AI Terms Glossary (EN + KR) | 인공지능 용어 한 번에 정리

AI Terms Glossary (EN + KR) | 인공지능 용어 한 번에 정리

실전용 AI 용어집으로 북마크하고 언제든 꺼내 쓰세요. 초보자도 이해하기 쉽게 카테고리별로 정리했습니다.

---

목차 (Quick TOC)

• 1. 기본 개념 (Core Definitions)
• 2. 학습 방식 (Learning Types)
• 3. 딥러닝 필수 (Deep Learning Essentials)
• 4. 생성형 AI & LLM
• 5. RAG & 임베딩
• 6. 에이전트 & 도구
• 7. 평가 & 신뢰성
• 8. 안전 & 거버넌스
• 9. 미래 개념
• 10. 미니 퀴즈 (Mini Quiz)

---

1. 기본 개념 (Core Definitions)

용어	English	한국어
AI (Artificial Intelligence)	Systems that perceive, reason, decide, and act intelligently	인지·추론·의사결정·언어 등 지능적 행동을 수행하는 시스템
ML (Machine Learning)	AI subset: learns patterns from data (no hand-coded rules)	데이터에서 패턴을 학습(사람이 규칙을 직접 코딩하는 방식이 아님)
DL (Deep Learning)	ML subset: multi-layer neural networks	다층 신경망으로 복잡한 패턴을 학습
Model	Trained mathematical function: input → output	입력→출력을 연결하는 ‘학습된 수학 구조’
Dataset	Examples for training/evaluation	학습·평가용 데이터 모음(텍스트·이미지 등)
Parameters	Numbers storing learned knowledge	모델 내부 학습 결과(숫자 값, ‘경험치’)
Training	Adjust parameters to minimize errors	오차를 줄이도록 파라미터를 조정하는 과정
Inference	Use trained model to produce real outputs	학습이 끝난 모델로 실제 결과를 생성(일상 사용)

팁: ChatGPT를 쓰는 건 99% Inference. Training은 개발사 몫!

---

2. 학습 방식 (Learning Types)

방식	설명	예시
지도학습 (Supervised)	Learn from labeled data (has correct answers)	이미지 분류(고양이 사진 + “고양이” 라벨)
비지도학습 (Unsupervised)	Find patterns without labels	고객 그룹화(클러스터링)
자기지도학습 (Self-supervised)	Creates labels from the data itself (common in LLMs)	문장 다음 단어 예측(LLM에서 흔함)
강화학습 (RL)	Trial-and-error learning using rewards/penalties	알파고, 게임 AI

 

---

3. 딥러닝 필수 (Deep Learning Essentials)

용어	English	한국어
Neural Network	Layers transforming input step-by-step	입력을 여러 층으로 단계적으로 변환하는 구조
Layer	Single computation stage	신경망의 하나의 계산 층
Loss Function	Measures “how wrong” predictions are	예측 오차 수치(학습 목표: 최소화)
Gradient Descent	Updates parameters to reduce loss	오차를 줄이기 위한 최적화 알고리즘
Overfitting	Memorizes training data, fails on new data	학습 데이터 암기 → 새 데이터에 약함
Generalization	Works well on unseen real data	처음 보는 현실 데이터에도 강함

 

---

4. 생성형 AI & LLM

용어	설명	비유/한 줄 정리
Generative AI	Creates new content (text/image/code)	“창작 도구”
LLM	Predicts next token → fluent text	다음 토큰 예측 → 자연 문장
Token	Text chunk (word or subword)	모델이 읽는 최소 단위(단어/부분 단어)
Context Window	Max text the model considers at once	한 번에 참고하는 ‘기억 범위’
Prompt	Your input/instruction	AI에게 하는 “명령/요청”
Temperature	Randomness control (0=stable, 1=creative)	창의도 조절(낮을수록 안정적)
Hallucination	Confident but wrong info	그럴듯하지만 틀린 정보(환각)
Fine-tuning	Adapt model to your data/style	내 데이터/톤으로 “맞춤 훈련”

---

5. RAG & 임베딩

용어	English	한국어
Embedding	Numbers representing meaning	의미를 벡터(숫자)로 변환(유사 의미=가까움)
Vector DB	Stores embeddings for similarity search	‘의미 검색’에 특화된 데이터베이스
Retrieval	Fetch relevant docs before answering	답변 전에 근거 문서를 먼저 검색
RAG	Retrieval + Generation (facts+accuracy↑)	검색+생성 결합(근거↑, 환각↓)
Chunking	Split docs into retrievable pieces	문서를 잘게 쪼개 저장/검색
Re-ranking	Sort retrieved chunks by relevance	가져온 자료를 관련도 순으로 재정렬

---

6. 에이전트 & 도구

용어	설명	한국어 한 줄
AI Agent	Plans steps and uses tools to achieve goals	목표 달성을 위해 계획하고 도구를 쓰는 AI
Tool Calling	Model calls APIs/tools (search/code/etc.)	검색·코드·API 등 외부 도구 호출
Workflow	Defined step sequence (+ human checks)	정해진 절차(필요 시 사람 검수 포함)
Multi-agent	Specialized agents collaborate	역할 분담된 에이전트 협업

 

---

7. 평가 & 신뢰성

용어	의미	한국어 설명
Benchmark	Standard tests comparing models	모델끼리 성능을 비교하는 표준 시험
Metrics	Accuracy, F1, speed, cost numbers	정확도·F1·속도·비용 등 수치 지표
Train/Val/Test	Split data for reliable evaluation	학습/검증/테스트 데이터 분리
Data Leakage	Test data accidentally in training	테스트 데이터가 학습에 섞이는 문제(평가 왜곡)

---

8. 안전 & 거버넌스

용어	설명	한국어 한 줄
Bias	Systematic unfair patterns	특정 집단에 불리하게 작동하는 편향
Fairness	Equal treatment across groups	집단 간 공정한 처리
Privacy	Protect personal data	개인정보 보호
Red Teaming	Stress-test for failures/risks	실패/악용/리스크를 찾는 공격적 테스트
Explainability	Understand model’s decisions	모델 판단을 설명/이해 가능하게

---

9. 미래 개념

용어	설명	한국어 한 줄
AGI	Human-level general intelligence	인간 수준의 범용 지능
Superintelligence	Far beyond human intelligence	인간을 훨씬 뛰어넘는 초지능
Singularity	AI progress becomes uncontrollable/unpredictable	AI 발전이 통제/예측 불가해지는 전환점

---

10. 미니 퀴즈 (Mini Quiz)

Q1 Training vs Inference?

A: Training = 학습(파라미터 조정), Inference = 사용(결과 생성)

Q2 RAG의 장점?

A: 검색으로 근거 확보 → 환각↓, 정확도↑

Q3 Token = 단어?

A: No. 단어 또는 단어 일부(부분 단어)일 수 있어요.

Q4 Agent vs Chatbot?

A: Agent는 계획 + 도구 사용. Chatbot은 대화 중심.

---

📌 북마크 추천! AI 공부할 때마다 꺼내 쓰세요.

가장 자주 헷갈리는 용어는 무엇인가요? 댓글로 공유해 주세요 🙂