둘러보기

딥러닝은 인공신경망을 여러 층으로 깊게 쌓아 데이터로부터 복잡한 패턴과 특징을 자동으로 학습하는 AI 기술이다. 이미지 인식, 음성 인식, 자연어 처리 등 다양한 분야에서 기존 방법론을 크게 뛰어넘는 성능을 발휘하며, 현재 대부분의 AI 서비스와 모델의 기술적 토대를 이룬다.

머신러닝은 사람이 규칙을 직접 프로그래밍하는 대신, 데이터로부터 패턴과 규칙을 스스로 학습하는 AI의 핵심 방법론이다. 통계학과 컴퓨터과학을 기반으로 하며, 오늘날 이미지 인식·자연어처리·추천 시스템 등 AI 응용 기술 대부분의 토대를 이룬다.

인공신경망은 인간 뇌의 뉴런 연결 구조를 수학적으로 모방한 AI 학습 구조로, 입력된 데이터를 여러 층의 노드(인공 뉴런)를 통해 처리하여 패턴을 인식하고 결과를 예측한다. 현대 딥러닝과 대규모 언어 모델(LLM)의 핵심 토대로서, 이미지 인식·자연어 처리·음성 인식 등 AI 핵심 응용 분야 전반에 걸쳐 사용된다.

학습 데이터란 AI 모델이 패턴·규칙·지식을 습득할 수 있도록 훈련 과정에 투입되는 데이터셋을 말한다. 데이터의 양과 질은 모델 성능을 결정하는 핵심 요인이며, 수집·정제·레이블링 등 전처리 과정이 필수적으로 수반된다.

파인튜닝(Fine-tuning)은 대규모 데이터로 사전학습된 AI 모델을 특정 목적이나 도메인에 맞게 추가적으로 학습시키는 과정이다. 처음부터 모델을 새로 학습하는 것보다 훨씬 적은 데이터와 비용으로 높은 성능을 달성할 수 있어, 실무 현장에서 AI를 도입·활용하는 핵심 방법론으로 자리잡고 있다.

멀티모달 AI는 텍스트·이미지·음성·영상 등 둘 이상의 서로 다른 데이터 형식(모달리티)을 동시에 입력받거나 출력할 수 있는 인공지능 시스템이다. 단일 형식의 데이터만 처리하는 단일모달(unimodal) AI와 달리, 여러 감각 정보를 통합하여 보다 풍부하고 정확한 추론을 수행한다.

자연어처리(NLP)는 컴퓨터가 인간의 언어(텍스트·음성)를 이해하고 분석하며 생성할 수 있도록 하는 AI 기술 분야다. 번역, 요약, 질의응답, 감성 분석 등 언어와 관련된 다양한 응용 기술의 공통 기반을 이루며, 최근 대규모 언어 모델(LLM)의 등장으로 그 활용 범위가 급격히 확대되고 있다.

컴퓨터 비전은 AI가 이미지와 영상 데이터를 인식·분석·해석하도록 하는 기술 분야로, 인간의 시각 능력을 기계로 구현하는 것을 목표로 한다. 딥러닝 기반의 합성곱 신경망(CNN) 등이 등장하면서 정확도가 비약적으로 향상되었으며, 제조·의료·교통·보안 등 광범위한 산업 분야에서 핵심 기반 기술로 활용된다.

강화학습은 AI 에이전트가 환경과 상호작용하면서 보상 신호를 최대화하는 방향으로 행동 전략을 스스로 학습하는 기계학습 방법론이다. 정답 데이터를 직접 제공하는 지도학습과 달리, 시행착오를 통해 최적의 의사결정 규칙(정책)을 발견한다는 점에서 구별된다.

멀티플(Multiple)은 기업의 이익·매출·자산 등 재무 지표 대비 기업 가치가 몇 배로 평가되는지를 나타내는 밸류에이션 배수다. 리레이팅(Re-rating)은 시장이 특정 기업 또는 산업 전체의 멀티플을 상향 재조정하는 현상으로, AI 전환기에 기술 기업들의 성장성 재평가 맥락에서 자주 사용된다.

K자 성장은 경제 성장의 과실이 고소득·첨단산업 종사자 계층에는 집중되는 반면, 일반 계층에는 오히려 소득 감소나 정체가 나타나 격차가 확대되는 구조를 말한다. 알파벳 'K'의 두 획이 위아래로 갈라지는 모양에서 유래한 표현으로, AI·디지털 전환이 가속화될수록 이 현상이 심화될 수 있다는 우려가 제기된다.