이 용어집은 다양한 AI 관련 용어를 이해하기 위한 확실한 출발점을 제공합니다. AI는 빠르게 발전하는 분야이므로 시간이 지남에 따라 새로운 용어와 개념이 나타날 수 있다는 점을 명심하세요. 평판이 좋은 출처와 업계 간행물을 참조하여 최신 정보를 유지하는 것이 중요합니다.
이 용어집은 다양한 AI 관련 용어를 이해하기 위한 확실한 출발점을 제공합니다. AI는 빠르게 발전하는 분야이므로 시간이 지남에 따라 새로운 용어와 개념이 나타날 수 있다는 점을 명심하세요. 평판이 좋은 출처와 업계 간행물을 참조하여 최신 정보를 유지하는 것이 중요합니다.
Gen AI 프롬프트 "미래형 하드 드라이브를 갖춘 Brian Beeler"
우리는 AI(인공 지능) 용어의 AI 상위 용어집을 해당 정의와 함께 편집했습니다.
- 연산: 기계가 문제를 해결하거나 작업을 수행하기 위해 따르는 일련의 지침이나 규칙입니다.
- 인공 지능(AI): 시각적 인식, 음성 인식, 의사 결정 및 문제 해결과 같이 일반적으로 인간 지능이 필요한 작업을 수행하기 위해 기계, 특히 컴퓨터 시스템에 의한 인간 지능 프로세스를 시뮬레이션합니다.
- 기계 학습(ML): 컴퓨터 시스템이 명시적으로 프로그래밍하지 않고도 경험을 통해 학습하고 개선할 수 있도록 하는 AI의 하위 집합입니다. ML 알고리즘을 통해 기계는 패턴을 인식하고 예측하며 시간이 지남에 따라 성능을 향상할 수 있습니다.
- 딥 러닝 : 여러 계층의 신경망을 사용하여 데이터를 계층적으로 처리하고 복잡한 특징을 추출하는 기계 학습의 특정 하위 필드입니다. 이는 이미지 및 음성 인식과 같은 작업에 특히 효과적입니다.
- 제휴 학습: 여러 장치 또는 서버가 협력하여 데이터를 분산화하고 비공개로 유지하면서 모델을 교육하는 접근 방식으로, 모바일 장치와 같은 시나리오에서 자주 사용됩니다.
- 양자 컴퓨팅: 양자 비트(큐비트)를 활용하여 기존 컴퓨터보다 훨씬 빠르게 특정 유형의 계산을 수행하는 최첨단 계산 접근 방식입니다.
- 신경망: 인간 두뇌의 구조와 기능에서 영감을 얻은 계산 모델입니다. 데이터를 처리하고 변환하기 위해 레이어로 구성된 상호 연결된 노드(뉴런)로 구성됩니다.
- 신경진화: 신경망 아키텍처 또는 매개변수를 발전시키는 데 사용되는 진화 알고리즘과 신경망을 결합하는 기술입니다.
- 대형 언어 모델(LLM): 사용자 입력에 대한 의미 있고 상황에 맞는 응답을 생성하기 위해 주어진 상황에서 다음 토큰을 생성하기 위해 지도 학습을 사용하여 막대한 양의 데이터에 대해 훈련된 기계 학습 모델입니다. 크다는 것은 언어 모델이 광범위한 매개변수를 사용한다는 것을 의미합니다. 예를 들어, GPT-3에는 175억 개의 매개변수가 있어 생성 당시 사용할 수 있는 가장 중요한 언어 모델 중 하나입니다.
- 자연어 처리 (NLP) : 인간이 읽을 수 있는 텍스트 생성에 초점을 맞춘 NLP의 하위 필드로, 자동화된 콘텐츠 생성과 같은 애플리케이션에 자주 사용됩니다.
- 컴퓨터 시각 인식: 이미지, 영상 등 세상의 시각적 정보를 기계가 해석하고 이해할 수 있도록 하는 AI 분야.
- 강화 학습: 에이전트가 환경과 상호작용하여 결정을 내리는 방법을 배우는 일종의 머신러닝입니다. 보상이나 벌칙의 형태로 피드백을 받아 의사결정 능력을 향상시킬 수 있도록 지도합니다.
- 지도 학습: 모델이 레이블이 지정된 데이터에 대해 학습되는 기계 학습 유형입니다. 즉, 각 입력에 대해 올바른 출력이 제공됩니다. 목표는 모델이 정보를 올바른 결과에 정확하게 매핑하는 방법을 학습하는 것입니다.
- 비지도 학습: 모델이 레이블이 지정되지 않은 데이터에 대해 학습되고 특정 지침 없이 데이터 내에서 패턴이나 구조를 찾아야 하는 기계 학습 유형입니다.
- 준지도 학습: 지도 학습과 비지도 학습의 조합으로, 라벨이 지정된 데이터와 라벨이 지정되지 않은 데이터를 혼합하여 모델을 학습합니다.
- 전이 학습: 사전 훈련된 모델을 새로운 작업의 시작점으로 사용하여 제한된 데이터에 대해 더 빠르고 효율적인 훈련을 가능하게 하는 기술입니다.
- 지식 그래프: 엔터티, 해당 속성 및 관계를 포착하여 정교한 정보 검색 및 추론을 가능하게 하는 구조화된 지식 표현입니다.
- CNN(컨벌루션 신경망): 이미지와 같은 격자형 데이터를 처리하도록 설계된 신경망 유형입니다. CNN은 컴퓨터 비전 작업에 특히 효과적입니다.
- 순환 신경망(RNN): 텍스트나 시계열과 같은 순차 데이터에 적합한 신경망 유형입니다. RNN은 순차적 정보를 효과적으로 처리하기 위해 과거 입력의 메모리를 유지합니다.
- 생성적 적대 네트워크(GAN): 이미지나 오디오와 같은 사실적인 데이터를 생성하기 위해 서로 경쟁하는 두 개의 네트워크, 생성기 및 판별기로 구성된 일종의 신경망 아키텍처입니다.
- AI의 편견: 편향된 훈련 데이터나 설계 결정으로 인해 AI 시스템에 불공정하거나 차별적인 결과가 나타나는 것을 말합니다.
- AI의 윤리: AI 시스템을 개발하고 배포할 때 AI 시스템이 책임감 있게 사용되고 개인이나 사회에 해를 끼치지 않도록 도덕적 원칙과 지침을 고려합니다.
- 설명 가능한 AI(XAI): 자신의 결정에 대해 투명한 설명을 제공하여 인간이 AI 생성 결과 이면의 추론을 이해할 수 있도록 하는 AI 시스템을 설계하는 개념입니다.
- 엣지 AI: 클라우드 기반 처리에 의존하는 대신 AI 알고리즘을 엣지 장치(예: 스마트폰, IoT 장치)에 직접 배포하여 더 빠르고 개인 정보 보호를 고려한 AI 애플리케이션을 가능하게 합니다.
- 빅 데이터: 기존 방법을 사용하여 처리하기에는 너무 크거나 복잡한 것으로 간주되는 데이터 세트입니다. 여기에는 의사 결정을 개선하는 귀중한 통찰력과 패턴을 수집하기 위해 방대한 정보 세트를 분석하는 것이 포함됩니다.
- 사물 인터넷(IoT): 데이터를 수집하고 교환할 수 있는 센서와 소프트웨어가 장착된 상호 연결된 장치의 네트워크입니다.
- AIaaS(서비스형 AI): 클라우드를 통해 AI 도구 및 서비스를 제공하면 기업과 개발자가 기본 인프라를 관리하지 않고도 AI 기능에 액세스하고 사용할 수 있습니다.
- 챗봇 : NLP 및 AI를 사용하여 사용자와의 인간과 유사한 대화를 시뮬레이션하는 컴퓨터 프로그램으로 일반적으로 고객 지원, 가상 도우미 및 메시징 애플리케이션에 배포됩니다.
- 인지 컴퓨팅: 학습, 언어 이해, 추론, 문제 해결 등 인간의 인지 능력을 모방하는 것을 목표로 하는 AI의 하위 집합입니다.
- AI 모델: 훈련 과정 중 데이터로부터 학습된 AI 시스템의 수학적 표현으로, 새로운 입력이 제시될 때 예측이나 결정을 내릴 수 있습니다.
- 데이터 라벨링: 지도형 기계 학습 작업에 대한 올바른 출력을 나타내기 위해 데이터에 수동으로 주석을 추가하는 프로세스입니다.
- 편견 완화: AI 시스템의 편견을 줄이거나 제거하여 공정성과 공평한 결과를 보장하는 데 사용되는 기술과 전략입니다.
- 초매개변수: 학습 속도, 숨겨진 레이어 수 또는 배치 크기와 같은 기계 학습 알고리즘의 동작 및 성능을 제어하기 위해 사용자가 설정한 매개변수입니다.
- 과적합: 모델이 훈련 데이터에 대해 매우 잘 수행되지만 학습 패턴이 아닌 훈련 세트를 기억하기 때문에 새로운, 보이지 않는 데이터로 일반화하지 못하는 기계 학습의 조건입니다.
- 언더피팅: 모델이 훈련 데이터의 패턴을 포착하지 못하고 훈련 데이터와 새로운, 보이지 않는 데이터 모두에서 성능이 저하되는 기계 학습의 조건입니다.
- 이상 탐지: 사기 탐지 및 사이버 보안에 자주 사용되는 예상 동작을 따르지 않는 데이터 패턴을 식별하는 프로세스입니다.
- 앙상블 학습: 여러 모델을 결합하여 최종 예측을 수행하는 기술로, 개별 모델을 사용하는 것보다 전반적인 성능이 더 나은 경우가 많습니다.
- 텐서 플로우 : 다양한 유형의 신경망을 구축하고 훈련하기 위한 프레임워크를 제공하는 Google에서 개발한 오픈소스 기계 학습 라이브러리입니다.
- PyTorch : 딥 러닝 및 연구 목적으로 특히 인기가 높은 Facebook에서 개발한 오픈 소스 기계 학습 라이브러리입니다.
- 강화 학습 에이전트: 환경과 상호작용하는 강화학습 시스템의 학습 개체는 보상을 받고 누적 보상을 극대화하기 위한 결정을 내립니다.
- GPT(생성 사전 훈련된 변환기): 인간과 유사한 텍스트를 생성하는 능력으로 알려진 대규모 언어 모델 제품군입니다. GPT-3은 OpenAI에서 개발한 가장 잘 알려진 버전 중 하나입니다.
- 튜링 테스트: 기계가 인간의 행동과 구별할 수 없는 지능적인 행동을 보일 수 있는지 여부를 확인하기 위해 Alan Turing이 제안한 테스트입니다.
- 특이: AI와 기계 지능이 인간 지능을 뛰어넘어 사회와 기술에 급진적인 변화를 가져올 미래의 가상 시점입니다.
- 무리 지능: 개미나 벌과 같은 사회적 유기체의 집단적 행동에서 영감을 받은 AI 접근 방식으로, 개별 에이전트가 협력하여 복잡한 문제를 해결합니다.
- 로봇 공학 : 자율적으로 또는 반자동으로 작업을 수행할 수 있는 로봇을 설계, 구성 및 프로그래밍하는 데 중점을 두는 AI 및 엔지니어링 분야입니다.
- 자율 주행 차 : AI, 컴퓨터 비전 및 센서를 사용하여 사람의 개입 없이 탐색하고 작동하는 자율 주행 자동차 및 차량입니다.
- 얼굴 인식: 얼굴 특징을 기반으로 개인을 식별하고 검증하는 데 사용되는 AI 기반 기술입니다.
- 감정 분석: NLP 기술을 사용하여 텍스트에 표현된 정서나 감정을 결정하는 프로세스로, 소셜 미디어 모니터링 및 고객 피드백 분석에 자주 사용됩니다.
- 제로샷 학습: 일반 지식을 사용하여 훈련 중에 해당 작업의 예를 보지 않고도 모델이 작업을 수행할 수 있는 ML 유형입니다.
- 원샷 학습: 제한된 데이터로부터 학습하는 것을 목표로 클래스당 하나 또는 몇 개의 예시만으로 모델을 학습시키는 ML의 변형입니다.
- 자기 지도 학습: 모델이 입력 데이터로부터 자체 감독 신호를 생성하는 학습 접근 방식으로, 레이블이 지정되지 않은 대규모 데이터 세트에서 모델을 사전 훈련하는 데 자주 사용됩니다.
- 시계열 분석: 시간이 지남에 따라 일정한 간격으로 수집된 데이터 포인트를 분석하고 예측하는 기술은 금융 및 환경 과학과 같은 분야에서 매우 중요합니다.
- 적대적 공격: 악의적인 입력이 AI 모델을 오도하도록 설계된 기술로, 실제 문제에 대해 모델의 견고성을 테스트하는 데 자주 사용됩니다.
- 데이터 보강: 회전, 이동, 스케일링 등 다양한 변환을 적용하여 훈련 데이터의 다양성을 높이는 데 사용되는 방법입니다.
- 베이지안 네트워크: 불확실성 하에서 추론하는 데 사용되는 일련의 변수 간의 확률적 관계를 나타내는 그래픽 모델입니다.
- 초매개변수 조정: 최고의 모델 성능을 달성하기 위해 하이퍼파라미터의 최적 값을 찾는 프로세스입니다.
StorageReview에 참여
뉴스레터 | 유튜브 | 팟캐스트 iTunes/스포티 파이 | 인스타그램 | 트위터 | 틱톡 서비스 | RSS 피드
