 데이터를 활용하여 모델을 학습하는 방법으로, 데이터 자체의 패턴을 활용하여 특징을 추출하고 표현 학습을 수행합니다.
10. 분류 (Classification)
주어진 데이터를 미리 정의된 클래스 또는 범주로 분류하는 작업입니다. 예를 들어, 이메일을 "스팸" 또는 "스팸 아님"으로 분류하는 것이 분류 작업입니다.
11. 회귀 (Regression)
입력 데이터와 그에 상응하는 연속적인 값을 예측하는 작업입니다. 예를 들어, 주택 가격을 예측하는 모델이 회귀 작업을 수행합니다.
12. 군집 (Clustering)
유사한 특성을 가진 데이터를 그룹으로 묶는 작업입니다. 예를 들어, 고객 데이터를 군집화하여 비슷한 성향의 고객 그룹을 형성하는 것이 군집화 작업입니다.
13. 강화학습 (Reinforcement Learning)
에이전트가 환경과 상호작용하며 보상 신호를 통해 학습하는 방식의 머신러닝입니다. 예를 들어, 로봇이 행동을 선택하고 보상을 받아 학습하는 것이 강화학습입니다.
14. 자연어 처리 (Natural Language Processing, NLP)
인간이 사용하는 언어를 기계가 이해하고 처리하는 기술입니다. 예를 들어, 기계 번역, 챗봇, 문서 요약 등에 자연어 처리가 사용됩니다.
15. 데이터 마이닝 (Data Mining)
대규모 데이터에서 유용한 정보를 추출하고 패턴을 발견하는 과정입니다. 예를 들어, 구매 기록에서 고객의 선호도를 예측하는 것이 데이터 마이닝입니다.
이상으로 용어를 알아보았습니다. 이러한 용어들은 AI와 머신러닝의 기본 개념을 이해하는 데 도움이 될 것입니다.
추가적인 설명이 필요하거나 다른 용어에 대해 질문이 있으시면 언제든지 물어보세요!
'IT∙테크∙프로그래밍' 카테고리의 다른 글
| 예제로 이해하는 자바스크립트 최신 문법 11가지 (0) | 2023.06.02 |
|---|---|
| 자바스크립트(Javascript): 웹을 이루는 매력적인 언어 (0) | 2023.06.01 |
| 코딩, 왜 시작해야 하는가? : 삶의 건축가가 되는 법 (0) | 2023.05.29 |
| 블로그 색인? 인덱싱? 그게 무슨 의미인가요? (0) | 2023.05.28 |
| 비개발자도 쉽게 홈페이지를 만들 수 있는 방법 (0) | 2023.05.10 |
