어떤 질문에도 대답할 수 있는 놀라운 능력을 가진 OpenAI의 AI 챗봇인 ChatGPT를 처음 접했을 수도 있습니다. 시 쓰기, 이력서 작성, 퓨전 레시피에 이르기까지 ChatGPT의 능력은 다음과 같이 비교되어 왔습니다. 스테로이드 자동 완성.
그러나 AI 챗봇 은 AI 환경의 한 부분일 뿐입니다. 물론 ChatGPT가 숙제를 도와주거나 Midjourney가 원산지를 기반으로 흥미로운 기계 이미지를 생성하는 것은 멋진 일이지만, 그 잠재력은 경제를 완전히 재편할 수 있습니다. 맥킨지 글로벌 연구소에 따르면 이러한 잠재력은 연간 세계 경제에 4조 4천억 달러의 가치가 있을 수 있으며, 이것이 바로 여러분이 인공지능에 대해 점점 더 많이 들어야 하는 이유입니다.
사람들이 인공지능으로 얽힌 세상에 익숙해지면서 새로운 용어가 곳곳에서 등장하고 있습니다. 따라서 술자리에서 똑똑하게 보이거나 면접에서 깊은 인상을 남기고 싶을 때 알아두어야 할 몇 가지 중요한 AI 용어를 소개합니다.
이 용어집은 지속적으로 업데이트될 예정입니다.
–
인공 일반 지능 또는 AGI: 오늘날 우리가 알고 있는 것보다 더 발전된 버전의 AI를 제안하는 개념으로, 인간보다 훨씬 더 나은 작업을 수행하는 동시에 스스로 학습하고 발전시킬 수 있는 AI를 말합니다.
AI 윤리: AI가 인간에게 해를 끼치는 것을 방지하기 위한 원칙으로, AI 시스템이 데이터를 수집하거나 편향성을 처리하는 방법을 결정하는 등의 방법을 통해 달성됩니다.
AI 안전: 인공지능의 장기적인 영향과 인공지능이 인간에게 적대적일 수 있는 초지능으로 갑자기 발전할 수 있는 방법에 대해 우려하는 학제 간 분야입니다.
알고리즘: 컴퓨터 프로그램이 패턴 인식과 같은 특정 방식으로 데이터를 학습하고 분석한 다음 이를 통해 스스로 학습하고 작업을 수행할 수 있도록 하는 일련의 지침.
Alignment: 원하는 결과를 더 잘 생성하도록 AI를 조정하는 작업. 여기에는 콘텐츠 조정부터 인간에 대한 긍정적인 상호작용 유지까지 모든 것이 포함될 수 있습니다.
의인화: 인간이 인간이 아닌 대상에 인간과 같은 특성을 부여하는 경향을 말합니다. AI에서는 챗봇이 행복하거나 슬프거나 심지어 지각이 있다고 믿는 등 실제보다 더 인간과 비슷하고 인식이 있다고 믿는 것이 여기에 포함될 수 있습니다.
인공 지능 또는 AI: 컴퓨터 프로그램이나 로봇 공학에서 인간의 지능을 시뮬레이션하기 위해 기술을 사용하는 것. 인간의 작업을 수행할 수 있는 시스템을 구축하는 것을 목표로 하는 컴퓨터 과학의 한 분야.
Bias: 대규모 언어 모델과 관련하여 학습 데이터에서 발생하는 오류입니다. 이로 인해 고정 관념에 따라 특정 특성을 특정 인종이나 그룹에 잘못 귀속시킬 수 있습니다.
챗봇: 인간의 언어를 모방한 텍스트를 통해 인간과 소통하는 프로그램.
ChatGPT: 대규모 언어 모델 기술을 사용하는 OpenAI에서 개발한 인공지능 챗봇입니다.
인지 컴퓨팅: 인공 지능의 또 다른 용어.
데이터 증강: 기존 데이터를 리믹스하거나 더 다양한 데이터 세트를 추가하여 AI를 학습시키는 것입니다.
딥 러닝: 여러 매개 변수를 사용하여 사진, 사운드 및 텍스트의 복잡한 패턴을 인식하는 AI의 한 방법이자 머신 러닝의 하위 분야입니다. 이 과정은 인간의 뇌에서 영감을 받아 인공 신경망을 사용하여 패턴을 생성합니다.
확산: 사진과 같은 기존 데이터에 무작위 노이즈를 추가하는 머신 러닝 방법. 확산 모델은 네트워크를 훈련시켜 해당 사진을 재설계하거나 복구합니다.
긴급 행동: AI 모델이 의도하지 않은 능력을 발휘하는 경우.
엔드투엔드 학습 또는 E2E: 모델에 처음부터 끝까지 작업을 수행하도록 지시하는 딥러닝 프로세스입니다. 순차적으로 작업을 수행하도록 학습하는 것이 아니라 입력을 통해 학습하여 한 번에 해결합니다.
윤리적 고려 사항: AI의 윤리적 영향과 개인정보 보호, 데이터 사용, 공정성, 오용 및 기타 안전 문제와 관련된 이슈에 대한 인식.
Foom: 빠른 이륙 또는 하드 이륙이라고도 합니다. 누군가가 인류를 구하기에는 이미 너무 늦었을지도 모른다는 개념으로, AGI를 만들면 인류를 구할 수 있다는 의미입니다.
생성적 적대적 네트워크, 즉 GAN: 새로운 데이터를 생성하는 두 개의 신경망, 즉 제너레이터와 판별기로 구성된 생성형 AI 모델. 제너레이터는 새로운 콘텐츠를 생성하고, 판별기는 콘텐츠의 진위 여부를 확인합니다.
생성 AI: AI를 사용하여 텍스트, 비디오, 컴퓨터 코드 또는 이미지를 생성하는 콘텐츠 생성 기술. AI는 대량의 학습 데이터를 제공받고 패턴을 찾아서 스스로 새로운 반응을 생성하며, 때로는 소스 자료와 유사할 수 있습니다.
구글 바드: ChatGPT와 유사하게 작동하지만 현재 웹에서 정보를 가져오는 Google의 AI 챗봇으로, ChatGPT는 2021년까지 데이터로만 제한되며 인터넷에 연결되지 않습니다.
가드레일: 데이터가 책임감 있게 처리되고 모델이 불온한 콘텐츠를 생성하지 않도록 하기 위해 AI 모델에 적용되는 정책 및 제한 사항입니다.
환각: AI의 잘못된 응답. 생성 AI가 잘못된 답변을 생성하지만 마치 정답인 것처럼 자신 있게 답변하는 경우가 포함될 수 있습니다. 그 이유는 완전히 알려지지 않았습니다. 예를 들어, AI 챗봇에게 “레오나르도 다빈치가 모나리자를 언제 그렸나요?”라고 질문하면 실제로 모나리자가 그려진 지 300년이 지난 1815년에 “레오나르도 다빈치가 모나리자를 그렸습니다”라는 잘못된 답변이 나올 수 있습니다.
대규모 언어 모델 또는 LLM: 언어를 이해하고 인간과 유사한 언어로 새로운 콘텐츠를 생성하기 위해 대량의 텍스트 데이터로 학습된 AI 모델.
머신 러닝 또는 ML: 컴퓨터가 명시적인 프로그래밍 없이도 학습하고 더 나은 예측 결과를 도출할 수 있도록 하는 AI의 구성 요소입니다. 훈련 세트와 결합하여 새로운 콘텐츠를 생성할 수 있습니다.
Microsoft Bing: ChatGPT를 지원하는 기술을 사용하여 AI 기반 검색 결과를 제공할 수 있는 Microsoft의 검색 엔진입니다. 인터넷에 연결되어 있다는 점에서 구글 바드와 유사합니다.
멀티모달 AI: 텍스트, 이미지, 비디오, 음성 등 여러 유형의 입력을 처리할 수 있는 AI 유형.
자연어 처리: 머신 러닝과 딥 러닝을 사용하여 컴퓨터가 인간의 언어를 이해할 수 있는 능력을 부여하는 AI의 한 분야로, 주로 학습 알고리즘, 통계 모델 및 언어 규칙을 사용합니다.
신경망: 인간의 뇌 구조와 유사하며 데이터의 패턴을 인식하기 위한 계산 모델입니다. 패턴을 인식하고 시간이 지남에 따라 학습할 수 있는 상호 연결된 노드 또는 뉴런으로 구성됩니다.
과적합: 머신 러닝이 학습 데이터와 너무 밀접하게 작동하여 해당 데이터의 특정 예만 식별할 수 있고 새로운 데이터는 식별하지 못하는 오류입니다.
파라미터: LLM에 구조와 동작을 부여하여 예측을 가능하게 하는 수치 값입니다.
프롬프트 체인: 이전 상호 작용의 정보를 사용하여 미래의 응답에 색을 입히는 AI의 기능입니다.
확률적 앵무새: 출력 결과가 아무리 설득력 있게 들리더라도 소프트웨어가 언어의 이면에 있는 의미나 주변 세계에 대한 이해도가 높지 않다는 것을 설명하는 LLM의 비유. 이 문구는 앵무새가 그 뒤에 숨은 의미를 이해하지 못한 채 사람의 말을 흉내 내는 것을 가리킵니다.
스타일 전이: 한 이미지의 스타일을 다른 이미지의 콘텐츠에 맞게 조정하는 기능으로, AI가 한 이미지의 시각적 속성을 해석하여 다른 이미지에 사용할 수 있도록 합니다. 예를 들어 렘브란트의 자화상을 가져와 피카소 스타일로 다시 만들 수 있습니다.
온도: 언어 모델의 출력 무작위성을 제어하기 위해 설정된 매개변수입니다. 온도가 높을수록 모델이 더 많은 위험을 감수한다는 의미입니다.
텍스트-이미지 생성: 텍스트 설명을 기반으로 이미지를 생성합니다.
학습 데이터: 텍스트, 이미지, 코드 또는 데이터 등 AI 모델의 학습을 돕는 데 사용되는 데이터 세트입니다.
트랜스포머 모델: 문장이나 이미지의 일부와 같이 데이터의 관계를 추적하여 문맥을 학습하는 신경망 아키텍처 및 딥러닝 모델입니다. 따라서 문장을 한 번에 한 단어씩 분석하는 대신 문장 전체를 보고 문맥을 이해할 수 있습니다.
튜링 테스트: 유명한 수학자이자 컴퓨터 과학자인 앨런 튜링의 이름을 딴 이 테스트는 기계가 인간처럼 행동할 수 있는지를 테스트합니다. 사람이 기계의 반응과 다른 사람의 반응을 구별하지 못하면 기계는 통과합니다.
약한 인공지능, 일명 좁은 인공지능: 특정 작업에 집중하고 해당 기술 이상의 학습을 할 수 없는 AI. 오늘날 대부분의 인공지능은 약한 인공지능입니다.
제로 샷 학습: 모델이 필요한 학습 데이터가 주어지지 않은 상태에서 작업을 완료해야 하는 테스트. 예를 들어 호랑이에 대한 훈련만 받은 상태에서 사자를 인식하는 것이 그 예입니다.