4. 인공지능 및 데이터 처리 (AI & Data Processing) 용어집

인공지능 및 데이터 처리 (AI & Data Processing) 용어집

1. STT (Speech-to-Text): 음성 인식, 사람의 음성 신호를 텍스트 형태의 문자로 변환하는 기술
2. TTS (Text-to-Speech): 음성 합성, 텍스트 형태의 문자를 인공적인 목소리로 변환하여 출력하는 기술
3. NLP (Natural Language Processing): 자연어 처리, 컴퓨터가 인간의 언어를 이해하고 생성할 수 있도록 하는 AI 분야
4. NLU (Natural Language Understanding): 자연어 이해, 자연어 처리 중에서도 문장의 의도와 맥락을 심층적으로 파악하는 단계
5. NLG (Natural Language Generation): 자연어 생성, 데이터를 바탕으로 사람이 읽기 쉬운 문장을 만들어내는 기술
6. LLM (Large Language Model): 거대 언어 모델, 방대한 양의 텍스트 데이터를 학습하여 고도의 언어 생성 능력을 갖춘 인공지능 모델
7. RAG (Retrieval-Augmented Generation): 검색 증강 생성, 모델 외부의 최신 데이터를 검색하여 생성 결과의 정확도를 높이는 기술
8. AICC (AI Contact Center): AI 고객센터, 상담 업무에 AI를 접목하여 챗봇, 보이스봇 등을 제공하는 지능형 고객센터
9. CER (Character Error Rate): 음절 오류율, 음성 인식 결과에서 틀린 글자가 차지하는 비율을 나타내는 성능 지표
10. WER (Word Error Rate): 단어 오류율, 전체 단어 중 삭제, 삽입, 대치된 단어의 비율을 나타내는 성능 지표
11. EPD (End Point Detection): 끝점 검출, 음성 신호에서 실제 대화가 시작되고 끝나는 지점을 자동으로 찾아내는 기술
12. Timetag (Time Tag): 시간 태그, 인식된 텍스트가 음성 파일 내에서 어느 시점에 발화되었는지 기록한 위치 데이터
13. Partial STT (Partial Speech-to-Text): 부분 음성 인식, 문장이 끝나기 전이라도 실시간으로 인식 중인 텍스트 결과를 중간 출력하는 기술
14. Barge-in (Barge-in): 중간 끼어들기, AI가 안내 멘트를 하는 도중 사용자가 말을 하면 즉시 멈추고 사용자의 말을 인식하는 기능
15. GPU (Graphics Processing Unit): 그래픽 처리 장치, 대규모 행렬 연산에 최적화되어 AI 학습 및 추론에 필수적인 연산 장치
16. TPU (Tensor Processing Unit): 텐서 처리 장치, 구글에서 AI 연산을 위해 설계한 전용 주문형 반도체(ASIC)
17. Token (Token): 토큰, AI가 텍스트를 처리할 때 쪼개는 최소 의미 단위
18. Embedding (Embedding): 임베딩, 단어나 문장의 의미를 컴퓨터가 이해할 수 있는 다차원의 벡터 숫자로 변환하는 기술
19. Fine-tuning (Fine-tuning): 미세 조정, 이미 학습된 기초 모델을 특정 분야의 데이터로 추가 학습시켜 전문성을 높이는 과정
20. Prompt Engineering (Prompt Engineering): 프롬프트 엔지니어링, AI 모델로부터 원하는 답변을 얻기 위해 입력값(질문)을 설계하고 최적화하는 기술
21. Hallucination (Hallucination): 환각 현상, AI가 사실이 아닌 정보를 그럴듯하게 사실처럼 생성해내는 오류 현상
22. Transformer (Transformer): 트랜스포머, 현재의 거대 언어 모델들이 기반으로 삼는 자기주의(Self-attention) 메커니즘 중심의 신경망 구조
23. Vector Database (Vector Database): 벡터 데이터베이스, 데이터를 벡터 형태로 저장하고 유사성 검색(Similarity Search)을 수행하는 특수 DB
24. Inference (Inference): 추론, 학습된 AI 모델에 새로운 데이터를 입력하여 결과값을 도출해내는 과정
25. Algorithm (Algorithm): 알고리즘, 문제를 해결하거나 특정 작업을 수행하기 위해 정해진 논리적 절차나 규칙
26. Machine Learning (Machine Learning): 기계 학습, 명시적인 프로그래밍 없이 데이터를 통해 컴퓨터가 스스로 학습하게 하는 기술
27. Deep Learning (Deep Learning): 딥러닝, 인간의 신경망을 모방한 인공 신경망을 사용하여 복잡한 패턴을 학습하는 기계 학습의 하위 분야
28. Reinforcement Learning (Reinforcement Learning): 강화 학습, 행동에 대한 보상과 처벌을 통해 최적의 행동 전략을 찾아가는 학습 방식
29. Supervised Learning (Supervised Learning): 지도 학습, 정답(레이블)이 있는 데이터를 사용하여 모델을 학습시키는 방식
30. Unsupervised Learning (Unsupervised Learning): 비지도 학습, 정답 없이 데이터 간의 유사성이나 패턴을 스스로 찾아내게 하는 학습 방식
31. Dataset (Dataset): 데이터셋, AI 모델을 학습시키거나 테스트하기 위해 모아놓은 자료의 집합
32. Labeling (Labeling): 레이블링, AI 학습을 위해 데이터에 정답(의미)을 달아주는 전처리 작업
33. Data Lake (Data Lake): 데이터 레이크, 정형·비정형 데이터를 가공하지 않은 상태 그대로 저장하는 거대한 저장소
34. Data Warehouse (Data Warehouse): 데이터 웨어하우스, 분석을 목적으로 정제된 정형 데이터를 구조화하여 저장하는 시스템
35. Pipeline (Pipeline): 파이프라인, 데이터의 수집, 가공, 학습, 배포 과정을 자동화하여 연결한 일련의 흐름
36. Multimodal (Multimodal): 멀티모달, 텍스트, 이미지, 음성 등 여러 형태의 데이터를 동시에 이해하고 처리하는 기술
37. SaaS-based AI (SaaS-based AI): 서비스형 AI, 복잡한 인프라 구축 없이 클라우드 상에서 API를 통해 이용하는 AI 서비스
38. Hyper-parameter (Hyper-parameter): 하이퍼파라미터, 모델 학습 시 사용자가 직접 설정해주는 매개변수 (예: 학습률 등)
39. Overfitting (Overfitting): 과적합, 모델이 학습 데이터에만 너무 치중되어 새로운 데이터에 대한 성능이 떨어지는 상태
40. Annotation (Annotation): 어노테이션, 데이터의 특정 구간에 정보를 추가하여 AI가 학습할 수 있게 만드는 작업
41. Voice Bot (Voice Bot): 보이스봇, AI 음성 기술을 활용하여 전화 상담 업무를 수행하는 인공지능 상담원
42. Chat Bot (Chat Bot): 챗봇, 텍스트 메시지를 통해 사용자와 대화를 나누는 인공지능 대화 시스템
43. STT Accuracy (Speech-to-Text Accuracy): 음성 인식 정확도, 음성을 텍스트로 얼마나 정확하게 변환했는지 나타내는 비율
44. Sentiment Analysis (Sentiment Analysis): 감성 분석, 텍스트에 담긴 사용자의 감정(긍정, 부정 등)을 분석해내는 기술
45. Diarization (Speaker Diarization): 화자 분리, 오디오 신호 내에서 누가 언제 말했는지 발화자를 식별하고 나누는 기술