신입사원 교육 - 인공지능 (AI) 기초지식 요약

2025년 3월 3일 - #개발

최근 몇년 동안 신입사원 교육을 위한 커리큘럼을 준비했다. 짧은 교육 기간이지만 도움이 되고자 매년 다르게 준비했는데, 올해 커리큘럼에는 AI 에 대한 기초 지식을 추가하였다.

준비한 내용 일부는 아래와 같다.

1. 개요

AI(Artificial Intelligence, 인공지능)은 인간의 지능을 모방하거나 대체할 수 있도록 컴퓨터 시스템을 개발하는 기술이며, 기계가 학습(머신러닝), 논리적 추론, 문제 해결, 자연어 이해, 시각 인식 등의 기능을 수행할 수 있도록 하는 기술을 포함.

2. 주요분야

분야	내용
머신러닝 (ML, Machine Learning)	데이터를 학습하여 패턴 인식하고 예측하는 기술. ex) 스팸 메일 필터링, 추천 시스템(넷플릭스, 유튜브)
딥러닝 (Deep Learning)	인공신경망(Artificial Neural Network, ANN)을 이용한 학습 방법. ex) 음성 인식(시리, 구글 어시스턴트), 이미지 인식(자율주행, 안면 인식)
자연어 처리 (NLP, Natural Language Processing)	인간의 언어를 이해하고 생성하는 기술. ex) 챗봇, 번역기(구글 번역, 파파고)
컴퓨터 비전 (Computer Vision)	이미지와 영상을 분석하고 이해하는 기술. ex) 얼굴 인식, 자율 주행 자동차
생성형 AI (Generative AI)	새로운 텍스트, 이미지, 음악 등을 생성하는 기술. ex) ChatGPT, 미드저니, 스테이블 디퓨전

3. 튜링테스트 (Turing Test)

1950년 엘런 튜닝이 기계가 인간과 얼마나 비슷하게 대화할 수 있는지를 기준으로 기계에 지능이 있는지를 판별하고자 하는 시험을 제안.

질의자 하나와 응답자 둘을 준비, 응답자 중 하나는 컴퓨터, 나머지는 인간. 질의자는 어느 쪽이 컴퓨터인지는 모름
응답은 키보드로만 이루어지고 이 테스트에서 질의자가 어느 쪽이 컴퓨터인지 판별할 수 없다면 컴퓨터는 시험을 통과
- 즉, 컴퓨터가 인간처럼 대화할 수 있다면 그 컴퓨터는 인간처럼 사고를 할 수 있다고 보는 것

영화 “엑스 마키나 (Ex Machina)”가 이를 주제로 함.

4. 인공신경망 (ANN; Artificial Neural Network)

인간의 시각/청각을 본떠 만든 알고리즘으로 인간의 뉴런 구조를 소프트웨어로 구현한 알고리즘. 이 뉴런의 이용해 심층학습(Deep Learning)이 이루어지며 출력이 다시 입력이 되어 시간에 따라 연속성 (사람으로 치면 기억력)을 가진 순환신경망 (RNN; Recurrent Neural Network) 이 제시됨.

5. Attention Is All You Need

2017년 구글 브레인(Google Brain) 에서 Attention Is All You Need 라는 논문 (68481회 인용됨) 에서 순환신경망(RNN)의 느린 연산속도를 해결할 수 있는 트랜스포머(Transformer) 모델 소개.

Self-Attention(문장 내 단어들이 서로 어떤 관계가 있는지를 학습) 기반, 병렬화 가능 모델
Attention: 입력된 데이터 사이의 비슷함을 따져 정보를 모으고 이를 반복해 의미 있는 정보를 모으는 기술

Attention Is All You Need는 자연어 처리(NLP) 분야에서 혁신적인 전환점을 만들었고 이는 현재 인공지능 분야에서 대세로 자리잡아 사용되고 있음. 현재 ChatGPT와 같은 AI 모델의 핵심 기술로 사용.

6. GPT

Generative Pre-trained Transformer 의 약자로 생성형 AI 모델. 트랜스포머(Transformer) 아키텍처를 기반으로, 자연어를 이해하고 생성하는 능력을 가지고 있음.

6-1. 핵심개념

항목	내용
Generative (생성형)	단순히 입력을 이해하는 것이 아니라 새로운 텍스트 생성. ex) 질문에 답하기, 글쓰기, 코드 생성
Pre-trained (사전 학습)	인터넷에서 방대한 양의 텍스트 데이터를 학습한 후, 특정 작업에 맞게 추가 학습(미세 조정, Fine-tuning) ex) 기본 GPT 모델 → 법률 문서 요약, 의료 상담 등으로 추가 훈련 가능
Transformer (트랜스포머)	“Attention Is All You Need” 논문에서 소개된 트랜스포머 구조를 사용. RNN/LSTM보다 빠르고, 긴 문맥을 잘 이해함. 핵심 기술: Self-Attention, Multi-Head Attention

6-2. 학습과정

항목	내용
사전 학습 (Pre-training)	인터넷의 방대한 데이터(책, 논문, 웹사이트 등)를 사용해 학습 단어 간 관계를 이해하고 문맥을 파악하는 능력 습득
미세 조정(Fine-tuning, 선택적 과정)	특정 목적(예: 고객 지원, 의료 상담)에 맞게 추가 학습. RLHF(인간 피드백 기반 강화 학습) 기법 사용

6-3. 주요특징

자연어 이해(NLU) + 생성(NLG) 가능
맥락(Context) 유지 능력 → 대화형 AI 가능!
추론 및 창의적 작업 수행 가능 → 글쓰기, 번역, 요약, 코딩 등

6-4. GPT 발전과정

버전	내용
GPT-1 (2018)	1.17 억개 파라미터 / 대규모 코퍼스를 활용한 사전 학습을 통해 언어 모델의 성능 향상 가능성을 제시 / 자연어 추론, 번역 등 다양한 작업에서 우수한 성능을 보임
GPT-2 (2019)	15억개 파라미터 / 이전 모델보다 10배 이상 큰 규모로, 텍스트 생성 능력이 크게 향상 문장 완성, 번역, 요약 등 다양한 작업에서 인간과 유사한 텍스트 생성 가능
GPT-3 (2020)	1750억개 파라미터, 대화형 AI 발전 / 매우 큰 규모의 모델로, 소수의 예시만으로도 특정 작업을 수행하는 능력 보임 코딩, 글쓰기, 질의응답 등 다양한 분야에서 활용
GPT-3.5 (2022)	GPT-3의 개선 버전으로, 대화형 AI인 ChatGPT에 활용 / 더 자연스러운 대화와 향상된 이해력을 제공
GPT-4 (2023)	멀티모달 능력을 갖추어 텍스트뿐만 아니라 이미지 입력도 처리할 수 있음 / 이전 모델보다 향상된 추론 능력과 창의성을 보임
GPT-4.5 (2025)	2025년 2월 말에 발표된 최신 모델 / 이전 버전보다 환각(hallucination) 현상이 줄어들고 감성 지능이 향상 더 자연스러운 대화와 확장된 지식 베이스를 갖추었으며, 창의적인 통찰력을 생성하는 능력이 향상 / 수학적 문제 해결이나 코딩 능력에서는 일부 한계가 지적됨

7. 주요 용어

7-1. 멀티모달 (Multimodal)

멀티모달(Multimodal)은 여러 유형의 데이터를 동시에 처리할 수 있는 AI. 즉, 단순히 텍스트만 이해하는 것이 아닌 이미지, 음성, 영상 등 다양한 입력을 함께 분석할 수 있는 기술

텍스트 + 이미지 + 음성 등 다양한 데이터 동시 활용하여 더 풍부한 문맥(Context) 이해 가능, 사람처럼 다양한 감각을 조합해 더 똑똑한 AI 구현 가능

모달 (Modal)

모달(Modal)은 정보의 형태(모드, Mode)를 의미. ex) 사람이 정보를 받아들이는 방식 - 시각(이미지, 영상), 청각(음성, 소리), 언어(텍스트, 말)
하나의 모달만 처리하면 단일 모달(Unimodal) 여러 개를 동시에 처리하면 멀티모달(Multimodal)

사용예시

사진을 업로드하면 그 안에 있는 사물 설명
그래프를 보여주면 데이터 분석
텍스트 설명을 입력하면 해당 설명에 맞는 이미지를 생성
음성을 텍스트로 변환, 텍스트를 음성으로 변환

활용분야

의료 분야: X-ray 이미지를 분석하고, 환자의 진료 기록(텍스트)과 함께 종합적으로 진단
자율주행: 카메라(이미지) + 라이다(센서) + 지도(텍스트) 정보를 함께 분석
번역 및 접근성: 수화(영상) → 텍스트 변환, 시각 장애인을 위한 이미지 설명 AI
크리에이티브 AI: 텍스트 → 이미지/영상 생성 (예: DALL·E, Runway)

7-2. RAG (Retrieval-Augmented Generation)

정보 검색(Retrieval)과 생성(Generation)을 결합한 AI 모델. 외부 지식베이스에서 정보를 검색하여, 이를 활용해 더 정확한 응답을 생성하는 기술

등장배경

GPT 같은 대규모 언어 모델(LLM)은 훈련 데이터에 의존해 답변을 생성하나 단점 존재
- 최신 정보 부족: GPT-4 같은 모델은 사전 학습된 데이터까지만 알고 있음 / 최신 뉴스나 실시간 정보를 제공할 수 없음
- 환각(Hallucination): 존재하지 않는 정보를 만들어내는 경우 / 사실 검증 없이 “그럴듯한” 답변을 내놓는 경우가 많음

동작원리

RAG는 “검색(Retrieval) + 생성(Generation)” 두 가지 과정을 결합
- 검색 단계 (Retrieval)
  - 질문을 받으면, 외부 데이터베이스(예: 위키백과, 논문, 문서 등)에서 관련 정보를 찾음
  - 예를 들어, “최신 GPT 버전이 뭐야?“라고 물으면, 인터넷에서 최신 정보를 검색하는 과정이 포함됨
- 생성 단계 (Generation)
  - 검색된 정보를 바탕으로 LLM이 응답을 생성
  - 기존 모델보다 더 정확하고 신뢰할 수 있는 답변을 제공할 수 있음

장점

최신 정보 제공 가능: 검색을 통해 실시간 데이터 활용
더 신뢰할 수 있는 답변 생성: 환각 문제 줄이기
도메인 특화 가능: 특정 분야(법률, 의료 등)의 데이터베이스와 연결 가능

활용사례

ChatGPT + 웹 검색: ChatGPT가 웹 검색을 활용해 최신 정보를 반영하는 방식도 RAG의 원리와 비슷
기업 내 문서 검색 AI: 사내 문서, 매뉴얼에서 검색한 후 답변 생성 (예: Notion AI, Microsoft Copilot)
의료, 법률 분야 AI: 신뢰할 수 있는 논문이나 법률 문서를 검색하여 정확한 답변 제공

결론

검색과 생성의 결합으로 더 정확하고 최신 정보를 제공 가능

7-3. 환각 (Halluciation)

AI가 사실이 아닌 정보를 생성하는 현상. 즉, 잘못된 정보, 존재하지 않는 사실, 그럴듯하지만 틀린 내용을 생성하는 문제

특징

그럴듯해 보이지만 틀린 정보 생성
사실 검증 없이 추론하여 답변 생성
특히 숫자, 고유명사, 코드 생성에서 오류 발생 가능

발생원인

LLM(대규모 언어 모델)의 본질적인 한계
- GPT 같은 모델은 통계적으로 가장 적절한 다음 단어를 예측하는 방식
- 하지만 단어 예측은 정확한 지식을 보장하는 게 아님
- 즉, 학습 데이터에 없는 내용이라도 “가장 가능성 높은 답변”을 만들어내려는 경향이 있음
최신 정보 부족
- 모델이 사전 학습된 데이터까지만 알고 있기 때문에, 최신 뉴스나 업데이트된 정보를 반영하지 못하고, 그럴듯한 답변을 생성할 수 있음
- 예: “GPT-5는 2024년 7월 15일 출시되었습니다.” (사실이 아닐 수도 있음)
제한된 문맥 길이(Context Length)
- AI는 긴 문서를 처리할 때, 일부 내용을 잊어버릴 수 있음
- 그러면 문맥을 잃어버리고, 틀린 답변을 생성할 가능성이 커짐

예시

사실과 다른 정보를 생성 - “네덜란드의 수도는 베를린입니다.” (정답: 암스테르담)
존재하지 않는 책이나 논문 인용 - “이 논문은 2022년 John Doe가 ‘AI 미래’에서 발표한 내용입니다.” (존재하지 않는 논문일 가능성이 큼)
잘못된 코드 생성 - I가 엉뚱한 코드나 실행되지 않는 코드를 만들어낼 수 있음

환각 줄이는 방법

RAG (Retrieval-Augmented Generation) 활용 - 외부 지식 검색을 추가하여 사실 기반 응답 생성 (예: ChatGPT 웹 검색 기능)
인간 검토(Human-in-the-loop) - AI가 생성한 답변을 사람이 검토하여 오류를 걸러내는 방식
신뢰할 수 있는 데이터로 학습(Fine-tuning) - 특정 도메인(의료, 법률 등)에서는 정확한 데이터를 추가 학습하여 오류를 줄일 수 있음

결론

환각은 AI 모델이 “그럴듯한” 답변을 만들어내면서 발생하는 문제
- 검색 기반 AI(RAG) 및 인간 검토를 통해 줄일 수 있음
- AI의 답변을 맹신하지 않고, 항상 검증하는 것이 중요!

8. 주요 서비스

업무: 문서 작성, 이메일 초안, 데이터 분석 (ChatGPT, Notion AI, Grammarly)
콘텐츠 제작: 이미지·동영상·음성 생성 (DALL·E, Runway, ElevenLabs)
코딩: 코드 자동 완성, 버그 수정 (GitHub Copilot, Codeium)
검색 & 정보: AI 기반 최신 정보 검색 (Perplexity AI, You.com)
번역 & 다국어 지원: 자연어 번역 (DeepL, Papago)

⬆ #AI, #GPT