📕 이 사이트를 굴린 428커밋의 기록이 상품이 됐습니다 — 전자책·스타터 키트 보기 →
agenwiki

용어사전

AI 실무자가 자주 마주치는 개념을 짧고 명확하게 정리합니다.

용어

검색 증강 생성

외부 지식원에서 관련 문서를 먼저 검색한 뒤, 그 내용을 근거로 언어 모델이 답변을 생성하는 방식이다. 모델의 내부 파라미터에만 의존하지 않고 검색된 문맥을 함께 활용한다.

용어

멀티모달

텍스트뿐 아니라 이미지·영상·음성 등 여러 종류의 데이터를 함께 입력받거나 생성할 수 있는 AI 모델의 특성이다. 하나의 모델이 여러 형태의 정보를 함께 이해하고 연결한다.

용어

벡터 데이터베이스

텍스트·이미지 같은 데이터를 임베딩 벡터로 저장하고, 의미가 가장 비슷한 항목을 빠르게 찾아주는 데이터베이스다. RAG의 문서 검색 단계를 담당하는 핵심 인프라다.

용어

사고의 연쇄

모델이 최종 답을 바로 내놓지 않고, 중간 풀이 과정을 단계별로 거치도록 유도하는 프롬프트 기법이다. 복잡한 추론이 필요한 문제에서 정확도를 높이는 데 쓰인다.

용어

양자화

모델의 가중치·연산을 더 적은 비트 수로 표현해 모델 크기와 연산량을 줄이는 경량화 기법이다. 제한된 자원 환경에 모델을 올릴 때 흔히 쓰인다.

용어

어텐션

문장 속 각 토큰을 이해할 때 다른 토큰들 중 무엇에 얼마나 '주목'할지를 가중치로 계산하는 메커니즘이다. 트랜스포머의 핵심 연산이다.

용어

에이전트

목표를 달성하기 위해 모델이 계획, 도구 호출, 결과 검증을 스스로 반복하며 실행하는 AI 작업 단위다.

용어

임베딩

텍스트·이미지 등 데이터를 의미를 담은 고정 길이 실수 벡터로 변환한 표현이다. 의미가 비슷한 대상일수록 벡터 공간에서 가깝게 놓인다.

용어

제로샷 러닝

모델이 특정 작업에 대한 예시 없이, 지시문만으로 바로 그 작업을 수행하는 방식이다. 모델이 학습 과정에서 습득한 일반화 능력에 의존해 새로운 작업에도 곧바로 대응한다.

용어

컨텍스트 윈도우

언어 모델이 한 번의 요청에서 참조할 수 있는 입력과 출력 토큰의 최대 총량이다. 이 한도를 넘는 텍스트는 모델이 한 번에 처리하지 못한다.

용어

토큰

언어 모델이 텍스트를 처리하기 위해 나누는 최소 단위. 단어보다 작을 수 있으며, 입력과 출력, 컨텍스트 길이와 과금의 계산 단위가 된다.

용어

트랜스포머

어텐션 메커니즘을 중심으로 문장 속 토큰들의 관계를 한 번에 계산하는 신경망 구조다. 오늘날 대부분의 대규모 언어 모델(LLM)의 기반이 되는 아키텍처다.

용어

파인튜닝

이미 학습된 모델을 특정 작업이나 도메인 데이터로 추가 학습시켜 성능을 맞추는 기법이다. 처음부터 학습하는 대신 기존 가중치를 출발점으로 삼는다.

용어

프롬프트 엔지니어링

언어 모델이 원하는 결과를 내도록 입력 프롬프트를 설계·조정하는 작업이다. 지시문, 예시, 맥락, 출력 형식 등을 다듬어 응답의 정확성과 일관성을 높인다.

용어

환각

언어모델이 사실과 다르거나 근거 없는 내용을 그럴듯하게 생성하는 현상. 표현은 자연스럽지만 내용이 틀릴 수 있다.

L

용어

LLM

방대한 텍스트를 학습해 다음에 올 토큰을 확률적으로 예측하는 방식으로 문장을 생성하는 대규모 인공지능 모델이다. ChatGPT·Claude 같은 대화형 서비스의 기반 기술이다.

M

용어

MCP

AI 모델이나 에이전트가 외부 도구·파일·데이터베이스 같은 자원에 연결되는 방식을 표준화한 개방형 프로토콜이다. 도구 연동 코드를 매번 새로 짜지 않아도 되게 해준다.