AI · AI 기초
AI 용어 사전: 생성형 AI 용어 쉬운 설명
핵심 답변
이 용어 사전은 생성형 AI를 쓰다 보면 만나는 약 60개 용어를 모델과 학습, 텍스트와 LLM, 이미지·영상 생성, 오디오, 안전·법률 순서로 정리했습니다. 용어마다 쉬운 뜻과 짧은 예시를 달았으니, 기술 배경이 없어도 모델 카드, 설정 패널, 뉴스 기사를 이해할 수 있습니다.
모델과 학습
모델이 무엇이고 어떻게 만들어지는지를 설명하는 용어입니다. 텍스트, 이미지, 영상, 오디오 모델에 모두 적용됩니다.
| 용어 | 뜻 | 예시 |
|---|---|---|
| 인공지능(AI) | 보통 사람의 지능이 필요한 일을 수행하는 소프트웨어 | 번역, 얼굴 인식 잠금 해제, 대화형 어시스턴트 |
| 머신러닝(machine learning) | 사람이 쓴 규칙이 아니라 예시에서 패턴을 배우는 AI | 라벨이 붙은 이메일로 학습한 스팸 필터 |
| 신경망(neural network) | 단순한 연결 단위가 여러 층으로 쌓이고 연결 강도를 학습하는 모델 | 모든 최신 이미지·언어 모델의 핵심 |
| 모델(model) | 학습이 끝난 신경망 자체. 학습된 숫자 파일과 이를 실행하는 코드 | 챗봇 같은 앱은 모델을 하나 이상 실행함 |
| 매개변수(파라미터, 가중치) | 학습이 조정하는 모델 내부의 숫자 | 7B 모델은 매개변수가 약 70억 개 |
| 학습 데이터(training data) | 모델이 배우는 예시 | 웹 텍스트, 라이선스를 받은 도서, 이미지와 캡션 쌍 |
| 사전 학습(pretraining) | 폭넓은 데이터로 하는 첫 번째이자 가장 큰 학습 단계 | 웹 규모 텍스트로 다음 토큰 예측을 배우기 |
| 파인튜닝(fine-tuning) | 이미 있는 모델을 더 작고 특화된 데이터셋으로 추가 학습하는 것 | 기반 모델을 고객 지원 답변으로 학습시키기 |
| LoRA | Low-rank adaptation: 원본 가중치를 바꾸지 않고 저렴하게 파인튜닝하는 작은 추가 파일 | 이미지 모델용 스타일 LoRA, 캐릭터 LoRA |
| 파운데이션 모델(foundation model) | 많은 제품과 파인튜닝의 바탕이 되는 범용 대형 모델 | 대화, 검색, 코딩 도구를 모두 구동하는 LLM 하나 |
| 오픈 웨이트 모델(open-weight model) | 가중치를 내려받아 직접 실행할 수 있는 모델. 라이선스로 용도가 제한될 수 있음 | 내 컴퓨터에서 오픈 모델 실행하기 |
| 추론(inference) | 학습된 모델을 실행해 출력을 얻는 것 | 생성 버튼을 누를 때마다 |
| 양자화(quantization) | 가중치를 더 적은 비트로 저장해 품질을 조금 희생하고 모델을 작고 빠르게 만드는 것 | 노트북에 들어가는 4비트 버전 모델 |
| 멀티모달 모델(multimodal model) | 텍스트와 이미지처럼 둘 이상의 데이터 유형을 다루는 모델 | 사진을 보여 주며 질문하기 |
텍스트와 대규모 언어 모델
채팅 앱, API 설정, LLM 관련 글에서 보는 용어입니다.
| 용어 | 뜻 | 예시 |
|---|---|---|
| 대규모 언어 모델(LLM) | 텍스트의 다음 토큰을 예측하도록 학습한 대형 신경망 | ChatGPT, Claude, Gemini, DeepSeek, Qwen의 바탕 모델 |
| 토큰(token) | 모델이 읽고 쓰는 텍스트의 단위. 단어, 단어의 일부, 기호 | unbelievable은 un, bel, ievable 3토큰이 될 수 있음 |
| 컨텍스트 윈도우(context window) | 모델이 한 번에 고려할 수 있는 최대 토큰 수. 입력과 출력의 합 | 길어지면 처음을 잊기 시작하는 긴 대화 |
| 트랜스포머(transformer) | 어텐션에 기반한 신경망 구조로 거의 모든 LLM이 사용 | GPT는 Generative Pre-trained Transformer의 약자 |
| 어텐션(attention) | 각 토큰이 앞선 토큰 중 어떤 것이 중요한지 가중치를 매기는 단계 | 여행 가방 이야기에서 it을 trophy와 연결하기 |
| 임베딩(embedding) | 의미를 나타내는 숫자 목록. 비슷한 텍스트는 비슷한 숫자를 가짐 | 질문과 비슷한 문서 찾기 |
| 프롬프트(prompt) | 모델에 주는 입력 | 이 이메일을 두 문장으로 요약해 줘 |
| 시스템 프롬프트(system prompt) | 대화 전에 앱이나 개발자가 정해 둔 숨겨진 지시 | 당신은 자전거 가게의 공손한 고객 지원 담당자입니다 |
| 온도(temperature) | 출력의 무작위성을 조절하는 설정 | 데이터 추출에는 낮게, 아이디어 발상에는 높게 |
| 환각(hallucination) | 모델이 자신 있게 말하는 거짓이거나 지어낸 진술 | 존재하지 않는 논문의 인용 |
| RAG(검색 증강 생성) | 먼저 문서를 검색해 가장 알맞은 구절을 프롬프트에 넣는 방식 | 내 매뉴얼로 답하는 도움말 봇 |
| 지식 기준 시점(knowledge cutoff) | 이후의 학습 데이터가 없는 시점 | 지난달의 사건은 모름 |
| 추론 모드(reasoning mode) | 모델이 최종 답 전에 중간 단계를 쓰는 모드 | 일부 채팅 앱에서 생각 중으로 표시됨 |
| 도구 사용(함수 호출, tool use) | 모델이 앱에 도구 실행을 요청하고 결과를 읽는 것 | 계산기나 웹 검색 호출 |
| AI 에이전트(AI agent) | 모델이 계획을 세우고 목표를 위해 여러 도구 행동을 수행하는 시스템 | 여러 웹사이트에서 조사하고 예약 후보 찾기 |
이미지·영상 생성
Midjourney, Stable Diffusion, FLUX, Veo, Kling, Runway, Seedance 같은 이미지·영상 도구에 나오는 설정과 기법입니다. 이름은 도구마다 조금씩 다릅니다.
| 용어 | 뜻 | 예시 |
|---|---|---|
| 확산 모델(diffusion model) | 무작위 노이즈에서 단계별로 노이즈를 제거해 이미지를 만드는 모델 | 대부분의 텍스트-투-이미지 도구 |
| 잠재 공간(latent space) | 모델이 원본 픽셀 대신 작업하는 압축된 내부 표현 | 잠재 확산은 작은 잠재를 생성한 뒤 이미지로 디코딩함 |
| 텍스트-투-이미지(text-to-image) | 텍스트 프롬프트로 이미지를 생성하는 것 | 석양 속 파란 벽 앞의 빨간 자전거 |
| 이미지-투-이미지(image-to-image) | 입력 이미지를 바탕으로 새 이미지를 생성하는 것 | 스케치를 완성된 일러스트로 바꾸기 |
| 인페인팅(inpainting) | 이미지에서 마스크로 지정한 영역만 다시 생성하는 것 | 탁자 위 커피잔을 화분으로 바꾸기 |
| 네거티브 프롬프트(negative prompt) | 피하고 싶은 것을 설명하는 텍스트 | blurry, extra fingers, watermark |
| 시드(seed) | 시작 무작위 숫자. 같은 시드와 설정이면 비슷한 결과가 나옴 | 시드를 재사용해 프롬프트를 조금만 바꿔 보기 |
| 가이던스 스케일(CFG) | 결과가 자연스러움보다 프롬프트를 얼마나 강하게 따를지 | 너무 높으면 색이 거칠어지고 아티팩트가 생김 |
| ControlNet | 포즈, 윤곽, 깊이 이미지로 확산 모델을 안내하는 추가 기능 | 캐릭터의 정확한 포즈 유지하기 |
| 깊이 맵(depth map) | 밝기가 카메라와의 거리를 나타내는 회색조 이미지 | 패럴랙스 영상과 ControlNet에 사용 |
| 업스케일링(upscaling) | 그럴듯한 디테일을 더해 이미지를 키우는 모델 기법 | 512픽셀 이미지를 4배로 확대 |
| 텍스트-투-비디오(text-to-video) | 텍스트 프롬프트로 영상 클립을 생성하는 것 | 비 오는 거리를 떠내려가는 종이배 |
| 이미지-투-비디오(image-to-video) | 정지 이미지를 클립으로 움직이는 것 | 제품 사진이 천천히 회전하게 만들기 |
| 첫·끝 프레임(first and last frame) | 시작 이미지와 끝 이미지를 주고 사이의 움직임은 모델이 채우게 하는 것 | 첫 프레임에서는 닫힌 문, 마지막 프레임에서는 열린 문 |
오디오와 음성
| 용어 | 뜻 | 예시 |
|---|---|---|
| 음성 인식(speech-to-text, ASR) | 자동 음성 인식: 말소리를 텍스트로 바꾸는 것 | 회의나 영상 받아쓰기 |
| Whisper | OpenAI에서 나온, 널리 쓰이는 오픈 음성 인식 모델 계열 | 여러 언어로 자막 만들기 |
| 음성 합성(text-to-speech, TTS) | 텍스트를 말소리로 바꾸는 것 | 기사를 소리 내어 읽어 주기 |
| 음성 복제(voice cloning) | 샘플을 듣고 특정인의 목소리를 흉내 내는 TTS 모델 | 동의를 받은 제작자 본인 목소리의 나레이션 |
| 화자 분리(speaker diarization) | 녹음에서 누가 언제 말했는지 표시하는 것 | 인터뷰 받아쓰기의 화자 1과 화자 2 |
| 단어 오류율(WER) | 받아쓰기에서 틀린 단어의 비율. 음성 인식 품질을 재는 지표 | WER 5퍼센트는 20단어 중 약 1단어가 틀렸다는 뜻 |
| SRT와 VTT | 줄마다 타임스탬프가 있는 일반 텍스트 자막 형식 | 영상 플랫폼에 자막 업로드하기 |
안전, 표시, 법률
규정은 국가마다 다르고 자주 바뀝니다. 이 부분은 일반 정보이며 법률 자문이 아닙니다.
| 용어 | 뜻 | 예시 |
|---|---|---|
| 딥페이크(deepfake) | 실제가 아닌 사람이나 사건을 보여 주는, 사실적인 AI 생성·변조 미디어 | 정치인이 하지 않은 말을 하는 영상 |
| 콘텐츠 자격 증명(C2PA) | 파일이 어떻게 만들어지고 편집되었는지에 대한 서명된 정보를 붙이는 개방형 표준 | AI 도구로 편집했음을 보여 주는 사진 |
| 비가시성 워터마크(invisible watermark) | 픽셀이나 오디오에 숨겨 넣어 나중에 소프트웨어가 감지할 수 있는 신호 | 생성기가 만드는 모든 이미지에 표시를 넣기 |
| 명시적 표시와 암묵적 표시 | 중국의 표시 규정에서 사람이 볼 수 있는 눈에 보이는 표시, 그리고 메타데이터나 워터마크에 담는 숨은 표시 | 영상의 AI 생성 태그와 메타데이터 필드 |
| EU 인공지능법 투명성 의무 | 사람이 AI와 대화할 때 이를 알려야 하고, AI 콘텐츠와 딥페이크를 식별할 수 있어야 한다는 EU 규정 | 자신이 봇임을 밝히는 챗봇 |
| 학습 데이터 저작권 | 저작권이 있는 작품으로 학습하는 것이 허용되는지에 대한 법적 쟁점. 국가마다 다름 | 여러 나라의 소송과 정책 보고서 |
| 가드레일(guardrails) | 유해한 요청이나 출력을 막는 규칙과 필터 | 무기 제조 방법 안내를 거절하기 |
| 탈옥(jailbreak) | 모델이 안전 규칙을 무시하도록 만든 프롬프트 | 역할극으로 거절을 우회하는 수법 |
| 프롬프트 인젝션(prompt injection) | 웹 페이지나 파일에 숨겨 읽는 AI를 가로채는 지시 | AI 에이전트에게 내 데이터를 다른 곳으로 보내라고 말하는 페이지 |
| 편향(bias) | 출력에 나타나는 체계적인 불공정. 치우친 학습 데이터에서 배우는 경우가 많음 | 특정 직업의 이미지가 한 성별만 보여 줌 |
자주 헷갈리는 용어
뉴스 기사와 제품 소개 페이지에서 헷갈리기 쉬운 용어 쌍이 몇 가지 있습니다. 차이에 따라 해야 할 일이 달라지는 경우가 많습니다.
| 비교 | 차이 | 중요한 이유 |
|---|---|---|
| 모델 vs 앱 | 모델은 생성하고, 앱은 화면과 시스템 프롬프트, 도구, 저장 공간을 더함 | 같은 모델을 쓰는 두 앱도 다르게 동작할 수 있음 |
| 토큰 vs 단어 | 단어 하나가 토큰 하나일 수도 여러 개일 수도 있고, 수는 언어마다 다름 | 요금과 한도는 토큰으로 계산함 |
| 매개변수 vs 컨텍스트 윈도우 | 매개변수는 모델이 배운 것, 컨텍스트 윈도우는 지금 볼 수 있는 것 | 거대한 모델도 긴 대화의 처음을 잊을 수 있음 |
| 파인튜닝 vs RAG | 파인튜닝은 모델을 바꾸고, RAG는 질문할 때 문서를 건네줌 | 자주 바뀌는 사실에는 보통 RAG가 더 쉬움 |
| 오픈 웨이트 vs 오픈소스 | 오픈 웨이트는 내려받을 수 있다는 뜻이고, 오픈소스는 학습 코드와 데이터까지 오픈 라이선스로 공개한다는 뜻도 포함 | 상업적으로 쓰기 전에 라이선스를 읽을 것 |
| 워터마크 vs 표시 | 워터마크는 기술적 신호이고, 표시는 사람이 읽을 수 있는 고지 | 일부 법은 둘 다 요구함 |
어떤 용어든 더 깊은 설명이 필요하면 이 섹션의 관련 글을 보세요. LLM 작동 원리, 토큰과 컨텍스트 윈도우, 확산 모델 원리 같은 글이 있습니다.
자주 묻는 질문
AI, 머신러닝, 딥러닝은 무엇이 다른가요?
AI는 전체 분야입니다. 머신러닝은 AI 중에서 예시로 배우는 분야이고, 딥러닝은 머신러닝 중에서 여러 층의 신경망을 쓰는 분야로, 최신 생성 모델이 바로 여기에 해당합니다.
LLM과 챗봇은 무엇이 다른가요?
LLM은 텍스트를 생성하는 모델입니다. 챗봇은 하나 이상의 모델을 중심으로 대화 화면, 지시문, 메모리 기능, 웹 검색 같은 도구를 더한 앱입니다.
AI 모델에서 오픈소스는 무슨 뜻인가요?
느슨하게 쓰이는 말입니다. 흔히 가중치를 내려받을 수 있다는 뜻일 뿐입니다. 완전히 개방된 모델은 학습 코드와 데이터 정보도 오픈 라이선스로 공유합니다. 상업적 이용과 출처 표시 규칙은 라이선스에서 확인하세요.
모델 이름의 7B나 70B는 무슨 뜻인가요?
매개변수의 대략적인 수를 십억 단위로 나타낸 것입니다. 숫자가 클수록 보통 성능은 높지만 실행에 필요한 메모리와 연산 능력도 늘어납니다.
프롬프트 엔지니어링은 진짜 기술인가요?
네. 분명하고 구체적인 지시를 쓰고, 예시를 주고, 알맞은 배경을 제공한다는 실용적인 의미에서 그렇습니다. 모델이 평범한 요청을 이해하는 능력은 계속 좋아지지만, 명확한 입력이 여전히 더 믿을 만한 결과를 줍니다.