헷갈리는 AI 용어 30개 사전
기사, 유튜브, 회사 회의에서 자주 튀어나오는 AI 용어 30개를 모아 한 줄씩 풀이했습니다. 순서대로 읽어도 좋고, 필요할 때 사전처럼 찾아봐도 좋습니다. (Ctrl+F로 검색하세요.)
용어를 외우기보다 실제 상황에 붙여 이해하는 편이 좋습니다
AI 용어는 처음 보면 비슷비슷하게 느껴집니다. 모델, 토큰, 프롬프트, 파인튜닝, 임베딩, 환각 같은 단어가 한꺼번에 나오면 개념보다 단어 자체에 막히기 쉽습니다. 하지만 모든 용어를 사전처럼 외울 필요는 없습니다. 실제로 어떤 상황에서 쓰이는지 붙여 보면 훨씬 빨리 이해됩니다.
예를 들어 토큰은 “AI가 읽고 쓰는 글자 조각”이라고만 외우면 금방 잊힙니다. 하지만 긴 문서를 넣으면 비용이 늘고, 대화가 길어지면 답변이 느려지는 이유라고 이해하면 바로 체감됩니다. 환각도 “AI가 틀린 말을 하는 현상”이라고만 알기보다, 출처 없는 숫자나 존재하지 않는 기능을 자신 있게 말하는 상황으로 기억하는 편이 좋습니다.
용어를 배울 때는 세 가지 질문을 붙이면 도움이 됐습니다. 이 용어가 실제 작업에서 어디에 영향을 주는가, 잘못 이해하면 어떤 실수가 생기는가, 내가 지금 쓰는 AI 도구에서 어디서 확인할 수 있는가입니다. 이 질문에 답할 수 있으면 단어는 더 이상 암기 대상이 아니라 판단 도구가 됩니다.
이 글의 용어 목록도 그런 방식으로 읽으면 좋습니다. 처음부터 모두 외우기보다, AI를 쓰다가 막힌 단어가 나왔을 때 다시 돌아와 확인하는 참고표에 가깝습니다.
용어를 실제 사용 장면에 연결하는 방법
용어를 오래 기억하려면 정의만 읽지 말고 내가 실제로 겪은 상황에 붙여야 했습니다. 토큰은 비용과 긴 문서 처리 문제로, 프롬프트는 원하는 결과를 얻기 위한 작업 지시서로, 환각은 출처 없는 답변을 검증해야 하는 상황으로 연결하면 훨씬 잘 남습니다. 이 글도 처음부터 끝까지 외우기보다 AI를 쓰다 막힌 단어를 다시 찾아보는 기준표로 쓰는 편이 좋습니다.
용어집을 읽는 순서
이 용어집은 처음부터 차례로 외우기보다 AI를 쓰다가 막힌 단어를 다시 확인하는 방식으로 쓰면 좋습니다. 예를 들어 글을 쓰다가 토큰 제한에 걸렸다면 토큰과 컨텍스트 창을 함께 보고, AI 답변이 이상하다면 환각과 출처 검증을 함께 보면 됩니다. 용어는 서로 따로 떨어진 단어가 아니라 실제 사용 중 같은 문제 안에서 연결되어 나타납니다. 이렇게 묶어서 보면 기초 용어도 단순 암기가 아니라 판단 기준이 됩니다.
기본 개념
| 용어 | 쉬운 풀이 |
|---|---|
| AI (인공지능) | 사람처럼 지능적으로 동작하는 기술을 통칭하는 가장 넓은 말 |
| 머신러닝 | 규칙을 코딩하는 대신 데이터에서 패턴을 스스로 학습시키는 방식 |
| 딥러닝 | 뇌 구조를 본뜬 인공신경망을 깊게 쌓은 머신러닝. 현재 AI 붐의 핵심 |
| 생성형 AI | 글·그림·영상 등 새 콘텐츠를 만들어내는 AI |
| LLM (대규모 언어 모델) | 방대한 텍스트로 학습해 말을 다루는 초대형 AI 모델. ChatGPT의 심장 |
| 모델 | 학습이 끝난 AI 프로그램 그 자체. "GPT-5", "Claude"가 모델 이름 |
| 알고리즘 | 문제를 푸는 절차·방법. 모델을 만드는 레시피에 해당 |
| AGI (범용 인공지능) | 특정 작업이 아니라 사람처럼 모든 지적 작업을 할 수 있는 가상의 AI |
사용할 때 만나는 용어
| 용어 | 쉬운 풀이 |
|---|---|
| 프롬프트 | AI에게 건네는 요청문·질문. 품질을 좌우하는 핵심 |
| 토큰 | AI가 글을 읽고 쓰는 최소 단위. 요금과 처리량의 기준 |
| 컨텍스트 윈도 | AI가 한 번의 대화에서 기억할 수 있는 분량 |
| 환각 (할루시네이션) | AI가 사실이 아닌 내용을 그럴듯하게 지어내는 현상 |
| 멀티모달 | 텍스트뿐 아니라 이미지·음성·영상까지 함께 이해하고 생성하는 능력 |
| 추론 (reasoning) | 모델이 답하기 전 단계적으로 생각을 전개하는 것. 최신 모델의 핵심 능력 |
| 시스템 프롬프트 | 대화 시작 전 AI에게 미리 주어지는 기본 지침 |
| 퓨샷 프롬프팅 | 원하는 스타일의 예시를 몇 개 보여주고 따라 하게 하는 기법 |
기술 뉴스에 나오는 용어
| 용어 | 쉬운 풀이 |
|---|---|
| 파라미터 | 모델 내부의 조절 나사 개수. 많을수록 대체로 똑똑하지만 무겁다 |
| 사전 학습 | 방대한 데이터로 기본 능력을 만드는 1차 학습 |
| 파인튜닝 (미세 조정) | 학습된 모델을 특정 목적에 맞게 추가로 다듬는 2차 학습 |
| RLHF | 사람의 선호 평가로 답변 품질과 안전성을 높이는 학습 방법 |
| RAG | 답하기 전에 외부 문서를 검색해 근거로 삼는 기술. 환각을 줄임 |
| 오픈소스 모델 | 누구나 내려받아 쓸 수 있게 공개된 모델 (Llama 등) |
| 온디바이스 AI | 서버가 아니라 스마트폰·PC 안에서 직접 도는 AI |
| GPU | AI 학습·실행에 쓰이는 병렬 연산 칩. AI 붐의 하드웨어 주역 |
| 벤치마크 | 모델 성능을 비교하는 표준 시험 문제집 |
한 단계 더 나아간 용어
| 용어 | 쉬운 풀이 |
|---|---|
| AI 에이전트 | 지시만 하면 여러 단계를 스스로 계획·실행하는 AI (예: 예약, 조사, 코딩) |
| MCP | AI를 외부 도구·데이터와 연결하는 표준 규격. 'AI의 USB 포트'로 불림 |
| API | 내 프로그램에서 AI를 부품처럼 불러 쓰는 연결 통로 |
| 바이브 코딩 | 코드를 직접 짜지 않고 AI에게 말로 설명해 프로그램을 만드는 방식 |
| 딥페이크 | AI로 만든 가짜 얼굴·목소리 합성물. 악용 우려가 큰 기술 |
| AI 얼라인먼트 (정렬) | AI가 인간의 의도·가치에 맞게 행동하도록 만드는 연구 분야 |
기초 시리즈는 여기까지입니다. 이제 이론을 넘어, 실제 서비스들을 직접 써본 사용기로 넘어가 보세요.