챕터별 상세
AI의 기본 원리: 예측을 위한 직선과 방정식
두 회사의 매장 수와 매출 데이터를 예로 들어 AI의 기본 원리를 설명했다. 매장 수(X축)와 매출(Y축) 사이의 관계를 직선으로 나타내면 새로운 매장 수에 대한 매출을 예측할 수 있다. 이 직선은 결국 수학적 방정식으로 표현되며, 데이터가 없어도 이 방정식만 있으면 새로운 입력값에 대한 결과를 도출할 수 있다.
AI가 시를 쓰는 과정: 텍스트의 숫자 변환
AI가 시를 쓰는 과정도 앞선 직선의 원리와 동일하게 작동한다. 프롬프트 텍스트는 숫자로 변환되어 그래프의 X축 좌표가 되고, AI 방정식은 이에 대응하는 Y축 좌표를 계산한다. 이 Y축 값은 시의 첫 번째 단어가 될 확률이 가장 높은 단어로 변환되며, 출력된 단어를 다시 입력값에 포함시켜 다음 단어를 예측하는 과정을 반복한다.
컴퓨터는 텍스트를 직접 처리할 수 없으므로 모든 단어를 고유한 숫자 벡터로 변환하여 계산한다.
파라미터의 의미와 AI 모델의 규모
단순한 직선은 기울기와 절편이라는 2개의 파라미터를 가진다. 반면 ChatGPT와 같은 복잡한 AI는 수조 개의 데이터 포인트에 맞춘 매우 복잡한 도형이며, 이를 정의하는 파라미터 역시 수조 개에 달한다. 기업들이 발표하는 파라미터 수는 해당 AI가 가진 방정식의 규모와 정교함을 나타내는 지표가 된다.
AI 학습(Training): 데이터에 도형 맞추기
AI 학습은 Wikipedia나 GitHub 같은 방대한 데이터를 그래프에 배치하는 것에서 시작한다. 초기에는 무작위로 설정된 파라미터로 인해 엉뚱한 도형이 그려지지만, 실제 데이터 포인트들과의 거리를 측정하며 오차를 줄여나간다. 이 과정을 수없이 반복하여 데이터의 흐름을 가장 잘 나타내는 최종적인 도형과 방정식을 찾아내는 것이 학습의 핵심이다.
이 과정은 막대한 컴퓨팅 자원과 전력, 비용이 소모되는 단계이다.
AI 정렬(Alignment): 유용한 답변을 위한 교정
기본 학습을 마친 AI는 단순히 다음 단어를 예측할 뿐 사용자의 질문에 적절히 답하는 법은 모른다. 정렬은 AI가 사용자의 질문 의도를 파악하고 유용한 답변을 하도록 파라미터를 미세 조정하는 과정이다. 초기 학습에 비해 적은 데이터와 비용으로 수행 가능하며, 이를 통해 코딩 보조나 고객 상담 등 특정 목적에 맞는 AI로 최적화된다.
정렬 과정이 없으면 AI는 질문에 답하는 대신 질문과 유사한 문장을 나열할 수 있다.
용어 해설
- 파라미터(Parameter)
- — AI 모델 내부에서 데이터 간의 관계를 정의하는 수치적인 값이다. 직선의 방정식에서 기울기와 절편에 해당하며, 이 수치들이 수조 개 모여 복잡한 언어 패턴을 생성하는 거대한 방정식을 구성한다.
- 학습(Training)
- — 대규모 데이터셋의 패턴을 파악하여 모델의 파라미터를 최적화하는 과정이다. 무작위로 설정된 초기 방정식에서 시작해 실제 데이터와의 오차를 줄여나가며 데이터의 흐름을 가장 잘 나타내는 도형을 완성하는 단계이다.
- 정렬(Alignment)
- — 학습된 모델이 사용자의 질문 의도를 이해하고 유용한 답변을 하도록 미세 조정하는 기법이다. 단순히 다음 단어를 예측하는 수준을 넘어 인간의 가치관이나 특정 작업 목적에 부합하도록 모델의 출력을 교정한다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 12.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
