안녕하세요, 이번 포스팅에서는 ChatGPT와 생성형 AI를 활용한 콘텐츠 제작 가이드의 정의와 약어에 대해 알아보겠습니다. 이 과정에서 기억해야 할 몇 가지 중요한 정의와 약어를 소개합니다. 이 정의들은 앞으로의 강의에서 자주 사용될 것이니 참고 자료로 보관해두시면 좋습니다.
주요 정의와 약어
- AGI (Artificial General Intelligence): 일반적인 내용을 학습하고 작업할 수 있는 가상의 지능형 에이전트입니다. 인간처럼 다양한 작업을 수행할 수 있는 능력을 가진 AI를 말합니다.
- AI (Artificial Intelligence): 기계나 컴퓨터 프로그램이 학습하고, 생각하고, 생성하는 능력을 말합니다. 예를 들어, 스스로 학습하여 문제를 해결하거나 새로운 정보를 생성할 수 있습니다.
- AI Agent: 센서와 액추에이터를 사용하여 환경에 따라 행동하는 자율적 엔티티입니다. 주어진 목표를 달성하기 위해 스스로 결정을 내리고 행동합니다.
- AI Model: 데이터를 분석하여 패턴을 찾고 예측을 수행하는 프로그램입니다. 이러한 모델은 훈련 데이터를 기반으로 새로운 데이터를 처리할 수 있습니다.
- AI Token: LLM AI가 처리하고 관리하는 텍스트 또는 코드의 기본 단위입니다. 예를 들어, 문장을 단어 단위로 쪼개어 처리하는 것과 같습니다.
- API (Application Programming Interface): 애플리케이션이 서로 통신할 수 있도록 정의된 규칙 세트입니다. 이를 통해 서로 다른 소프트웨어 시스템이 데이터를 주고받을 수 있습니다.
- Computer Vision: 디지털 시스템을 통해 시각적 데이터를 해석하는 인공지능의 한 분야입니다. 예를 들어, 사진 속의 객체를 인식하거나 영상을 분석하는 기술입니다.
- Contextual AI: 상황을 해석하고 이에 맞춰 반응하는 인공지능의 한 종류입니다. 예를 들어, 질문의 문맥을 이해하고 적절한 답변을 제공할 수 있습니다.
- Deep Learning: 컴퓨터가 인간의 뇌를 모방하여 데이터를 처리하는 기계 학습 기술입니다. 예를 들어, 여러 층의 인공 신경망을 통해 데이터를 학습하고 분석합니다.
- GAN (Generative Adversarial Network): 새로운 데이터를 생성하는 생성 모델로, 훈련 데이터와 유사한 데이터를 만듭니다. 예를 들어, 새로운 이미지를 생성하는 데 사용됩니다.
- Inference: 학습된 AI 모델을 통해 실시간 데이터를 실행하여 예측하거나 작업을 해결하는 과정입니다. 예를 들어, 실시간으로 데이터를 분석하여 결과를 도출합니다.
- LLM (Large Language Model): 대규모 언어 모델을 의미하며, 딥러닝을 활용한 일종의 인공지능(AI) 알고리즘입니다. 이 모델은 방대한 데이터를 이해하고, 요약하고, 생성하며, 새로운 콘텐츠를 예측합니다.
- Machine Learning: 데이터로부터 학습하고 개선할 수 있는 인공지능의 한 분야로, 명시적으로 프로그래밍하지 않고도 작동합니다. 예를 들어, 데이터를 통해 패턴을 학습하고 예측 모델을 만듭니다.
- Machine Learning Pipeline: 데이터를 기계 학습 모델의 출력으로 변환하는 엔드투엔드 구성입니다. 예를 들어, 데이터 수집, 전처리, 모델 학습, 평가, 배포 등 전체 과정을 포함합니다.
- Model Weights: 신경망에서 두 뉴런 간의 신호 강도를 결정하는 학습된 특성입니다. 예를 들어, 가중치는 학습 과정을 통해 조정되어 모델의 성능을 향상시킵니다.
- Multimodal LLM: 다양한 데이터 유형(이미지, 텍스트, 음성, 수치 데이터)을 처리하여 더 높은 성과를 달성하는 알고리즘입니다. 예를 들어, 텍스트와 이미지를 동시에 처리하여 더 정확한 결과를 도출합니다.
- Neural Network: 신경망은 데이터를 처리하는 인공지능의 한 방법으로, 인간의 두뇌에서 영감을 받은 방식으로 작동합니다. 예를 들어, 입력 데이터에서 특징을 추출하고 이를 기반으로 결정을 내립니다.
- Priming: 학생들에게 새로운 주제를 소개하여 학습을 촉진하는 전략입니다. 예를 들어, 사전 지식을 제공하여 새로운 정보를 더 쉽게 이해하도록 돕습니다.
- Prompt Engineering: 생성형 AI가 원하는 결과를 생성하도록 지시하는 과정입니다. 예를 들어, 특정 질문을 통해 AI가 정확한 답변을 생성하도록 유도합니다.
- Robotics: 실제로 상호작용할 수 있는 AI 형태로, 로봇을 설계하고 제작하는 공학 및 컴퓨터 과학의 한 분야입니다. 예를 들어, 로봇을 이용해 물건을 운반하거나 조립하는 작업을 자동화합니다.
- Training: AI 시스템이 데이터를 해석하고 인식하며 학습하도록 가르치는 과정입니다. 예를 들어, 모델에 데이터를 제공하여 패턴을 학습하고 예측 능력을 향상시킵니다.
- Transformer Model: 컨텍스트를 학습하여 의미를 이해하는 신경망으로, 많은 텍스트 생성 알고리즘이 기본 변환기 모델을 사용합니다. 예를 들어, 문장의 의미를 이해하고 적절한 응답을 생성합니다.
다양한 AI 하위 카테고리
AI는 여러 하위 카테고리를 포함합니다. 머신러닝, 딥러닝, 컴퓨터 비전, 로봇 공학 등이 그 예입니다. 이들은 각각 독립적인 연구와 운영을 하며, 모든 하위 카테고리가 상호작용하는 것은 아닙니다. 예를 들어, 기계 학습은 컴퓨터 비전 및 로봇 공학과는 크게 상호작용하지 않지만, 딥러닝은 이들 모두와 상호작용합니다.
이 모든 정의들은 앞으로의 강의에서 자주 사용될 것입니다.
이해하고 참고 자료로 보관해두세요. 이제 다음 강의로 넘어가겠습니다! 🚀🚀🚀