한눈에 보기
AI 용어는 서로 포함 관계가 있어서, 한 단어만 외우면 뉴스가 오히려 헷갈립니다. 이 글은 위 13개 용어를 "큰 개념에서 작은 개념으로, 그리고 기술에서 사회 문제로" 이어지는 지도로 다시 묶고, 실제로 보도·판결·제도로 확인된 사례를 곁들입니다. 기술은 빠르게 바뀌므로 수치나 제도는 시점을 함께 적었고, 확인하지 못한 세부 내용은 단정하지 않았습니다.
- 인공지능 > 머신러닝 > 딥러닝 > 생성형 AI·거대언어모델 순으로 범위가 좁아집니다.
- 오늘날 거대언어모델의 뼈대는 2017년 발표된 트랜스포머 구조입니다.
- 환각·편향·저작권·딥페이크는 기술 용어이면서 동시에 실제 분쟁과 규제의 주제입니다.
- AI의 답은 "그럴듯한 문장"일 뿐 사실 확인을 대신하지 않습니다.
왜 AI 용어를 알아둬야 할까요?
ChatGPT를 비롯한 생성형 AI가 일상에 스며들면서 AI 용어는 전공자만의 언어가 아니라 뉴스와 업무 대화에 자주 등장하는 상식이 되었습니다. 용어의 범위를 구분하면 "AI가 했다"는 말이 어떤 기술을 가리키는지, 어떤 위험이 따르는지 가늠할 수 있습니다.
이름의 기원, 1956년 다트머스
"인공지능"이라는 말은 1955년 존 매카시, 마빈 민스키, 네이선 로체스터, 클로드 섀넌이 제출한 연구 제안서에서 쓰인 것으로 알려져 있고, 이듬해인 1956년 미국 다트머스 대학에서 열린 여름 연구 워크숍이 분야의 출발점으로 평가됩니다(위키백과 기준). 즉 AI는 챗봇 시대에 갑자기 나온 개념이 아니라 70년 가까이 이어진 연구 분야의 이름입니다.
용어 사이의 포함 관계
| 용어 | 범위 | 한 줄 구분 |
|---|---|---|
| 인공지능(AI) | 가장 넓음 | 사람의 지능적 작업을 기계로 구현하려는 기술 전반 |
| 머신러닝 | AI의 하위 | 규칙을 직접 짜지 않고 데이터에서 패턴을 학습 |
| 딥러닝 | 머신러닝의 하위 | 여러 층의 인공신경망으로 학습 |
| 거대언어모델(LLM) | 딥러닝 모델의 한 종류 | 방대한 텍스트로 학습한 언어 모델, 대부분 트랜스포머 기반 |
| 생성형 AI | 용도 중심 분류 | 글·그림·음성 등 새 결과물을 만드는 AI (LLM은 그중 텍스트 중심) |
| 범용인공지능(AGI) | 아직 정의 논쟁 중 | 특정 작업을 넘어 폭넓게 사고하는 AI라는 목표 개념 |
트랜스포머는 왜 전환점이었나
2017년 구글 소속 연구자 8명이 발표한 논문 「Attention Is All You Need」는 순환 구조(RNN, LSTM) 없이 어텐션만으로 문장을 처리하는 트랜스포머를 제안했습니다. 문장 속 단어들의 관계를 병렬로 계산할 수 있어 대규모 학습에 유리했고, 이후 BERT(2018)와 OpenAI의 GPT 계열이 이 구조 위에서 만들어졌습니다(위키백과 기준). 용어 사전의 "트랜스포머" 항목이 거대언어모델 설명과 이어지는 이유입니다.
실제 사례로 보는 AI 이슈
사례 1. 환각: 존재하지 않는 판례를 인용한 변호사들
미국 뉴욕 남부연방지방법원의 마타 대 아비앙카 사건(Mata v. Avianca)에서 원고 측 변호사들이 ChatGPT로 작성한 서면에 실존하지 않는 판례와 가짜 인용문이 들어 있었습니다. 법원이 해당 판례를 찾지 못하자 변호사들은 문서 사본을 제출했고, 그 과정에서도 ChatGPT가 "실제로 존재한다"고 답했다고 합니다. P. 케빈 캐슬 판사는 연방민사소송규칙 11조에 따른 "주관적 악의"를 인정하고 변호사들에게 5,000달러의 제재금을 부과했으며 사건은 기각되었습니다(2023년, 위키백과 기준). 배울 점은 AI가 틀릴 때도 확신에 찬 문장을 쓴다는 점, 그리고 AI에게 "맞느냐"고 되묻는 것이 검증이 아니라는 점입니다.
사례 2. 편향: 채용 도구와 얼굴 인식의 오차
아마존이 지원자 선별용으로 개발한 AI 시스템이 여성에게 불리하게 작동한다는 것이 드러나 사용이 중단된 것으로 보도되었습니다. 위키백과는 이 시스템이 여자대학 출신이거나 "women's"라는 단어가 포함된 이력서를 배제했다고 정리합니다. 또 2018년 조이 부올람위니와 팀닛 게브루의 연구는 얼굴 인식에서 피부색이 어두운 여성의 오류율이 최대 약 35%에 달한 반면 밝은 피부 남성은 1% 미만이라고 보고했습니다 (이 항목은 위키백과의 정리이며 수치의 세부는 원 논문 확인이 필요합니다). 배울 점은 학습 데이터의 불균형이 결과의 불균형으로 이어질 수 있다는 것입니다.
사례 3. 제도: EU AI법과 한국 AI 기본법
EU의 인공지능법(AI Act)은 2024년 8월 1일 발효되었고, 위험 수준에 따라 금지·고위험·제한적 위험·최소 위험으로 나누며 사람의 행동을 조작하는 시스템이나 사회적 점수 부여 등은 금지 대상에 올렸습니다. 적용은 단계적이어서 금지 조항은 발효 6개월 뒤, 범용 AI 의무는 12개월 뒤, 대부분의 조항은 24개월 뒤부터입니다(위키백과 기준). 우리나라에서도 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」이 2026년 1월 22일 시행된 것으로 보도되었으며, 생성형 AI 결과물 표시 등이 핵심 내용으로 소개됩니다. 다만 세부 기준과 과태료, 계도 기간은 과학기술정보통신부 발표와 법제처 원문으로 확인하세요(이 글에서는 확인하지 못했습니다). 배울 점은 AI 용어가 이제 법적 개념으로도 쓰인다는 것입니다.
직접 해보는 AI 답변 점검 체크리스트
- 이름, 날짜, 숫자, 인용문, 판례·논문 제목은 원문 출처를 따로 검색해 확인하기
- 같은 질문을 표현만 바꿔 다시 물어 답이 일관되는지 보기
- 업무·학교 제출물에는 AI 사용 여부와 해당 기관의 규정을 확인하기
- 개인정보, 회사 기밀은 서비스의 데이터 이용 정책을 읽은 뒤 입력하기
- 의료·법률·세무처럼 결과가 큰 판단은 전문가와 공식 자료로 최종 확인하기
흔한 오해와 정정
- 오해: AI는 검색엔진처럼 저장된 사실을 찾아 준다. 실제: 언어모델은 학습한 패턴으로 다음에 올 말을 생성하므로, 근거 없이 그럴듯한 내용을 만들 수 있습니다(환각).
- 오해: AI는 감정이 없으니 공정하다. 실제: 학습 데이터의 편견을 그대로 반영할 수 있습니다.
- 오해: 딥러닝과 AI는 같은 말이다. 실제: 딥러닝은 AI의 여러 방법 중 하나이며, 규칙 기반 시스템 등도 AI 범주에 속합니다.
- 오해: AGI는 이미 나왔다. 실제: AGI는 여전히 정의와 달성 여부에 대해 합의가 없는 목표 개념입니다.
한계와 더 알아볼 점
이 사전은 입문용이라 모델 구조, 학습 방식, 평가 방법은 단순화했습니다. 저작권 문제처럼 소송과 입법이 진행 중인 영역은 결론이 바뀔 수 있고, 법률 사항은 일반 정보일 뿐 조언이 아닙니다. 새 서비스와 제도는 빠르게 변하므로 중요한 판단 전에는 최신 공식 자료를 확인하세요.
AI 시대, 함께 알아두면 좋은 가이드
온라인에서 나를 안전하게 지키는 방법은 보이스피싱 대처 가이드, 합성 영상을 가려내는 방법은딥페이크 구별 가이드, 질문을 잘 쓰는 방법은 ChatGPT 프롬프트 기초, 판단이 왜 쉽게 틀리는지는 인지 편향 유형 가이드에서 이어서 볼 수 있습니다.
자주 묻는 질문
인공지능과 생성형 AI는 같은 말인가요?
아니요, 인공지능은 매우 넓은 개념이고, 생성형 AI는 그중에서도 새로운 콘텐츠를 만들어내는 데 특화된 하위 분야를 가리키는 좀 더 구체적인 용어입니다.
AI가 만든 답변을 그대로 믿어도 되나요?
아니요, "AI 환각" 항목에서 설명했듯 생성형 AI는 틀린 정보를 사실처럼 제시할 수 있으므로, 중요한 정보는 반드시 별도로 사실 확인을 거치는 것이 좋습니다.
LLM과 ChatGPT는 같은 건가요?
LLM은 모델의 종류를 가리키는 말이고, ChatGPT는 GPT 계열 모델을 대화 서비스로 만든 제품 이름입니다. 위키백과는 ChatGPT를 GPT-3.5의 미세조정 변형으로 설명합니다.
프롬프트 엔지니어링은 꼭 배워야 하나요?
필수는 아닙니다. 다만 목적, 배경, 원하는 형식을 구체적으로 적으면 결과가 나아지는 경우가 많습니다. 어디까지나 일반적인 요령이며 모델과 서비스에 따라 효과는 다릅니다.
AI 편향은 어떻게 줄이나요?
학습 데이터의 구성을 점검하고 집단별 성능을 따로 측정하며 사람이 최종 판단에 개입하는 방식이 흔히 논의됩니다. 완전히 없애기는 어렵다는 것이 일반적인 시각입니다.