인공지능 용어집: 지금 꼭 알아야 할 기본 개념

인공지능의 보급과 함께 전문적인 용어와 약자가 그 어느 때보다 빠른 속도로 일상 회화와 비즈니스 현장에 침투하고 있다. 이러한 말들의 대부분은 기술자를 위해 탄생한 것이지만, 이제는 뉴스와 제품 설명에도 자주 등장하기 때문에 AI 분야에 정통하지 않은 사람들도 기본적인 의미를 파악할 필요성이 높아지고 있다. 본 기사에서는 자주 사용되는 AI 관련 중요 용어를 정리하여 설명한다.

먼저 '생성AI(Generative AI)'란 문장, 이미지, 음성, 코드 등의 콘텐츠를 새롭게 만들어낼 수 있는 인공지능의 총칭이다. ChatGPT나 Midjourney 등이 그 대표적인 예로, 주어진 지시사항(프롬프트)에 따라 처음부터 출력을 생성하는 점이 기존의 분류·검색형 AI와 크게 다르다. 이 기술이 널리 보급됨에 따라, 이후에 소개하는 다양한 개념들이 일반인들에게도 널리 사용되게 되었다.

'LLM(대규모 언어 모델)'은 방대한 텍스트 데이터를 학습시킨 대규모 인공지능 모델을 가리킨다. 인간이 작성한 문장의 패턴을 학습함으로써 질문에 대한 답변, 문장의 요약, 번역 등을 자연스러운 언어로 수행할 수 있다. GPT-4, Claude, Gemini 같은 모델이 이에 해당하며, 많은 생성AI 서비스의 핵심을 이루고 있다. '파라미터'는 이 모델이 학습 과정에서 조정하는 내부 변수의 개수를 가리키며, 숫자가 클수록 복잡한 표현을 다룰 수 있는 경향이 있다고 알려져 있다.

'프롬프트'는 인공지능에 대한 지시문을 뜻하며, 어떻게 작성하느냐에 따라 출력의 질이 크게 달라진다. 이러한 작성 방식을 개선하는 기술은 '프롬프트 엔지니어링'이라 불리며, AI 활용의 실용적인 스킬로 주목받고 있다. 한편, 인공지능이 사실과 다른 정보를 그럴듯하게 생성해버리는 현상은 '할루시네이션(환각)'이라 불리며, 의료, 법률, 보도 등 정확성이 요구되는 분야에서는 특히 주의가 필요하다.

'RAG(검색 증강 생성)'는 인공지능이 답변을 생성할 때 외부의 데이터베이스나 문서를 검색하여 참조할 수 있도록 하는 메커니즘이다. LLM이 보유한 학습 데이터의 지식에는 시간적 한계와 범위의 한계가 있지만, RAG를 조합하면 최신 정보나 특정 분야의 전문 지식을 보완할 수 있다. 기업이 사내 문서를 바탕으로 한 AI 어시스턴트를 구축할 때 등에 널리 사용되는 기법이다. '파인튜닝'은 그 반대의 접근 방식으로, 기존 모델에 특정 데이터를 추가 학습시켜 특정 용도로 특화시키는 기법을 가리킨다.

'에이전트(AI 에이전트)'는 단순히 질문에 답하는 것만이 아니라 도구를 사용하거나 작업을 순차적으로 실행하는 등 자율적으로 행동할 수 있는 인공지능을 의미한다. 웹 검색, 코드 실행, 파일 조작 등을 조합하여 복잡한 목표를 달성할 수 있다는 점이 특징이며, 2024년 이후 급속도로 주목도가 높아진 개념이다. '멀티모달'은 텍스트뿐만 아니라 이미지, 음성, 동영상 등 여러 형식의 데이터를 동시에 다룰 수 있는 인공지능의 능력을 가리키는 말로, 최신 세대 모델의 대부분이 이 능력을 갖추고 있다.

이러한 용어들을 알고 있는 것은 AI 관련 뉴스나 제품 정보를 정확히 읽어내기 위한 토대가 된다. 기술은 날마다 진화하고 있으며, 새로운 개념과 약자는 앞으로도 계속 증가할 것으로 보인다. 용어의 의미를 한 번 정리해두면, 각 서비스의 특징과 한계를 스스로 평가하는 능력으로 이어지며, AI를 보다 주체적으로 활용하기 위한 첫 번째 발걸음이 될 것이다.