AI 용어집
LLM과 RAG부터 파인튜닝, 에이전트까지 핵심 AI 개념을 쉬운 말로 설명합니다.
LLM(대규모 언어 모델)
방대한 텍스트로 학습해 다음 토큰을 예측하는 신경망으로, 채팅·글쓰기·코딩 등을 구동합니다.
토큰(Token)
모델이 처리하는 텍스트의 기본 단위로, 영어 약 4자 또는 한자 1–2자에 해당합니다. 과금과 컨텍스트 한도는 토큰 단위로 측정됩니다.
RAG(검색 증강 생성)
지식베이스에서 관련 문서를 검색해 모델에 전달함으로써 내 데이터에 근거해 답하게 하는 기법입니다.
임베딩(Embedding)
텍스트(또는 이미지)의 의미를 담은 숫자 벡터 표현으로, 유사도 검색을 가능하게 합니다.
파인튜닝(Fine-tuning)
사전 학습된 모델을 자체 데이터로 추가 학습해 특정 스타일·형식·작업에 특화시키는 것입니다.
LoRA
기본 가중치를 고정하고 작은 저랭크 행렬만 학습하는 효율적 파인튜닝 기법으로, 비용을 크게 줄입니다.
프롬프트 엔지니어링
모델에서 안정적으로 고품질 출력을 얻도록 입력(프롬프트)을 설계하는 기술입니다.
AI 에이전트
목표 달성을 위해 자율적으로 계획하고 도구를 사용하며 다단계 행동을 수행하는 AI 시스템입니다.
MCP
모델이 외부 도구와 데이터 소스에 일관된 방식으로 연결되게 하는 개방형 표준입니다.
컨텍스트 윈도우
모델이 한 번에 고려할 수 있는 최대 토큰 수로, 이를 넘는 내용은 잘리거나 잊힙니다.
환각(할루시네이션)
모델이 자신 있게 거짓·날조 내용을 생성하는 현상으로, RAG·도구 사용·검증으로 완화합니다.
멀티모달
텍스트·이미지·오디오·영상 등 여러 데이터 유형을 이해하고 생성하는 모델입니다.
추론(Inference)
학습된 모델을 실행해 출력을 생성하는 과정으로, 학습과 구분됩니다.
오픈소스/오픈 웨이트
소스 코드나 가중치가 공개되어 사용·연구·셀프호스팅이 가능한 모델과 도구입니다.
벡터 데이터베이스
임베딩을 저장하고 빠른 유사도 검색을 수행하는 데이터베이스로, RAG 시스템의 중추입니다.
트랜스포머
셀프 어텐션으로 모든 토큰을 병렬 처리하는, 현대 LLM의 기반 신경망 아키텍처입니다.
어텐션(Attention)
각 출력 토큰에 대해 입력의 어느 부분이 중요한지 가중치를 두는 메커니즘입니다.
토크나이저
원문을 모델이 처리할 토큰으로 나누고 다시 텍스트로 되돌리는 구성 요소입니다.
디퓨전 모델
무작위 노이즈를 점진적으로 제거해 이미지를 생성하는 모델로, Stable Diffusion 등의 기반입니다.
RLHF
사람의 평가로 학습한 보상 모델을 통해 모델을 인간 선호에 맞추는 학습 기법입니다.
사고 연쇄(CoT)
모델이 단계별로 추론하게 하는 프롬프트 기법으로, 복잡한 작업의 정확도를 높입니다.
퓨샷 학습
추가 학습 없이 프롬프트에 몇 개의 예시를 넣어 모델을 유도하는 방법입니다.
temperature(온도)
무작위성을 조절하는 샘플링 파라미터로, 낮으면 정확하고 높으면 창의적입니다.
양자화(Quantization)
가중치의 수치 정밀도를 낮춰(예: 4비트) 모델 크기를 줄이고 저사양 하드웨어에서 실행하는 기법입니다.
GGUF
양자화 모델 저장용 파일 형식으로, llama.cpp와 Ollama 등에서 LLM 로컬 실행에 널리 쓰입니다.
전문가 혼합(MoE)
각 토큰을 소수의 전문 하위 네트워크로 보내 비용 대비 용량을 높이는 아키텍처입니다.
함수 호출(Function Calling)
모델이 외부 함수나 도구를 구조화된 형식으로 호출하게 하는 기능으로, 에이전트와 연동의 기반입니다.
지식 증류
작은 ‘학생’ 모델이 큰 ‘교사’ 모델을 모방하도록 학습시켜, 낮은 비용으로 품질 대부분을 유지하는 기법입니다.
AI 안전과 정렬
AI 시스템이 인간의 가치와 의도된 목표에 맞게 행동하도록 보장하는 분야입니다.
제로샷
예시 없이 사전 학습 지식만으로 작업을 수행하게 하는 방식입니다.
에이전틱 AI
단일 프롬프트 응답을 넘어 계획·도구 사용·다단계 행동으로 목표를 자율 추구하는 AI 시스템입니다.
바이브 코딩
원하는 바를 자연어로 설명하면 AI가 코드를 생성·반복 개선하는 코딩 스타일로, 의도와 결과에 집중합니다.
추론 모델
답하기 전에 ‘생각’하도록 학습된 LLM으로, 내부 단계별 추론에 추가 연산을 투입해 어려운 수학·코딩·논리 문제를 풉니다.
텍스트 투 비디오
글로 쓴 설명에서 곧바로 영상 클립을 생성하며, 프롬프트로 장면·움직임·스타일을 제어하는 AI 모델입니다.
파운데이션 모델
광범위한 데이터로 학습된 범용 기반 대형 모델로, 프롬프트나 파인튜닝으로 다양한 작업에 적응합니다.
가드레일
AI 시스템의 발언과 행동을 제한하는 안전 통제로, 유해 콘텐츠 필터링·도구 권한 제한·정책 집행을 포함합니다.
시스템 프롬프트
사용자 메시지 이전에 어시스턴트의 역할·규칙·문체를 정하는 숨은 지시로, 행동의 기초입니다.