알기 쉬운 AI 및 로봇공학 용어집
RAG, 토큰, 환각 같은 AI 관련 유행어에 혼란스러우신가요? 이 알기 쉬운 가이드는 간단한 설명, 실제 사례, 기억에 남는 비유를 통해 가장 중요한 AI 및 로봇공학 용어들을 쉽게 풀어줍니다. 초보자부터 전문가까지 모두에게 안성맞춤입니다.

모두가 입에 올리는 유행어에 대한 사람 중심의 가이드
인공지능과 로봇공학은 빠르게 발전하고 있으며, 이에 따라 압도적으로 느껴질 수 있는 수많은 전문 용어들이 쏟아져 나오고 있습니다.
RAG, 토큰, 환각(hallucination) 같은 용어를 듣고 “이건 알아둬야 할 것 같은데…”라고 생각해 본 적이 있다면… 이 가이드는 바로 여러분을 위한 것입니다.
가장 중요한 개념들을 쉬운 말로 풀어 설명하고, 이해하기 쉬운 예시와 기억에 남는 요령을 통해 내용을 확실히 익힐 수 있도록 도와드리겠습니다.
🧠 1. 대규모 언어 모델(LLM)
정의:
방대한 양의 텍스트를 학습하여 인간과 유사한 언어를 이해하고 생성하도록 훈련된 AI 시스템입니다.
예시:
질문에 답하거나 코드를 작성하는 ChatGPT.
이렇게 생각해 보세요:
📚 수백만 권의 책을 읽은 초능력 사서처럼, 거의 모든 질문에 즉시 답변해 줄 수 있습니다.
🧩 2. 토큰
정의:
AI가 처리하는 가장 작은 텍스트 단위(단어, 단어의 일부 또는 문자).
예시:
“ChatGPT는 정말 대단해요” → 다음과 같이 토큰으로 분할될 수 있습니다:
Chat + GPT + is + amazing
중요성:
- 요금은 대개 토큰 수를 기준으로 책정됩니다
- AI가 한 번에 처리할 수 있는 양을 제한합니다
다음과 같이 생각해 보세요:
🧱 언어의 레고 블록
🪟 3. 컨텍스트 윈도우
정의:
AI가 단일 대화에서 “기억”할 수 있는 토큰의 최대 개수입니다.
예시:
컨텍스트 윈도우가 8,000 토큰이라면, 그 이상의 내용은 잊혀집니다.
이렇게 생각해보세요:
🧠 AI의 단기 기억
🤯 4. 환각
정의:
AI가 틀리거나 지어낸 내용을 확신에 차서 제시할 때
정보.예시:
AI가 가짜 연구 논문을 작성하거나 존재하지 않는 출처를 인용하는 경우입니다.
다음과 같이 생각해 보세요:
🎭 AI가 “추측”을 하고 그것이 옳은 것처럼 가장하는 것
🔍 5. 검색 강화 생성(RAG)
정의:
AI가 응답을 생성하기 전에 실제 데이터(문서나 데이터베이스 등)를 검색하는 방법입니다.
예시:
회사 내부 문서를 바탕으로 답변을 제공하는 챗봇.
이렇게 생각해 보세요:
📖 기억을 더듬어 추측하는 대신 참고 자료를 볼 수 있는 시험
🔌 6. MCP (모델 컨텍스트 프로토콜)
정의:
AI 모델이 외부 도구, 데이터 및 시스템과 연동할 수 있도록 하는 표준입니다.
예시:
AI가 데이터베이스, 캘린더 또는 API에 체계적인 방식으로 접근하는 것입니다.
이렇게 생각해 보세요:
🔗 AI를 위한 USB 포트—현실 세계에 연결하는 것
⚙️ 7. 프롬프트
정의:
AI에 제공하는 입력 또는 지시 사항입니다.
예시:
“리스트를 정렬하는 파이썬 스크립트를 작성해 주세요.”
이렇게 생각해 보세요:
🗣️ AI와 대화하는 방식이 AI의 성능에 영향을 미칩니다
🎯 8. 프롬프트 엔지니어링
정의:
AI로부터 더 나은 결과를 얻기 위해 효과적인 프롬프트를 작성하는 기술입니다.
예시:
“AI를 설명해 주세요” 대신
이렇게 말하세요: “간단한 비유를 사용해 10살 아이에게 AI를 설명해 주세요.”
이렇게 생각해 보세요:
🎨 더 나은 결과를 위한 지침 설계하기
🧬 9. 미세 조정
정의:
특정 데이터를 활용해 AI 모델을 추가로 학습시켜 전문성을 높이는 과정입니다.
예시:
법률 문서를 기반으로 모델을 훈련시켜
법무 보조원.다음과 같이 생각해 보세요:
🏋️ 일반 교육 후 전문 교육
🔄 10. 추론
정의:
훈련된 모델을 사용하여 결과를 도출하는 과정입니다.
예시:
질문을 던지면 → AI가 응답하면 → 이것이 바로 추론입니다.
이렇게 생각해 보세요:
⚡ AI가 “생각하고 답하는” 순간
🧠 11. 임베딩
정의:
텍스트의 의미를 담아낸 수치적 표현입니다.
예시:
“개”와 “강아지”는 비슷한 임베딩을 가집니다.
다음과 같이 생각해 보세요:
📍 의미를 나타내는 GPS 좌표
🤝 12. 에이전트 (AI 에이전트)
정의:
자율적으로 행동하여 작업을 수행할 수 있는 AI 시스템입니다.
예시:
회의를 예약하고, 이메일을 보내며, 스프레드시트를 업데이트하는 AI입니다.
이렇게 생각해보세요:
🧑💼 잠을 자지 않는 디지털 비서
🔁 13. 피드백 루프
정의:
산출물을 활용하여 향후 성과를 개선하는 것.
예시:
사용자가 응답을 평가 → AI가 시간이 지남에 따라 개선됩니다.
다음과 같이 생각해 보세요:
🔄 경험으로부터 학습하기
🤖 14. 로봇공학 (AI 맥락에서)
정의:
물리적 세계와 상호작용하는 기계에 AI를 통합하는 것.
예시:
- 자율주행차
- 창고용 로봇
- 수술용 로봇
이렇게 생각해 보세요:
🦾 몸을 가진 AI
🧭 15. 자율 시스템
정의:
사람의 개입 없이 작동하는 시스템.
예시:
드론이 항법을 수행하며 소포를 배송하는
그 자체로.다음과 같이 생각해 보세요:
🚗 자율주행 지능
📊 16. 훈련 데이터
정의:
AI 모델에 학습을 시키기 위해 사용되는 데이터입니다.
예시:
책, 웹사이트, 이미지, 동영상 등.
이렇게 생각해 보세요:
📚 AI의 지식을 형성하는 요소
⚠️ 17. 편향 (AI 내)
정의:
AI가 훈련 데이터에서 불공정한 패턴을 반영할 때를 말합니다.
예시:
AI가 의도치 않게 특정 인구통계학적 집단을 우대하는 경우.
이렇게 생각해 보세요:
🪞 인간의 불완전함을 반영하는 AI
🧪 18. 다중 모달 AI
정의:
여러 유형의 입력(텍스트, 이미지, 오디오, 비디오)을 처리할 수 있는 AI.
예시:
이미지를 업로드하고 AI에게 그 이미지를 설명해 달라고 요청하는 것.
이렇게 생각해 보세요:
👀👂 “보고” “듣는” AI
🧠 최종 정신 모델 (기억하기 쉬운 방법)
AI 시스템을 학생처럼 생각해 보세요:
- 훈련 데이터 = 공부한 책
- 토큰 = 읽은 단어
- 컨텍스트 윈도우 = 지금 당장 기억할 수 있는 내용
- 프롬프트 = 여러분의 질문
- 추론 = 학생의 답변
- 환각 = 그들이 허세를 부릴 때 😅
- RAG = 답변하기 전에 메모를 확인할 때
- 에이전트 = 스스로 작업을 시작할 때
🚀 이것이 중요한 이유
이러한 용어를 이해하면 다음과 같은 이점이 있습니다:
- 개발자 및 AI 팀과 더 원활하게 소통할 수 있습니다
- AI 도구에 대해 더 현명한 결정을 내릴 수 있습니다
- 급변하는 기술 환경에서 한 발 앞서 나갈 수 있습니다
기술, 비즈니스, 심지어 거버넌스 분야(특히 디지털 전환과 관련된)에서 일하고 계신다면
(이니셔티브 등), 이러한 용어들은 빠르게 필수적인 요소로 자리 잡고 있습니다.











