인공지능 이해하기

인공지능은 입력을 바탕으로 예측·추천·콘텐츠 같은 결과를 만들어 내는 컴퓨터 시스템입니다. 처음 배울 때는 ‘무엇을 입력받아 어떤 결과를 만드는가’, ‘그 결과를 어떻게 확인할 것인가’부터 살펴보면 됩니다. 글을 자연스럽게 쓰는 능력과 사실을 정확히 말하는 능력은 구별해야 합니다. 직접 써 보는 첫 과제로는 정답을 대조할 수 있는 짧은 글 요약이 적합합니다. 경제협력개발기구의 인공지능 정의 해설

인공지능과 기계학습은 어떻게 다른가

인공지능은 넓은 개념이고, 기계학습은 데이터를 이용해 예측하거나 콘텐츠를 생성하도록 소프트웨어를 학습시키는 방법입니다. 이때 모델은 입력과 결과 사이의 관계를 계산하는 구조를 뜻합니다. 예를 들어 메일의 내용을 받아 스팸 여부를 분류하는 모델과, 문장을 받아 요약문을 만드는 모델은 입력이 비슷해도 수행하는 일이 다릅니다. 구글의 기계학습 기초 설명

데이터와 정답을 함께 제공하는 학습 방식을 지도학습이라고 합니다. 스팸으로 표시된 메일과 일반 메일을 예시로 주고, 각 종류에서 나타나는 특징을 배우도록 하는 방식입니다. 분류는 입력이 어느 범주에 속하는지 판단하는 일이고, 회귀는 수치 값을 예측하는 일입니다. 용어를 외우기보다 결과가 ‘종류’인지 ‘숫자’인지 구별하면 차이가 선명해집니다. 구글의 지도학습·분류·회귀 설명

새로운 인공지능 기능을 접하면 입력과 출력을 한 줄로 적어 보세요. ‘메일 내용 → 스팸 여부’, ‘긴 글 → 짧은 요약’처럼 쓸 수 있다면 기능의 목적을 이해한 것입니다. 이어서 분류 결과는 실제 정답과, 요약 결과는 원문과 비교할 수 있는지 확인합니다. 결과를 평가할 기준까지 정해야 기능을 제대로 살펴볼 수 있습니다.

학습과 추론을 나눠 생각하기

학습은 데이터를 이용해 모델을 만드는 과정이고, 추론은 모델에 입력을 넣어 결과를 얻는 과정입니다. 여기서 추론은 사람이 논리적으로 생각한다는 일상적 뜻과 다릅니다. 모델을 사용하는 계산 과정이라는 기술 용어입니다. 경제협력개발기구의 해설도 배포 이후 입력으로 출력을 만드는 단계를 추론으로 설명합니다. 경제협력개발기구의 정의 해설

이 차이를 확인하는 간단한 방법은 질문과 답변을 나누어 적는 것입니다. 사용자가 요약할 글을 입력하고 모델이 요약문을 반환하는 장면은 추론에 해당합니다. 답이 마음에 들지 않아 요구사항을 다시 적는 행동만으로 모델 전체가 새로 학습됐다고 판단해서는 안 됩니다. 대화에서 조건을 바꾸는 것과 모델의 학습 과정을 변경하는 것을 구분해 보세요.

생성형 인공지능은 글을 어떻게 만드는가

생성형 인공지능은 입력을 바탕으로 글·그림·소리 등의 콘텐츠를 만드는 모델을 가리킵니다. 글을 다루는 대규모 언어 모델은 언어의 패턴을 학습한 모델입니다. 텍스트를 처리하는 작은 단위인 토큰을 이용하며, 토큰은 단어 전체일 수도 있고 단어의 일부나 한 글자일 수도 있습니다. 따라서 토큰 수를 언제나 단어 수와 같다고 보면 안 됩니다. 구글의 언어 모델 설명

글을 이어 쓰는 언어 모델은 앞선 입력과 이미 생성한 내용을 바탕으로 다음 토큰의 가능성을 계산하며 출력을 만듭니다. 여러 언어 모델에 쓰이는 트랜스포머는 토큰 사이의 관계를 계산하는 신경망 구조입니다. 그 핵심 요소인 어텐션은 문맥 안에서 어떤 토큰의 관계를 얼마나 중요하게 다룰지 계산하는 방식입니다. 구글의 트랜스포머 설명

이 설명은 글 생성의 기초 원리입니다. 같은 원리를 모든 이미지 생성 모델에 그대로 적용해서는 안 됩니다. 기능을 이해하려면 ‘생성형’이라는 이름만 보지 말고 어떤 종류의 입력을 받아 어떤 종류의 출력을 만드는 모델인지 먼저 확인하세요.

짧은 요약으로 직접 확인하기

다음은 원리 이해를 위한 가상 연습 자료입니다. 실제 학교의 공지나 취재 사례가 아닙니다.

과학 동아리 모임은 금요일 오후 네 시에 과학실에서 열린다. 참가자는 공책을 가져온다. 신청 마감일은 아직 정하지 않았다.

이미 이용할 수 있는 텍스트 생성 도구가 있다면 아래 순서로 연습해 보세요. 타인의 개인정보나 비공개 문서 대신 이 가상 자료를 입력합니다.

1. 자료와 함께 ‘위 글만 근거로 모임 시간, 장소, 준비물을 항목별로 정리해 줘. 신청 마감일처럼 정해지지 않은 정보는 미정이라고 표시해 줘’라고 요청합니다. 이런 입력 요청문을 프롬프트라고 합니다.
2. 답을 원문과 대조합니다. 시간은 금요일 오후 네 시, 장소는 과학실, 준비물은 공책으로 정리됐는지 확인합니다. 신청 마감일을 임의의 날짜로 바꾸지 않았는지도 살펴봅니다.
3. 이어서 ‘같은 내용을 한 문장으로 줄여 줘’라고 요청합니다. 표현이 짧아진 뒤에도 시간과 장소가 바뀌지 않았는지 확인합니다.
4. 틀린 부분이 있다면 원문의 해당 문장과 함께 수정을 요청하고 다시 대조합니다. 첫 답과 수정된 답을 남겨 두면 어떤 조건에서 오류가 생겼는지 비교하기 쉽습니다.

통과 기준은 문장이 매끄러운지가 아니라 원문의 정보가 유지되고, 없는 사실이 추가되지 않았는가입니다. 이 실습에서 답이 정확했다고 해서 다른 주제에서도 정확하다고 판단할 수는 없습니다. 새로운 작업에는 그 작업에 맞는 확인 기준을 적용해야 합니다.

그럴듯한 답을 검증하는 방법

언어 모델은 잘못된 내용을 생성할 수 있습니다. 이런 오류를 흔히 환각이라고 부릅니다. 학습한 패턴으로 문장을 만드는 기능이 사실의 정확성을 보장하지는 않습니다. 구글의 언어 모델 한계 설명

요약은 원문과 대조하고, 외부 사실이 포함된 답은 해당 기관의 공식 자료와 대조하세요. 답변에 링크가 있어도 직접 열어 문서 제목, 해당 문장, 적용 시점을 확인해야 합니다. 링크가 실제로 존재하는 것과 그 문서가 주장을 뒷받침하는 것은 별개의 확인 항목입니다. 원문에서 찾지 못한 내용은 확인된 사실로 옮겨 쓰지 않습니다.

공부할 방향도 확인 결과에서 정할 수 있습니다. 입력을 명확히 쓰기 어렵다면 요청의 목적·자료·출력 형식을 나누는 연습을 하고, 작동 원리가 궁금하다면 기계학습의 입력·정답·모델부터 익혀 보세요. 직접 써 본 답에서 잘한 점과 틀린 점을 하나씩 기록하면 다음에 배울 내용이 구체적이 됩니다.

함께 읽을 글

기초 원리를 익힌 뒤 AI 에이전트라는 주제로 학습을 이어 가고 싶다면 AI 에이전트를 함께 읽어 보세요. 이 글에서 연습한 ‘입력과 결과 구분하기’, ‘결과의 확인 기준 정하기’를 다음 글을 읽을 때도 질문으로 활용할 수 있습니다.

출처와 작성 안내

공식 자료 확인일: 2026년 10월 6일.

• 경제협력개발기구: 인공지능 정의 해설 — 인공지능의 범위와 추론의 의미를 설명하는 OECD.AI 기고문.
• 구글: 기계학습이란 무엇인가 — 모델, 지도학습, 분류·회귀와 생성형 인공지능.
• 구글: 대규모 언어 모델과 트랜스포머 — 토큰, 문맥 처리, 글 생성과 오류 가능성.

이 글은 AI와 함께 작성했습니다. 동아리 공지와 이를 이용한 연습은 허구의 교육용 예시이며, 실제 사건이나 사용 결과를 보도한 내용이 아닙니다.

이미지 3장은 설명용 AI 일러스트이며 실제 촬영 사진이나 실험 기록이 아닙니다.