AI 용어 사전: 초보자를 위한 완벽 가이드 (2025)

ChatGPT에게 질문하고, AI가 그린 그림을 감상하고, 프롬프트를 고민하는 시대입니다. 그런데 LLM, 토큰, 할루시네이션 같은 용어가 나오면 막막해지지 않나요? 이 글에서 2025년 AI를 이해하는 데 필요한 핵심 용어들을 쉽고 명확하게 정리해 드립니다.

기초 개념: AI의 뼈대를 이해하기

AI (Artificial Intelligence, 인공지능)

인간의 지능을 모방하여 학습하고, 추론하고, 문제를 해결하는 컴퓨터 시스템입니다. 체스를 두는 프로그램부터 자율주행차, ChatGPT까지 모두 AI의 범주에 들어갑니다. AI는 크게 '약한 AI(특정 작업만 수행)'와 '강한 AI(인간 수준의 범용 지능)'로 나뉘는데, 현재 우리가 사용하는 대부분의 AI는 약한 AI입니다.

머신러닝 (Machine Learning)

AI의 핵심 기술로, 명시적인 프로그래밍 없이 데이터에서 패턴을 학습하는 방식입니다. 예를 들어, 수천 장의 고양이 사진을 보여주면 "고양이는 이렇게 생겼구나"를 스스로 파악합니다. 전통적인 프로그래밍이 "이런 조건이면 이렇게 해라"라고 일일이 지시하는 것과 대비됩니다.

딥러닝 (Deep Learning)

머신러닝의 한 종류로, 인간 뇌의 신경망 구조를 모방한 '인공 신경망'을 사용합니다. '딥(Deep)'이라는 이름은 신경망의 층(layer)이 깊다는 뜻입니다. 이미지 인식, 음성 인식, 자연어 처리 등 복잡한 작업에서 뛰어난 성능을 보여 현재 AI 발전의 핵심 동력입니다.

신경망 (Neural Network)

인간 뇌의 뉴런 연결 방식을 본뜬 컴퓨팅 구조입니다. 입력층, 은닉층, 출력층으로 구성되며, 각 층의 '노드'들이 서로 연결되어 정보를 전달합니다. 은닉층이 많아질수록 더 복잡한 패턴을 학습할 수 있고, 이것이 바로 딥러닝입니다.

생성형 AI 용어: 대화하고 창작하는 AI

LLM (Large Language Model, 대규모 언어 모델)

방대한 텍스트 데이터로 학습한 초거대 AI 모델입니다. ChatGPT의 GPT-4, Google의 Gemini, Anthropic의 Claude가 대표적입니다. 수천억 개의 '파라미터'를 가지며, 문맥을 이해하고 자연스러운 텍스트를 생성합니다. LLM의 등장으로 AI와 자연어로 대화하는 시대가 열렸습니다.

GPT (Generative Pre-trained Transformer)

OpenAI가 개발한 LLM 시리즈의 이름입니다. 'Generative'는 텍스트를 생성한다는 뜻, 'Pre-trained'는 대량의 데이터로 미리 학습됐다는 뜻, 'Transformer'는 사용된 신경망 구조의 이름입니다. GPT-3.5, GPT-4, GPT-4o 등 버전이 발전해왔고, ChatGPT는 GPT를 대화형으로 다듬은 서비스입니다.

Transformer (트랜스포머)

2017년 Google이 발표한 신경망 구조로, 현재 대부분의 LLM이 이 구조를 기반으로 합니다. 핵심은 'Attention(어텐션)' 메커니즘으로, 문장에서 어떤 단어가 다른 단어와 어떻게 연관되는지 파악합니다. "나는 사과를 먹었다"에서 '먹었다'가 '사과'와 강하게 연결된다는 것을 학습하는 식입니다.

프롬프트 (Prompt)

AI에게 주는 지시문이나 질문입니다. "이메일 초안 작성해줘"부터 "1920년대 뉴욕 스타일로 그림 그려줘"까지, AI가 수행할 작업을 설명하는 모든 입력이 프롬프트입니다. 같은 AI라도 프롬프트를 어떻게 작성하느냐에 따라 결과 품질이 크게 달라집니다.

프롬프트 엔지니어링 (Prompt Engineering)

AI에서 원하는 결과를 얻기 위해 프롬프트를 최적화하는 기술입니다. 단순히 "요약해줘"보다 "핵심 포인트 3가지를 불릿포인트로 요약해줘"가 더 좋은 결과를 냅니다. 역할 부여("너는 전문 편집자야"), 예시 제공, 단계별 지시 등 다양한 기법이 있습니다.

토큰 (Token)

AI가 텍스트를 처리하는 기본 단위입니다. 영어에서는 대략 단어 하나가 1~2토큰, 한국어에서는 한 글자가 1~2토큰 정도입니다. AI 서비스의 가격은 보통 토큰 수로 계산되며, 입력과 출력 모두 토큰으로 측정됩니다. "안녕하세요"는 약 5토큰입니다.

할루시네이션 (Hallucination)

AI가 사실이 아닌 정보를 마치 사실인 것처럼 생성하는 현상입니다. 존재하지 않는 논문을 인용하거나, 일어나지 않은 사건을 설명하는 경우가 대표적입니다. LLM은 '그럴듯한 다음 단어'를 예측하는 방식으로 작동하기 때문에 발생합니다. AI 결과물의 팩트체크가 중요한 이유입니다.

최신 트렌드 용어: AI의 미래

AGI (Artificial General Intelligence, 범용 인공지능)

인간처럼 다양한 분야에서 유연하게 사고하고 학습할 수 있는 AI를 말합니다. 현재의 AI는 특정 작업에만 뛰어난 '약한 AI'이지만, AGI는 새로운 상황에서도 스스로 적응하고 문제를 해결합니다. OpenAI, Google 등 주요 기업들이 AGI 개발을 목표로 삼고 있으며, 언제 달성될지는 전문가들 사이에서도 의견이 분분합니다.

멀티모달 (Multimodal)

텍스트, 이미지, 오디오, 비디오 등 여러 형태의 데이터를 함께 이해하고 처리하는 AI 능력입니다. GPT-4o는 이미지를 보고 설명하고, Gemini는 영상을 분석합니다. 인간이 눈, 귀, 말을 동시에 사용하듯, 멀티모달 AI는 다양한 정보를 종합적으로 이해합니다.

RAG (Retrieval-Augmented Generation, 검색 증강 생성)

LLM의 한계를 보완하는 기술로, AI가 답변하기 전에 외부 데이터베이스나 문서를 검색하여 참고합니다. 예를 들어, 회사 내부 문서를 검색해서 정확한 정책을 안내하거나, 최신 뉴스를 참조해서 답변합니다. 할루시네이션을 줄이고 최신 정보를 반영하는 데 효과적입니다.

파인튜닝 (Fine-tuning)

이미 학습된 AI 모델을 특정 목적에 맞게 추가 학습시키는 것입니다. 의료, 법률, 금융 등 전문 분야의 데이터로 파인튜닝하면 해당 분야에서 더 정확한 답변을 생성합니다. 기초 모델을 처음부터 학습시키는 것보다 훨씬 적은 데이터와 비용으로 전문화된 AI를 만들 수 있습니다.

PRISM Insight: 용어를 넘어 활용으로

AI 용어를 아는 것은 시작일 뿐입니다. 진짜 가치는 이 지식을 바탕으로 AI를 효과적으로 활용하는 데 있습니다. 프롬프트 엔지니어링 기법을 익히면 같은 ChatGPT로도 훨씬 좋은 결과를 얻을 수 있고, 할루시네이션을 이해하면 AI 결과물을 비판적으로 검토하는 습관이 생깁니다. AI는 도구이고, 도구는 이해하는 만큼 잘 다룰 수 있습니다.

핵심 용어 요약