[AI 인사이트] Stanford HAI AI Glossary : 꼭 알아야 할 88개 AI 용어 총정리
"AI라는 말은 매일 듣는데, 정작 그 안의 용어들은 왜 이렇게 어렵게 느껴질까요?"
"LLM, RAG, Embedding, Prompt Injection, Scaling Laws… 매주 새로운 단어가 쏟아지는데 누구에게 물어봐야 할까요?"
ChatGPT 등장 이후 AI는 더 이상 연구실의 언어가 아닙니다. 그러나 매일 새로운 용어가 쏟아지면서, 정작 "이게 정확히 뭔지" 차분히 정리할 시간은 부족합니다.
이번 글은 Stanford HAI(Human-Centered AI Institute)가 공식적으로 발표한 AI Definitions Glossary에 수록된 88개 용어 전체를 9개 카테고리로 재구성 하였습니다.
1. AI 기초 & 철학 (6)
1955년 스탠퍼드 최초의 AI 교수 존 매카시(John McCarthy)가 명명한 용어로, "지능적인 기계를 만드는 과학과 공학"으로 정의됩니다. 인간의 학습·추론·지각·의사결정 능력을 컴퓨터로 구현하려는 모든 시도를 포함합니다.
특정 과제만 잘하는 좁은 AI와 달리, 인간 수준 또는 그 이상으로 다양한 영역에서 학습·추론·지식 응용이 가능한 AI입니다. 글쓰기·수학·코딩·창작·일상 대화를 한 시스템이 통합 수행해야 하며, 아직 어느 기업도 도달하지 못한 장기 목표입니다.
스스로 목표를 해석하고, 단계별 계획을 세우고, 도구(웹 브라우저·코드·API)를 사용하며, 피드백을 바탕으로 행동을 조정하는 자율적·반자율적 AI 시스템입니다. 단순 챗봇을 넘어 'AI 비서' 단계로 가는 핵심 흐름입니다.
AI 개발·배포의 전 과정에서 인간의 필요·가치·복지를 최우선에 두는 접근법입니다. 효율성만이 아니라 공정성·투명성·안전성·인간 통제 가능성을 함께 고려하며, 스탠퍼드 HAI 연구소의 철학적 기반입니다.
초기 AI 접근법으로, 명시적으로 프로그램된 규칙·논리·전문가 지식에 의존했습니다. 데이터에서 스스로 학습하는 현대 ML과 대조되며, 해석 가능성은 높지만 좁은 영역에만 작동했습니다.
1950년 수학자 앨런 튜링이 제안한, 기계의 지능 여부를 판별하는 고전적 시험입니다. 평가자가 텍스트 대화만으로 상대가 사람인지 기계인지 구분하지 못하면 통과로 봅니다. AI 철학에 큰 영향을 끼친 기준점입니다.
2. 머신러닝 학습 방식 (11)
명시적 규칙을 코딩하지 않고, 데이터로부터 컴퓨터가 스스로 패턴을 학습해 인식·예측 능력을 향상시키는 AI의 하위 분야입니다.
입력과 정답(라벨)이 짝지어진 데이터로 모델을 훈련시키는 방식입니다. 이미지 분류, 스팸 탐지 등에 널리 쓰입니다.
정답이 없는 데이터에서 모델이 스스로 패턴·구조를 발견하는 방식입니다. 고객 클러스터링이 대표적입니다.
모델이 원시 데이터 자체로부터 스스로 문제와 답을 만들어 학습하는 방식입니다. LLM 학습의 표준입니다.
AI 에이전트가 환경 속에서 행동하고, 보상과 벌점을 받으며 시행착오로 학습하는 방식입니다.
극히 적은 예시(보통 3~5개)만으로 새 과제를 학습·수행하는 접근법입니다.
학습한 적 없는 카테고리를 일반적 지식만으로 수행하는 능력입니다.
한 과제에서 학습한 모델을 다른 관련 과제의 출발점으로 재사용하는 기법입니다.
사전학습된 모델을 특정 도메인 데이터로 추가 학습시키는 과정입니다.
비슷한 예시는 가깝게, 다른 예시는 멀게 표현하도록 학습시키는 기법입니다.
모델이 훈련 데이터를 지나치게 외워 새 데이터에는 성능이 떨어지는 현상입니다.
3. 신경망 & 핵심 아키텍처 (10)
인간 뇌의 뉴런 구조에서 영감을 받은 계층화된 인공 뉴런들의 연결망입니다.
여러 층(deep)의 신경망으로 복잡한 패턴을 자동 학습하는 ML의 하위 분야입니다.
출력을 만들 때 입력의 어느 부분에 주목할지 동적으로 결정하는 기법입니다.
어텐션 메커니즘을 활용해 모든 부분 간 관계를 동시 처리하는 현대 AI의 표준 구조입니다.
노이즈를 더했다가 역과정으로 제거하며 새 이미지를 생성하는 이미지 AI의 핵심 기술입니다.
뉴런 간 연결 강도를 결정하는 수치로, 이들의 총합이 곧 모델의 지식입니다.
4. 생성형 AI & LLM (10)
다양한 데이터로 학습되어 하나의 모델로 여러 과제에 적응 가능한 대규모 AI입니다.
텍스트·이미지·음성 등 여러 데이터 양식을 동시에 처리하는 지능형 시스템입니다.
외부 DB에서 정보를 검색해 컨텍스트에 추가함으로써 환각을 줄이는 기법입니다.
AI가 사실이 아닌 정보를 사실처럼 자신 있게 생성하는 현상입니다.
원하는 결과를 얻기 위해 지시문(프롬프트)을 세심하게 설계하는 실천입니다.
9. AI 윤리 · 안전 · 협업 (9)
AI의 목표를 인간의 가치 및 의도와 일치시키는 작업입니다.
AI의 결정을 사람이 이해할 수 있도록 근거를 제공하는 기법입니다.
마치며: '용어'가 아닌 '관점'을 얻으세요
AI 용어는 도구일 뿐, 본질은 "이 기술이 인간의 무엇을 확장하는가"라는 질문입니다. Stanford HAI가 제시하는 88개 정의의 일관된 메시지는, AI는 인간을 대체하는 것이 아니라 인간 중심으로 설계·활용되어야 한다는 점입니다.
이 용어들을 익히는 것은 단순한 어휘 공부가 아닙니다. AI 시대의 변화를 읽고 의사결정하기 위한 공통 언어를 갖추는 일입니다.
※ 본 글은 Stanford HAI 공식 Glossary의 전체 88개 용어를 한국어로 풀어 9개 카테고리로 재구성한 자료입니다.