1. 기본 개념

• 인공지능(Artificial Intelligence, AI) 컴퓨터가 사람처럼 사고·학습·판단할 수 있게 만드는 기술의 총칭입니다. 문제 해결, 패턴 인식, 예측 등 다양한 작업을 자동화합니다.
• 기계 학습(Machine Learning, ML) 컴퓨터가 명시적 프로그램 없이 데이터로부터 규칙을 스스로 학습해 예측·분류 등을 수행하는 기술입니다.
• 딥러닝(Deep Learning) 여러 층의 신경망을 이용해 복잡한 패턴을 학습하는 기계학습의 한 분야로, 이미지·음성·언어 처리에서 성능이 뛰어납니다.
• 신경망(Neural Network) 입력층·은닉층·출력층으로 구성된 구조로, 데이터를 통해 연결 가중치를 조정하며 학습하는 모델입니다.
• 자연어처리(Natural Language Processing, NLP) 사람의 언어(문장·대화)를 컴퓨터가 이해하고 생성·분석하게 하는 기술 분야입니다.
• 챗봇(Chatbot) 사용자와 자동으로 대화하도록 설계된 소프트웨어로, 고객응대·정보제공·간단한 작업대행 등에 쓰입니다.
• 생성형 AI(Generative AI) 텍스트·이미지·음악 등 새로운 콘텐츠를 만들어 내는 AI 계열로, 예: 문장 생성, 그림 생성 등이 가능합니다.
• 언어모델(Language Model) 문맥을 보고 다음에 올 단어를 예측하거나 문장을 생성하는 모델로, 번역·요약·대화에 핵심 역할을 합니다.
• 대규모 언어모델(Large Language Model, LLM) 방대한 텍스트로 사전학습되어 다양한 언어작업(번역, 질문응답, 요약 등)을 수행할 수 있는 거대 모델입니다.
• 프롬프트(Prompt) AI에게 주는 입력 문장(질문·지시). 프롬프트를 어떻게 쓰느냐에 따라 결과가 크게 달라집니다.
• 토큰(Token) AI가 문장을 처리할 때 나누는 최소 단위(단어·어근·문자 조각 등). 토큰 수가 모델 사용량이나 비용에 영향을 줍니다.
• 훈련 데이터(Training Data) 모델을 학습시키기 위해 쓰는 예시 자료(문장, 이미지 등). 데이터 품질이 모델 성능을 좌우합니다.
• 알고리즘(Algorithm) 문제를 해결하기 위한 단계적 절차나 규칙의 모음으로, AI의 동작 원리를 만드는 수학적 방법입니다.
• 파인튜닝(Fine-tuning) 이미 학습된 모델을 특정 업무(예: 의료, 법률)에 맞춰 추가로 학습시키는 과정입니다.
• 강화학습(Reinforcement Learning, RL) 행동을 시도하고 보상(또는 벌점)을 받아 최적 행동을 학습하는 방식으로, 게임·제어 등에 활용됩니다.
• 인간피드백기반 강화학습 RLHF(Reinforcement Learning with Human Feedback) 사람의 평가·교정을 활용해 모델을 더 인간 친화적으로 조정하는 기법입니다.
• AI피드백기반 강화학습 RLAIF(Reinforcement Learning with AI Feedback) 인간 대신 AI가 평가자(critic) 역할을 해서 모델을 교정합니다. AutoRL / Self-Play Reinforcement Learning(자율 강화학습 / 자가대국기반 강화학습 – AlphaGo가 자신과 대국하며 학습하는 것)과 Synthetic Feedback / AI-generated Feedback(합성 피드백 / AI 생성 피드백 – AI가 스스로 만든 기준으로 학습하는 것) 학습도 포함될 수 있습니다.
• API(Application Programming Interface) 다른 프로그램이 AI나 서비스를 쉽게 호출해 사용할 수 있게 해주는 인터페이스(통로)입니다.
• 편향(Bias) 학습 데이터의 불균형이나 편향 때문에 모델이 특정 그룹에 대해 불공정한 판단을 내리는 문제입니다.
• 오버피팅(Overfitting) 모델이 훈련 데이터에만 너무 맞춰져서 새로운 데이터에서는 성능이 떨어지는 현상입니다.
• 특이점(Singularity) (미래학적 개념) AI가 인간 지능을 넘어 독자적으로 발전해 사회에 큰 변화를 일으키는 가상의 시점을 뜻합니다.

2. 모델·학습 관련

• 모델(Model) 데이터를 바탕으로 특정 작업(분류, 예측 등)을 수행하도록 만든 수학적·컴퓨터 프로그램입니다.
• 사전학습(Pre-training) 대규모 일반 데이터로 먼저 기본 패턴을 학습시켜, 이후 다양한 응용에 적응시키기 위한 초기 학습 단계입니다.
• 전이학습(Transfer Learning) 한 작업에서 얻은 지식을 다른 관련 작업에 이용해 적은 데이터로도 좋은 성능을 내게 하는 기법입니다.
• 샘플링(Sampling) 모델이 생성 과정에서 여러 가능한 결과 중 하나를 선택하는 방식으로, 다양성이나 확률적 결과에 사용됩니다.
• 드롭아웃(Dropout) 학습 중 일부 뉴런을 임의로 끄는 기법으로 과적합을 막고 모델의 일반화를 돕습니다.
• 하이퍼파라미터(Hyperparameter) 학습 전에 사람이 설정하는 값(예: 학습률, 층 수)으로, 모델 학습 성능에 큰 영향을 줍니다.
• 추론(Inference) 학습된 모델을 실제 데이터에 적용해 결과(예측·분류)를 얻는 단계입니다.
• 경량화 모델(Lightweight Model) 메모리·연산 제한이 있는 기기에서도 동작하도록 모델 크기와 연산을 줄인 버전입니다(모바일·엣지용).
• 양자화(Quantization) 수치 표현을 단순화(예: 32비트→8비트)하여 모델 크기와 연산을 줄이는 최적화 기술입니다.
• 프루닝(Pruning) 중요하지 않은 연결이나 뉴런을 제거해 모델을 작게 만들고 실행 속도를 빠르게 하는 방법입니다.
• 파라미터(Parameter) 모델 내부에서 학습으로 결정되는 수치(가중치 등)로, 모델의 동작을 실제로 결정합니다.
• 피처(Feature) 입력 데이터의 개별 속성(예: 나이, 키, 텍스트의 단어 등)으로, 모델 학습의 기본 단위입니다.
• 임베딩(Embedding) 단어·문장 등을 수치 벡터로 변환해 의미적으로 유사한 항목이 가까이 오도록 표현하는 방법입니다.
• 벡터(Vector) 숫자의 배열로서 단어·이미지 등 복잡한 정보를 수치 형태로 표현할 때 사용합니다.
• 제로샷(Zero-shot) 학습 해당 작업의 예시를 한 번도 보지 못한 상태에서 모델이 그 작업을 수행할 수 있는 능력입니다.
• **원샷(**One-shot) 학습 모델에 예시 하나를 보여주고, 그 패턴을 따라서 문제를 풀게 하는 방식.
• 퓨샷(Few-shot) 학습 모델에 여러 개의 예시(보통 몇 개~수십 개) 를 보여준 뒤, 같은 형식으로 답을 유도하는 방식.
• 멀티모달(Multimodal) 텍스트·이미지·음성 등 여러 형태의 데이터를 동시에 처리·이해할 수 있는 모델을 말합니다.
• 설명가능한 AI(Explainable AI, XAI) 모델의 결론이나 판단 과정을 사람이 이해할 수 있게 설명하려는 연구·기술 분야입니다.
• 안전성(Safety) AI가 잘못된 행동을 하지 않도록 설계·검증하는 개념으로, 위험 방지와 신뢰성 확보를 포함합니다.
• 투명성(Transparency) AI의 작동 방식이나 데이터 출처, 제한점을 명확히 공개해 신뢰를 만드는 원칙입니다.
• 악용 가능성(Misuse) AI 기술이 범죄·사기·프라이버시 침해 등 나쁜 목적에 사용될 위험을 의미합니다.

3. 데이터·처리 관련

• 빅데이터(Big Data) 크기·속도·다양성 면에서 기존 도구로 처리하기 어려운 방대한 데이터 집합을 의미합니다.
• 구조화 데이터(Structured Data) 표나 데이터베이스처럼 정해진 형식(열·행)을 가진 데이터로, 쉽게 검색·분석할 수 있습니다.
• 비정형 데이터(Unstructured Data) 이미지·문서·음성처럼 규칙 없는 형태의 데이터로, 처리·분석을 위해 추가 전처리가 필요합니다.
• ETL(Extract, Transform, Load) 데이터를 추출(Extract), 가공(Transform), 저장(Load)해 분석용으로 준비하는 전처리 파이프라인입니다.
• 데이터 마이닝(Data Mining) 대량의 데이터에서 유의미한 패턴·규칙·통찰을 자동으로 찾아내는 분석 기법입니다.
• 데이터 라벨링(Data Labeling) 학습용으로 데이터에 정답·태그를 부여하는 작업으로, 품질이 모델 성능에 직접 영향을 미칩니다.
• 데이터셋(Dataset) 모델 학습·평가에 사용되는 데이터 모음으로, 구성과 품질 관리가 중요합니다.
• 샘플(Sample) 데이터셋을 구성하는 개별 항목(한 문장, 한 이미지 등)입니다.
• 배치(Batch) 한 번에 모델에 넣어 학습시키는 데이터 묶음으로, 배치 크기는 학습 속도와 안정성에 영향을 줍니다.
• 에폭(Epoch) 전체 학습 데이터를 한 번 모두 사용해 모델을 업데이트하는 횟수를 말합니다(여러 에폭을 반복 학습).
• 데이터 레이크(Data Lake) 가공하지 않은 원시 데이터를 그대로 저장해 필요할 때 가공·분석하는 대용량 저장소입니다.
• 데이터 웨어하우스(Data Warehouse) 주로 분석용으로 정제·구조화된 데이터를 모아둔 저장소로, 기업 인텔리전스에 사용됩니다.
• 주피터 노트북(Jupyter Notebook) 코드·설명·그래프를 한 문서에서 함께 작성·실행할 수 있는 연구·교육용 도구입니다.
• 파이썬(Python) AI 개발에서 가장 널리 쓰이는 프로그래밍 언어로, 풍부한 라이브러리와 쉬운 문법이 장점입니다.
• 텐서플로(TensorFlow) 구글이 개발한 딥러닝 라이브러리로 대규모 모델 개발·배포에 강점을 지닙니다.
• 파이토치(PyTorch) 연구자들과 개발자 사이에서 인기가 높은 딥러닝 프레임워크로, 유연한 설계와 디버깅이 편합니다.
• GPU(Graphics Processing Unit) 대량의 병렬 연산을 빠르게 처리하는 하드웨어로, 딥러닝 학습에 필수적입니다.
• 클라우드 저장소(Cloud Storage) 인터넷 기반 저장 공간으로 대용량 데이터의 보관·공유·백업에 편리합니다.
• 컨테이너(Container) 프로그램과 그 환경을 묶어 어느 서버에서나 동일하게 실행되도록 하는 기술(Docker 등)입니다.
• 쿠버네티스(Kubernetes) 다수의 컨테이너를 자동으로 배포·확장·관리해주는 오케스트레이션 시스템입니다.

4. 인프라·환경 관련

• 데이터센터(Data Center) 대규모 서버와 저장장비가 모여 서비스·연산을 제공하는 물리적 시설입니다.
• 온프레미스(On-premise) 회사 내부에 직접 서버를 두고 시스템을 운영하는 방식으로, 보안·통제 측면의 장점이 있습니다.
• 클라우드 컴퓨팅(Cloud Computing) 인터넷을 통해 서버·스토리지·서비스를 빌려 쓰는 방식으로 유연한 확장과 비용 효율성을 제공합니다.
• 엣지 컴퓨팅(Edge Computing) 중앙 서버가 아닌 사용자 가까운 기기(엣지)에서 데이터를 처리해 지연 시간을 줄이는 방식입니다.
• 사물인터넷(Internet of Things (IoT)) 센서·가전 등 기기들이 인터넷으로 연결되어 데이터 수집·원격 제어를 가능하게 합니다.
• 하이브리드 클라우드(Hybrid Cloud) 내부 서버(온프레미스)와 퍼블릭 클라우드를 혼합해 장단점을 조합해 쓰는 운영 방식입니다.
• 분산 컴퓨팅(Distributed Computing) 여러 대의 컴퓨터가 작업을 나눠 동시에 수행해 대규모 연산을 가능하게 하는 구조입니다.
• 서버리스(Serverless) 개발자가 서버 관리를 신경 쓰지 않고 코드를 클라우드에서 실행만 하면 되는 운영 모델입니다.
• 스마트 팩토리(Smart Factory) 센서·로봇·AI를 연계해 공정 자동화·효율화를 실현한 첨단 제조 환경입니다.
• 스마트시티(Smart City) 도시의 교통·에너지·환경 관리를 IoT와 AI로 최적화해 삶의 질을 높이는 개념입니다.
• 로보틱스(Robotics) 하드웨어(로봇)와 AI를 결합하여 물리적 작업을 자동으로 수행하는 기술 분야입니다.
• 자율주행(Autonomous Driving) 차량이 사람 개입 없이 주변을 인식하고 스스로 주행하는 기술로 센서·소프트웨어가 핵심입니다.
• 디지털 트윈(Digital Twin) 현실 세계의 장치·시스템을 가상 공간에 똑같이 모델링해 시뮬레이션·모니터링하는 기술입니다.
• 확장현실(Extended Reality (XR)) VR(가상현실), AR(증강현실), MR(혼합현실)을 통틀어 현실 경험을 확장하는 기술군을 뜻합니다.
• 증강현실(Augmented Reality (AR)) 현실 화면 위에 디지털 정보를 덧붙여 보여주는 기술로, 안내·교육·엔터테인먼트에 응용됩니다.
• 가상현실(Virtual Reality (VR)) 완전히 가상의 3D 환경에 사용자를 몰입시키는 기술로 시뮬레이션과 체험에 적합합니다.
• 혼합현실(Mixed Reality (MR)) 현실과 가상을 실시간으로 결합해 상호작용하는 환경을 만드는 기술입니다.
• 고성능 컴퓨팅(High Performance Computing (HPC)) 대규모 연산을 빠르게 처리하는 슈퍼컴퓨팅 기술로, 과학·시뮬레이션에 사용됩니다.
• 클라우드 서비스 제공자(Cloud Service Provider) AWS, Azure, GCP 등 클라우드 인프라·서비스를 제공하는 기업들을 말합니다.
• API 게이트웨이(API Gateway) 여러 API 요청을 받아 라우팅·보안·모니터링을 담당하는 중앙 관문 역할을 합니다.

5. 서비스·윤리·사회 관련

• AI 브라우저(AI Browser)
  
  AI 브라우저는 인공지능 기술이 통합된 웹 브라우저로, 일반 브라우저와 달리 정보 검색, 콘텐츠 요약, 질의응답 등 AI 기능이 내장되어 있습니다. 현재 많이 사용되는 AI 브라우저로는:
  
  • Dia: 컨텍스트 인지 챗봇과 사용자 맞춤 기능을 갖춘 macOS 전용 AI 브라우저
  • Microsoft Edge: 마이크로소프트의 브라우저로 Bing AI와 통합되어 검색 및 콘텐츠 생성 기능을 제공합니다.
  • Perplexity Comet: 자체 AI 시스템을 활용해 빠르고 정확한 정보 검색과 업무 자동화 제공
  • Google Chrome: 구글의 AI 모델인 Gemini가 크롬에 통합되어 복잡한 정보를 자동으로 해석하고 여러 탭에 걸친 내용을 종합해 요약해줍니다.
  • Sigma AI Browser: 콘텐츠 생성과 요약 기능에 강점이 있으며, 개인정보 보호에 중점
  • Genspark: 연구와 반복 작업 자동화에 특화된 AI 브라우저
  • Opera Neon: 사용자 맞춤 미니 앱과 AI 탭 관리 기능을 가진 실험적 AI 브라우저
  • Quetta Browser: AI 기반 광고 차단과 개인정보 보호 기능을 강조
  • Arc Browse: The Browser Company에서 개발한 브라우저로 검색 결과를 AI가 요약해주고 정보를 더 쉽게 찾을 수 있게 도와줍니다.
  • Opera One: Opera 브라우저의 AI 통합 버전으로 Aria라는 AI 기능이 탑재되어 있습니다.
  • Brave Search: 프라이버시 중심 브라우저인 Brave에서 제공하는 AI 검색 기능이 통합된 브라우저입니다.
• 챗GPT(ChatGPT) OpenAI에서 만든 대화형 언어 모델 서비스로, 자연스러운 대화·정보 제공·작문 보조 등에 널리 쓰입니다.
  
• 제미니(Gemini) 구글이 제공하는 대화형 AI 브랜드로, 검색·생성형 기능을 결합해 정보를 제공하는 서비스입니다.
  
• 코파일럿(Copilot) 마이크로소프트(또는 GitHub)의 AI 도우미로, 코드 작성·문서 초안 작성 등 생산성 보조에 초점을 둡니다.
  
• 디지털 비서(Digital Assistant) 음성·문자 명령으로 일정·검색·제어를 도와주는 AI 서비스(예: Siri, Alexa)입니다.
  
• 음성 인식(Speech Recognition) 사람의 말을 텍스트로 바꾸는 기술로, 전화응대·음성비서·자막 생성 등에 활용됩니다.
  
• 음성 합성(Text-to-Speech (TTS)) 텍스트를 자연스러운 음성으로 변환해 읽어주는 기술로, 접근성 개선에 유용합니다.
  
• 컴퓨터 비전(Computer Vision) 이미지·영상에서 객체를 인식·분류·추적하는 기술로, 보안·의료·자율주행 등에서 활용됩니다.
  
• AI 번역기(AI Translator) 기계번역 기술을 활용해 자동으로 언어를 번역하는 서비스로, 실시간 통역에도 적용됩니다.
  
• AI 미술(AI Art) AI가 그림·디자인을 생성하거나 보조해 창작 활동을 돕는 기술·서비스입니다.
  
• AI 음악(AI Music) 작곡·편곡·연주 스타일 생성 등 음악 창작을 돕거나 자동화하는 AI 기술입니다.
  
• 핀테크(FinTech) 금융 서비스를 기술과 결합해 자동화·개인화·편의성을 높이는 산업 분야입니다.
  
• 에듀테크(EduTech) 교육에 기술을 접목해 개인 맞춤형 학습·평가·콘텐츠 제공을 가능하게 하는 분야입니다.
  
• 헬스케어 AI(Healthcare AI) 의료 영상 판독·진단 보조·약물개발·환자 모니터링 등 보건의료에 AI를 적용하는 영역입니다.
  
• 리테일 AI(Retail AI) 매장 재고관리·추천·수요예측·고객분석 등 소매업에 AI를 적용하는 기술입니다.
  
• 개인정보 보호(Privacy) 개인의 신상정보·행동 데이터를 안전하게 관리하고 무단 사용을 막는 원칙과 기술을 뜻합니다.
  
• GDPR(General Data Protection Regulation (GDPR)) 유럽연합의 엄격한 개인정보 보호 규정으로, 데이터 수집·처리·보관에 강력한 규제를 둡니다.
  
• AI 규제(AI Regulation) 정부·기관이 AI 사용을 안전하고 공정하게 만들기 위해 마련하는 법적·행정적 규제들입니다.
  
• 딥페이크(Deepfake) AI를 이용해 사람의 얼굴·목소리를 조작·합성한 가짜 미디어로, 사기·명예훼손 등 위험이 큽니다.
  
• 가짜뉴스(Fake News) 허위 또는 조작된 정보를 AI가 확산시키는 사례로 사회적 혼란과 신뢰 약화를 초래합니다.
  
• 디지털 격차(Digital Divide) 기술 접근성의 차이로 인해 혜택을 받지 못하는 사람들과의 경제·교육·정보 격차를 말합니다.