상세 컨텐츠

본문 제목

[AI 기술과 정책 흐름을 이해하는 핵심 개념 정리]

카테고리 없음

by 유노유누 2026. 1. 22. 09:40

본문

AI는 더 이상 단일 기술이 아니라 산업·정책·사회 전반을 관통하는 인프라가 되었습니다.
이 페이지는 AI를 둘러싼 기술적 개념뿐 아니라, 왜 이 개념이 등장했고 실제 어떤 이슈와 연결되는지까지 함께 이해할 수 있도록 구성되었습니다.

1️⃣ AI 기술·모델 구조 (1–25)

AI가 “어떻게 학습하고, 어떻게 추론하는가”를 이해하기 위한 핵심 개념

  1. 인공지능(AI) – 인간의 인지 기능을 모방하는 계산 시스템
  2. 머신러닝 – 데이터 기반으로 규칙을 학습하는 방식
  3. 딥러닝 – 다층 신경망을 활용한 고도화된 머신러닝
  4. 신경망 – 인간의 뉴런 구조를 모사한 계산 구조
  5. 트랜스포머 – 대규모 언어모델의 핵심 아키텍처
  6. 파운데이션 모델 – 다양한 작업에 재사용 가능한 범용 AI 모델
  7. 대규모 언어모델(LLM) – 자연어 이해·생성을 수행하는 초대형 모델
  8. 멀티모달 – 텍스트·이미지·음성 등을 동시에 처리
  9. 파라미터 – 모델의 학습 가능한 내부 변수
  10. 토큰 – AI가 텍스트를 처리하는 최소 단위
  11. 사전학습 – 대규모 데이터로 기본 능력을 학습
  12. 파인튜닝 – 특정 목적에 맞게 추가 학습
  13. 추론(Inference) – 학습된 모델이 실제로 답을 생성하는 과정
  14. 컨텍스트 윈도우 – 한 번에 이해할 수 있는 정보 범위
  15. 할루시네이션 – 그럴듯하지만 사실이 아닌 응답
  16. 프롬프트 – AI에게 주는 입력 지시
  17. 프롬프트 엔지니어링 – 원하는 결과를 얻기 위한 입력 설계
  18. 에이전트 AI – 목표를 스스로 계획·실행하는 AI
  19. 체인 오브 쏘트 – 단계적 사고 과정 표현
  20. 자기지도학습 – 정답 없이 데이터에서 패턴을 학습
  21. 강화학습 – 보상 기반 학습 방식
  22. RLHF – 인간 피드백 기반 강화학습
  23. 모델 압축 – 성능 유지하며 모델 경량화
  24. 파라미터 효율 학습 – 적은 자원으로 모델 조정
  25. 모델 얼라인먼트 – 인간 가치와의 정렬

2️⃣ 데이터·인프라·운영 (26–45)

AI가 현실에서 작동하기 위한 기반 기술

  1. 학습 데이터 – 모델 성능을 결정하는 핵심 자원
  2. 데이터 편향 – 특정 집단에 불리한 데이터 구조
  3. 데이터 거버넌스 – 데이터 관리·책임 체계
  4. 합성 데이터 – 인공적으로 생성된 학습 데이터
  5. 데이터 라벨링 – 학습용 정답 표시 작업
  6. GPU – AI 연산을 위한 핵심 하드웨어
  7. AI 가속기 – AI 연산에 특화된 반도체
  8. 클라우드 컴퓨팅 – 대규모 연산 자원 제공
  9. 엣지 AI – 기기 내부에서 실행되는 AI
  10. 온디바이스 AI – 서버 없이 작동하는 AI
  11. MLOps – AI 모델 운영·관리 체계
  12. 모델 배포 – 실제 서비스에 AI 적용
  13. 모델 모니터링 – 성능·위험 지속 감시
  14. 에너지 효율 – AI의 전력 소비 문제
  15. 탄소 발자국 – AI 학습이 환경에 미치는 영향
  16. 비용 최적화 – AI 운영 비용 관리
  17. 오픈소스 모델 – 공개된 AI 모델
  18. API 기반 AI – 서비스 형태의 AI 활용
  19. 벤치마크 – 모델 성능 비교 기준
  20. 스케일링 법칙 – 모델 크기와 성능의 관계

3️⃣ 윤리·정책·규제 (46–70)

AI 확산과 함께 등장한 사회적 통제 개념

  1. AI 윤리 – 책임 있는 AI 사용 원칙
  2. 신뢰 가능한 AI – 안전·공정성 확보
  3. 설명 가능성 – AI 판단 근거의 투명성
  4. 책임성 – AI 결과에 대한 책임 주체
  5. 차별 문제 – 자동화된 불공정 의사결정
  6. 개인정보 보호 – 개인 데이터 활용 한계
  7. 데이터 주권 – 데이터 통제 권리
  8. 알고리즘 투명성 – 작동 방식 공개 요구
  9. 규제 프레임워크 – AI 통제 정책 구조
  10. 위험 기반 접근 – 위험도에 따른 규제
  11. 고위험 AI – 사회적 영향이 큰 AI
  12. AI 감사 – 모델 검증·점검 체계
  13. AI 인증 – 안전성 검증 제도
  14. 공공 AI – 정부·공공 영역 AI 활용
  15. 자동화 의사결정 – 인간 개입 없는 판단
  16. 디지털 권리 – AI 시대 시민 권리
  17. 감시 기술 – AI 기반 감시 논쟁
  18. 생체 인식 – 얼굴·음성 인식 기술
  19. 데이터 최소화 – 필요 데이터만 사용
  20. AI 리스크 관리 – 위험 예측·대응
  21. 안전성 평가 – AI 오작동 방지
  22. 오용 방지 – 악용 가능성 통제
  23. 생성물 책임 – AI 결과물 법적 책임
  24. 규제 샌드박스 – 제한적 실험 환경
  25. 국제 공조 – 국가 간 AI 규범 논의

4️⃣ 산업·사회 변화 (71–100)

AI가 일과 사회 구조를 어떻게 바꾸는가

  1. 자동화 – 반복 업무 대체
  2. 일자리 재편 – 직무 구조 변화
  3. 인간-AI 협업 – 보조 도구로서의 AI
  4. 생산성 혁신 – 업무 속도·품질 향상
  5. 창작 AI – 콘텐츠 생성 기술
  6. 저작권 이슈 – 학습·결과물 권리 문제
  7. 교육 AI – 맞춤형 학습 도구
  8. 평가 자동화 – 시험·과제 자동 채점
  9. 의료 AI – 진단·분석 자동화
  10. 금융 AI – 신용 평가·리스크 분석
  11. 행정 AI – 공공 서비스 자동화
  12. 국방 AI – 군사 활용 논쟁
  13. 딥페이크 – 가짜 영상·음성 문제
  14. 정보 신뢰성 – 가짜 정보 확산
  15. AI 리터러시 – AI 이해 능력
  16. 디지털 격차 – 접근성 차이
  17. 플랫폼 종속 – 특정 기업 의존
  18. 기술 주권 – 국가 AI 자립
  19. 글로벌 경쟁 – AI 패권 경쟁
  20. AI 인재 – 전문 인력 확보
  21. 교육과정 개편 – AI 중심 교육
  22. 조직 전환 – AI 기반 업무 구조
  23. AI 전략 – 기업·국가 로드맵
  24. 기술 민주화 – 누구나 AI 활용
  25. 사용자 경험 – AI 인터페이스
  26. 인간 판단 보완 – 최종 결정권
  27. 사회적 합의 – AI 수용 기준
  28. 장기 리스크 – 초지능 논쟁
  29. 지속가능성 – 장기 운용 가능성
  30. 공존 모델 – 인간과 AI의 역할 분담

(배포용)_2025_AI_동향과_이슈로_살펴보는_AI_시대에_꼭_알아야_할_핵심용어_펼침.pdf
3.49MB

티스토리툴바