인공 지능 용어집

Agentic AI는 단순히 명령에 응답하는 것을 넘어서 콘텐츠를 생성하고, 자율적으로 작업을 실행하고, 목표를 달성하는 고급 AI 시스템을 말합니다.이러한 시스템은 추론 기능, 기억 함수, 피드백 루프를 결합하여 행동을 독립적으로 계획하고 수행하며, 종종 다양한 디지털 도구를 활용하고 학습을 통해 접근 방식을 조정합니다.기존 AI와 달리 에이전트 AI는 독립적으로 작동하거나 다른 AI 에이전트와 공동으로 작동하여 자율적인 결정을 내리면서 다양한 플랫폼 및 시스템과 상호 작용하여 복잡한 작업을 완료할 수 있습니다.

산업 환경에서 Agentic AI에는 예측 유지 보수, 품질 관리, 재고 관리 또는 생산 프로세스 최적화와 같은 산업 운영의 다양한 측면을 독립적으로 모니터링, 분석 및 제어할 수 있는 AI 시스템의 배포가 포함됩니다.

인공 지능 (AI) 은 학습하고 적응할 수 있는 능력을 갖춘 소프트웨어를 말합니다.AI는 입력 데이터의 의미를 해석하고 요구 사항에 맞게 조정해야 하는 작업을 해결할 수 있습니다.일반적으로 이러한 작업은 이전에는 자연 지능으로만 해결할 수 있었습니다.AI 방법에는 몇 가지 유형이 있는데, 적용 분야, 잠재력 및 이와 관련된 위험 측면에서 크게 다릅니다.AI의 기본 원칙은 20세기에 개발되었습니다.모든 AI 방법에는 많은 양의 학습 데이터가 필요하기 때문에 이제 디지털화와 빅 데이터를 통해 기술의 중요성이 높아지고 있습니다.

일반적으로 몰입형 3D 가상 현실을 사용하여 실제 환경 및 물체에 디지털 정보를 오버레이할 수 있는 기술입니다.AR을 사용하면 디지털 시각, 사운드 및 기타 감각 요소를 추가하여 물리적 세계의 향상된 버전을 만들 수 있습니다.

자율 주행 자동차 및 드론과 같이 사람의 개입 없이 작동할 수 있는 시스템.

자율 주행 자동차 및 트럭과 같이 사람의 개입 없이 작동할 수 있는 차량.

편향된 학습 데이터 또는 알고리즘으로 인해 AI 시스템에서 발생할 수 있는 의도하지 않은 편견 또는 편애

크고 복잡한 데이터 세트로, 주로 (산업용) 센서에 의해 생성되지만 기업, 조직 및 사람에 의해 생성되기도 합니다.이러한 데이터는 구조화되지 않았거나 불완전하거나 부정확한 경우가 많기 때문에 AI 기반 소프트웨어가 아닌 소프트웨어는 일반적으로 데이터를 의미 있는 방식으로 처리할 수 없습니다.

텍스트 또는 음성 통신을 통해 사람과 상호 작용할 수 있는 AI 기반 프로그램입니다.

지각, 추론, 의사 결정과 같은 인간의 인지 과정을 복제하는 것을 목표로 하는 AI의 일종입니다.

컴퓨터가 이미지 및 비디오와 같은 시각 자료에서 정보를 추출하여 이를 이해하고 해석할 수 있도록 하는 AI의 하위 집합입니다.

외부 공격자로부터 디지털 정보를 보호하는 데 도움이 되는 전략, 측정 및 도구.AI를 사용하여 사이버 공격을 탐지 및 예방하고 보안 침해를 식별 및 대응할 수 있습니다.

데이터를 분석하고 해석하여 통찰력을 얻고 정보에 입각한 결정을 내리는 프로세스입니다.

관련 정보 및 분석을 제공하여 인간의 의사 결정을 지원하도록 설계된 컴퓨터 시스템.

기계가 데이터로부터 학습할 수 있도록 하기 위해 다중 계층이 있는 신경망을 사용하는 기계 학습의 하위 집합입니다.

물리적 객체 또는 프로세스의 동작을 설명하는 수학적 모델입니다.시뮬레이션 환경에서는 디지털 트윈을 사용하여 시스템 파라미터가 변경될 경우 실제 세계에서 어떤 일이 벌어질지 시뮬레이션할 수 있습니다.디지털 트윈은 설계, 제조, 운영 및 서비스 단계를 포함한 제품 라이프사이클 전반에 걸쳐 사용할 수 있습니다.디지털 트윈의 시각적 표현은 실제 세계와 유사하게 보이고 동작하며 실제 세계를 반영하고 실제 상황에 실시간으로 적응합니다.

엣지 컴퓨팅은 클라우드 컴퓨팅과 달리 컴퓨팅 및 데이터 스토리지를 데이터 소스 (“엣지”) 에 더 가깝게 배치하는 시스템 아키텍처의 한 유형입니다.이는 응답 시간과 데이터 전송에 필요한 에너지의 양을 줄이는 데 도움이 됩니다.엣지 AI 시스템은 실제 실행 디바이스에 물리적으로 가깝게 구현할 수 있습니다.이러한 디바이스는 클라우드에 연결하지 않고도 AI 애플리케이션을 실행할 수 있습니다.

주로 로봇이나 자율 주행 차량을 사용하여 물리적 세계와 상호 작용하고 탐색하도록 설계된 AI입니다.

편견, 개인 정보 보호 및 책임과 같은 문제를 포함하여 AI의 개발 및 사용에 대한 도덕적 원칙의 연구 및 적용.

AI는 투명하고 설명 가능하도록 설계되어 인간이 기계가 특정 결정을 내린 방법과 이유를 이해할 수 있도록 합니다.

여러 개의 개별 장치가 자체 (개별) 데이터 세트를 사용하여 기계 학습 모델을 학습하는 기계 학습의 학습 방법입니다.최종 결과만 네트워크의 주 행위자와 공유됩니다.

기존 콘텐츠를 결합하고 학습하여 이미지, 비디오 및 음악과 같은 새로운 콘텐츠를 생성하도록 설계된 AI.

애플리케이션 (예: CAD 소프트웨어) 이 일련의 제약 조건을 고려하여 다수의 설계 대안을 자율적으로 생성할 수 있는 능력.AI, 최적화 및 시뮬레이션과 같은 기술을 사용합니다.

산업용 AI는 산업, 인프라, 모빌리티 및 의료 등 우리 경제의 중추를 형성하는 산업 내에서 AI를 적용하는 것을 말합니다.

산업 기반 모델 (IFM) 은 엔지니어링, 자동화 및 제조의 “언어”를 심층적으로 이해하고 AI 솔루션을 더 빠르고 정확하게 배포할 수 있도록 산업별 데이터를 기반으로 사전 교육을 받습니다.표준화된 출발점을 제공하여 규모의 경제를 통해 시간, 자원 및 에너지를 절약합니다.IFM은 실제 산업 문제를 해결하도록 맞춤화되었습니다.이들은 산업 코파일럿의 기반이 되는 인텔리전스 계층 역할을 하며 부문 간 지식 이전 및 협업을 촉진합니다.텍스트, 이미지 및 오디오뿐만 아니라 3D 모델, 2D 도면 및 산업별 시계열 데이터와 같은 기타 복잡한 구조도 지원합니다 (멀티모달 LLM 참조).

산업용 AI는 가장 까다로운 전문 환경의 엄격한 요구 사항 및 표준을 충족하도록 설계된 안정적이고 안전하며 신뢰할 수 있는 품질 수준을 나타냅니다.

AI, IoT 및 기타 첨단 기술을 제조 및 산업에 통합하는 4차 산업 혁명을 설명하는 데 사용되는 용어입니다.

센서, 소프트웨어 및 연결 기능이 내장되어 데이터 교환을 가능하게 하는 기술 장치 네트워크입니다.IoT는 디지털화와 빅 데이터의 주요 동인 중 하나입니다.

지식을 상호 연결된 노드와 에지의 그래프로 나타내는 데이터베이스로, NLP 및 검색과 같은 AI 애플리케이션에 사용됩니다.

GPT-3 같은 대량의 데이터를 학습하여 사람과 유사한 텍스트를 생성하는 AI 언어 모델의 일종입니다.

기계가 경험이나 데이터를 통해 학습할 수 있도록 알고리즘과 통계 모델을 사용하는 AI의 하위 집합입니다.

카메라가 부착된 기계가 주변 환경을 이해하고 해석하기 위해 시각 정보를 추출할 수 있도록 하는 AI의 하위 집합입니다.

멀티모달 LLM은 텍스트, 이미지, 오디오 또는 센서 데이터와 같은 여러 유형의 데이터를 동시에 이해하고 처리할 수 있습니다.컴퓨터 비전, 자율 주행 차량 및 로보틱스와 같은 애플리케이션에 통합됩니다.물체 인식과 장면 이해를 개선하고 기계가 복잡한 명령을 따를 수 있도록 합니다.멀티모달 LLM은 기존 LLM이 텍스트 및 음성 처리에 영향을 주었던 것과 같은 방식으로 시계열, 2D 및 3D 모델 또는 머신 비전 데이터와 같은 산업별 데이터의 처리 및 생성에 영향을 미칠 수 있습니다.

컴퓨터와 인간 언어 간의 상호 작용에 초점을 맞춘 AI의 하위 집합입니다.

사람이 자연스러운 제스처, 음성 및 기타 표현 형식을 사용하여 컴퓨터와 상호 작용할 수 있도록 하는 인터페이스입니다.

인간의 뇌 구조를 모델링하고 데이터의 패턴을 인식하는 데 사용되는 일종의 기계 학습 알고리즘입니다.

여러 하위 장치로 구성된 건물 또는 기계의 전압 및 전류 변화를 분석하여 시스템 내 각 장치의 개별 기여도를 추론하는 프로세스입니다.

물리적 AI는 환경을 감지하고 그 안에서 행동할 수 있는 로봇과 같은 기계에 인공 지능을 통합하는 것을 말합니다.인간의 감각 운동 주기에서 영감을 받은 물리 AI는 감각 입력 (예: 3D 카메라 또는 촉각 센서) 을 처리하고, 이를 통해 제어 명령을 생성하고, 기계가 물리적 3D 환경에서 적응적이고 자율적으로 복잡한 작업을 수행할 수 있도록 합니다.

물리학 인식 AI라고도 하는 물리학 기반 AI는 물리 법칙을 교육 과정에 직접 통합하는 새로운 종류의 인공 지능 방법을 말합니다.행동을 학습하기 위해 대규모 데이터 세트에 크게 의존하는 기존 AI 접근 방식과 달리 물리학 기반 AI는 물리 기반 제약 조건을 통합하여 학습을 안내합니다.이를 통해 AI 시스템은 실제 세계의 작동 방식에 대한 기존 지식을 활용하여 실제 데이터가 제한적일 때에도 추론하고 예측할 수 있습니다.이러한 모델은 예제를 통해서만 학습하는 대신 물리 지식을 사용하여 학습이 더 최적화되고 물리적으로 일관된 솔루션을 향해 나아가도록 유도합니다.

예측 AI는 통계 분석과 머신 러닝을 활용하여 기계 및 장비의 실시간 및 과거 운영 데이터에서 패턴을 식별합니다. 이를 통해 향후 동작을 예측하고, 이상 현상을 감지하고, 잠재적 장애를 예측하고, 유지보수 조치를 권장할 수 있습니다.자산 상태 및 신뢰성을 개선하고, 계획되지 않은 가동 중지 시간을 줄이고, 산업 운영 전반에서 더 빠른 데이터 기반 의사 결정을 지원하는 데 사용됩니다.

AI 및 통계 모델을 사용하여 과거 데이터를 기반으로 미래 이벤트 또는 추세를 예측합니다.

AI를 사용하여 실시간 데이터를 기반으로 기계의 유지보수 또는 수리가 필요한 시기를 예측합니다.

AI를 사용하여 결함을 감지하고 제품이 품질 표준을 충족하는지 확인합니다.

교육을 받지 않은 에이전트가 작업을 수행한 후 시스템에 대한 페널티와 보상을 통해 전략을 학습하는 머신 러닝의 일종입니다.

정의된 윤리 및 도덕적 기준을 충족하는 AI 애플리케이션.

로봇의 설계, 구성 및 운영에 중점을 둔 엔지니어링 및 AI 분야입니다.

AI를 사용하여 텍스트 또는 음성으로 표현된 감정과 의견을 분석하고 해석합니다.

AI 및 기타 고급 기술을 사용하여 전기의 생성, 분배 및 소비를 최적화하는 전력망입니다.

그래픽 처리 장치 (GPU) 또는 언어 처리 장치 (LPU) 지원 에지 장치와 같은 특수 하드웨어는 산업용 AI의 새로운 트렌드입니다.이러한 디바이스는 엣지에서 고성능 컴퓨팅 파워를 제공하여 AI 알고리즘의 실시간 처리를 가능하게 합니다.이러한 통합으로 병렬 처리 및 가속화된 성능이 가능하므로 복잡한 AI 작업을 더 빠르게 실행할 수 있습니다.이러한 로컬 처리는 지연 시간과 클라우드 리소스에 대한 의존도를 줄이므로 시간에 민감한 애플리케이션에 매우 중요합니다.또한 특수 하드웨어는 고급 AI 모델을 지원하므로 인사이트가 향상되고 성능이 향상됩니다.또한 광범위한 클라우드 인프라 및 데이터 전송의 필요성을 최소화하여 비용을 절감합니다.

인간의 말을 인식하고 해석하는 기계의 능력.

레이블이 지정된 (알려진) 데이터 세트로 머신 러닝 모델을 학습시켜 결과를 예측하는 학습 방법입니다.

공급망에서 상품 및 자재의 흐름을 최적화하여 비용을 줄이고 효율성을 개선합니다.AI는 프로세스 자동화, 비효율성 탐지, 상품 품질 보증 및 수요 예측에 자주 사용됩니다.

기계 학습 모델을 훈련하고 검증하는 데 사용되는 실제 이벤트가 아닌 알고리즘에 의해 생성된 인공 데이터입니다.합성 데이터의 품질이 매우 중요합니다.AI가 학습 후 수용 가능한 결과를 도출할지 여부를 결정합니다.

기계 학습 모델이 이전에 알려지지 않은 (레이블이 지정되지 않은) 데이터에서 패턴과 그룹을 발견하는 학습 방법입니다.

가상 현실 (VR) 은 실제 공간을 복제하거나 대체 현실을 만들거나 이 둘을 결합할 수 있는 디지털 렌더링 환경을 제공합니다.사용자는 집, 사무실 또는 공장 바닥에서 가상 공간을 탐색할 수 있습니다.