파라미터
모델 내부에 저장된 수치입니다. 모델이 데이터를 통해 배운 패턴이 이 값들에 반영됩니다.
AI Foundations
AI 기초와 모델 구조
AI를 제대로 이해하려면 서비스 이름보다 데이터, 모델, 학습, 추론의 흐름을 먼저 잡아야 합니다. 이 페이지는 AI가 무엇을 입력받고, 어떻게 판단하며, 왜 생성형 AI가 중요한지 기초부터 정리합니다.
데이터
텍스트, 이미지, 음성, 센서 값처럼 AI가 학습하고 판단하는 재료입니다.
모델
데이터 패턴을 학습해 새로운 입력에 답을 내는 계산 구조입니다.
학습
정답 예시나 대량 데이터를 바탕으로 모델 내부 값을 조정하는 과정입니다.
추론
학습된 모델이 실제 질문, 이미지, 코드, 로그를 보고 결과를 내는 단계입니다.
AI Types
AI의 큰 종류
AI는 하나의 기술명이 아니라 문제를 푸는 방식과 입력 데이터에 따라 여러 영역으로 나뉩니다.
AI 종류 한눈에 보기
| 구분 | 무엇인지 | 대표 활용 | 학습 포인트 |
|---|---|---|---|
| 머신러닝 | 데이터에서 규칙을 찾아 분류와 예측을 수행하는 AI | 수율 예측, 이상 탐지, 추천 시스템 | 데이터 품질과 특성 선택이 성능을 크게 좌우합니다. |
| 딥러닝 | 신경망을 여러 층으로 쌓아 복잡한 패턴을 학습하는 방식 | 이미지 인식, 음성 인식, 자연어 처리 | 대량 데이터와 GPU/NPU 같은 연산 자원이 중요합니다. |
| 생성형 AI | 글, 이미지, 코드, 음성, 영상을 새로 만들어내는 AI | ChatGPT, Claude, Gemini, Midjourney 계열 | 결과물이 그럴듯해도 사실 검증과 저작권 확인이 필요합니다. |
| LLM | 대량의 언어 데이터를 학습한 대규모 언어 모델 | 질의응답, 요약, 번역, 코드 보조 | 프롬프트 품질과 맥락 제공 방식이 결과를 크게 바꿉니다. |
| 컴퓨터 비전 | 이미지와 영상을 분석해 객체, 결함, 위치를 찾는 AI | 외관 검사, 불량 분류, 의료 영상 | 반도체 검사와 스마트 팩토리에서 실무 연결성이 큽니다. |
| 멀티모달 AI | 텍스트, 이미지, 음성, 영상 등 여러 입력을 함께 다루는 AI | 문서+이미지 분석, 영상 이해, 음성 비서 | 앞으로 AI 서비스의 핵심 방향 중 하나입니다. |
Core Terms
핵심 용어 정리
기술 문서와 제품 설명에서 자주 나오는 용어를 먼저 익히면 AI 흐름이 훨씬 선명해집니다.
프롬프트
AI에게 주는 질문이나 지시문입니다. 목표, 맥락, 출력 형식을 명확히 줄수록 결과가 좋아집니다.
토큰
AI가 문장을 처리하는 최소 단위에 가깝습니다. 긴 문서를 다룰 때 비용과 처리 한계에 영향을 줍니다.
할루시네이션
AI가 사실이 아닌 내용을 그럴듯하게 말하는 현상입니다. 중요한 정보는 반드시 출처로 확인해야 합니다.
핵심 요약
- AI는 데이터를 기반으로 패턴을 학습하고 새로운 입력에 대해 결과를 내는 기술입니다.
- 생성형 AI는 새 결과물을 만드는 데 강하지만, 사실 검증과 책임 있는 사용이 필요합니다.
- 반도체와 AI는 AI 연산 칩 수요와 제조 현장 분석이라는 두 방향에서 강하게 연결됩니다.