인공 지능 용어집

에이전트 AI란 단순히 명령에 응답하는 수준을 넘어 콘텐츠를 생성하고, 작업을 자율적으로 실행하며, 목표를 달성하는 고급 AI 시스템을 의미합니다. 이러한 시스템은 추론 능력, 기억 기능 및 피드백 루프를 결합하여 독립적으로 행동을 계획하고 수행하며, 다양한 디지털 도구를 활용하고 학습을 통해 접근 방식을 조정합니다. 기존 AI와 달리 에이전트 AI는 독립적으로 작동할 뿐만 아니라 다른 AI 에이전트와 협업할 수 있으며, 다양한 플랫폼 및 시스템과 인터페이스하여 복잡한 작업을 완료하기 위한 자율적인 결정을 내립니다.

산업적 맥락에서 에이전트 AI는 예측 유지보수, 품질 관리, 재고 관리 또는 생산 프로세스 최적화와 같은 산업 운영의 다양한 측면을 독립적으로 모니터링, 분석 및 제어할 수 있는 AI 시스템을 배치하는 것을 포함합니다.

인공 지능(AI)은 학습하고 적응하는 능력을 가진 소프트웨어를 의미합니다. AI는 입력 데이터의 의미를 해석하고 요구 사항에 적응해야 하는 과제를 해결할 수 있습니다. 일반적으로 이는 이전에는 자연 지능으로만 해결할 수 있었던 과제들입니다. AI 방법론에는 여러 유형이 있으며, 적용 분야, 잠재력 및 관련 위험 측면에서 상당한 차이가 있습니다. AI의 기본 원리는 20세기에 개발되었습니다. 모든 AI 방법론에는 방대한 양의 훈련 데이터가 필요하기 때문에, 현재 디지털화와 빅 데이터를 통해 이 기술의 중요성이 더욱 높아지고 있습니다.

일반적으로 몰입형 3D 가상 현실을 사용하여 디지털 정보를 실제 환경 및 물체 위에 겹쳐서 보여주는 기술입니다. AR은 디지털 시각, 음향 및 기타 감각 요소를 추가하여 물리적 세계의 향상된 버전을 제공합니다.

자율 주행 자동차나 드론과 같이 사람의 개입 없이 작동할 수 있는 시스템입니다.

자율 주행 자동차나 트럭과 같이 사람의 개입 없이 작동할 수 있는 차량입니다.

편향된 학습 데이터나 알고리즘으로 인해 AI 시스템에서 발생할 수 있는 의도치 않은 편견이나 편애입니다.

주로 (산업용) 센서뿐만 아니라 기업, 조직, 개인에 의해 생성되는 방대하고 복잡한 데이터 세트입니다. 이러한 데이터는 비정형이거나 불완전하거나 오류가 있는 경우가 많아, AI 기반이 아닌 소프트웨어로는 유의미한 방식으로 처리하기 어렵습니다.

텍스트나 음성 통신을 통해 인간과 상호 작용할 수 있는 AI 기반 프로그램입니다.

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

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

외부 공격자로부터 디지털 정보를 보호하기 위한 전략, 측정 및 도구입니다. AI는 사이버 공격을 탐지 및 방지하고, 보안 침해를 식별하여 대응하는 데 사용될 수 있습니다.

통찰력을 도출하고 정보에 입각한 의사 결정을 내리기 위해 데이터를 분석하고 해석하는 과정입니다.

관련 정보와 분석을 제공하여 인간의 의사 결정을 지원하도록 설계된 컴퓨터 시스템입니다.

기계가 데이터로부터 학습할 수 있도록 다층 신경망을 사용하는 머신 러닝의 하위 분야입니다.

물리적 물체나 프로세스의 동작을 설명하는 수학적 모델입니다. 시뮬레이션 환경에서 디지털 트윈은 시스템 파라미터가 변경될 경우 실제 세계에서 어떤 일이 발생할지 시뮬레이션하는 데 사용될 수 있습니다. 디지털 트윈은 설계, 제조, 운영 및 서비스 단계를 포함한 제품 수명 주기 전반에 걸쳐 활용 가능합니다. 디지털 트윈의 시각적 표현은 실제 물리적 대상과 동일하게 보이고 작동하며, 실제 세계를 반영하고 실시간 변화에 적응합니다.

엣지 컴퓨팅은 클라우드 컴퓨팅과 달리 컴퓨팅 및 데이터 스토리지를 데이터 소스("엣지")에 더 가깝게 배치하는 시스템 아키텍처 유형입니다. 이는 응답 시간을 단축하고 데이터 전송에 필요한 에너지 양을 줄이는 데 도움이 됩니다. 엣지 AI 시스템은 실제 실행 장치와 물리적으로 가까운 곳에 구현될 수 있습니다. 이러한 장치는 클라우드에 연결되지 않고도 AI 애플리케이션을 실행할 수 있습니다.

주로 로봇이나 자율주행차를 사용하여 물리적 세계와 상호 작용하고 탐색하도록 설계된 AI입니다.

편향성, 프라이버시, 책임성과 같은 문제를 포함하여 AI 개발 및 사용에 있어 도덕적 원칙을 연구하고 적용하는 것입니다.

투명성과 설명 가능성을 갖도록 설계된 AI로, 기계가 특정 결정을 내린 방식과 이유를 인간이 이해할 수 있도록 합니다.

여러 개별 장치가 각각의 자체 데이터 세트를 사용하여 머신 러닝 모델을 훈련시키는 학습 방법입니다. 최종 결과만 네트워크의 주요 운영자와 공유됩니다.

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

일련의 제약 조건이 주어졌을 때 CAD 소프트웨어와 같은 애플리케이션이 여러 설계 대안을 자율적으로 생성하는 능력입니다. AI, 최적화 및 시뮬레이션 기술을 사용합니다.

산업 AI란 경제의 중추를 형성하는 산업 분야(제조, 인프라, 모빌리티 및 헬스케어)에 AI를 적용하는 것을 의미합니다.

산업 기반 모델(IFM)은 엔지니어링, 자동화 및 제조의 "언어"를 깊이 이해하고 AI 솔루션을 더 빠르고 정확하게 배포할 수 있도록 산업별 데이터를 사전 학습합니다. 이는 표준화된 출발점을 제공하여 규모의 경제를 통해 시간, 자원 및 에너지를 절약합니다. IFM은 실제 산업 과제를 해결하도록 맞춤화되었습니다. 이는 Industrial Copilot의 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 등급 AI는 품질 수준을 나타냅니다. 가장 까다로운 전문 환경의 엄격한 요구 사항과 표준을 충족하도록 설계되어 안정적이고 안전하며 신뢰할 수 있습니다.

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

데이터 교환이 가능하도록 센서, 소프트웨어 및 연결 기능이 내장된 기술 장치 네트워크입니다. IoT는 디지털화와 빅 데이터의 주요 동력 중 하나입니다.

지식을 상호 연결된 노드와 엣지의 그래프로 표현하는 데이터베이스로, NLP 및 검색과 같은 AI 애플리케이션에 사용됩니다.

인간과 유사한 텍스트를 생성하기 위해 GPT-3와 같은 방대한 양의 데이터를 학습한 AI 언어 모델 유형입니다.

기계가 경험이나 데이터로부터 학습할 수 있도록 알고리즘과 통계 모델을 사용하는 AI의 하위 분야입니다.

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

멀티모달 LLM은 텍스트, 이미지, 오디오 또는 센서 데이터와 같은 여러 유형의 데이터를 동시에 이해하고 처리할 수 있습니다. 이는 컴퓨터 비전, 자율주행차, 로보틱스와 같은 애플리케이션에 통합됩니다. 물체 인식과 장면 이해 능력을 향상시키며 기계가 복잡한 지침을 따를 수 있도록 합니다. 멀티모달 LLM은 기존 LLM이 텍스트 및 음성 처리에 영향을 미친 것과 동일한 방식으로 시계열, 2D 및 3D 모델, 머신 비전용 데이터와 같은 산업 특화 데이터의 처리 및 생성에 영향을 미칠 잠재력을 가지고 있습니다.

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

인간이 자연스러운 제스처, 음성 및 기타 형태의 표현을 사용하여 컴퓨터와 상호 작용할 수 있도록 하는 인터페이스입니다.

인간 뇌의 구조를 모델로 하며 데이터의 패턴을 인식하는 데 사용되는 머신 러닝 알고리즘 유형입니다.

여러 하위 장치로 구성된 건물이나 기계의 전압 및 전류 변화를 분석하여 시스템 내 각 장치의 개별 기여도를 도출하는 프로세스입니다.

피지컬 AI란 환경을 감지하고 그 안에서 행동할 수 있는 로봇과 같은 기계에 인공 지능을 통합하는 것을 의미합니다. 인간의 감각 운동 주기에서 영감을 받은 피지컬 AI는 감각 입력(예: 3D 카메라나 촉각 센서)을 처리하고 제어 명령을 생성하여 기계가 물리적인 3D 환경에서 복잡한 작업을 적응적이고 자율적으로 수행할 수 있도록 합니다.

물리학 인식 AI로도 알려진 물리학 기반 AI는 물리 법칙을 학습 과정에 직접 통합하는 새로운 종류의 인공 지능 방법론을 의미합니다. 대규모 데이터 세트에 크게 의존하여 동작을 학습하는 기존 AI 방식과 달리, 물리학 기반 AI는 물리 기반 제약 조건을 통합하여 학습을 유도합니다. 이를 통해 AI 시스템은 물리적 세계의 작동 방식에 대한 기존 지식을 활용하여 실제 데이터가 제한적인 상황에서도 추론하고 예측할 수 있습니다. 단순히 예제로부터 학습하는 대신, 이러한 모델은 물리학 지식을 사용하여 더욱 최적화되고 물리적으로 일관된 솔루션으로 학습을 유도합니다.

예측 AI는 통계 분석과 머신 러닝을 활용하여 기계 및 장비의 실시간 및 과거 운영 데이터에서 패턴을 식별함으로써 미래 동작을 예측하고, 이상을 감지하며, 잠재적 고장을 예보하고, 유지보수 조치를 권장합니다. 이는 자산의 건전성과 신뢰성을 높이고, 계획되지 않은 가동 중단 시간을 줄이며, 산업 운영 전반에서 신속한 데이터 기반 의사 결정을 지원하는 데 사용됩니다.

과거 데이터를 기반으로 미래 사건이나 추세를 예측하기 위해 AI 및 통계 모델을 사용하는 것입니다.

실시간 데이터를 기반으로 기계의 유지보수나 수리가 필요한 시점을 예측하기 위해 AI를 사용하는 것입니다.

결함을 감지하고 제품이 품질 표준을 충족하는지 확인하기 위해 AI를 사용하는 것입니다.

학습되지 않은 에이전트가 행동 수행 후 시스템의 페널티와 보상을 통해 전략을 익히는 머신 러닝의 한 유형입니다.

정의된 윤리적 및 도덕적 표준을 충족하는 AI 애플리케이션입니다.

로봇의 설계, 제작 및 운영에 초점을 맞춘 공학 및 AI 분야입니다.

텍스트나 음성에 표현된 감정과 의견을 분석하고 해석하기 위해 AI를 사용하는 것입니다.

전력의 생산, 분배 및 소비를 최적화하기 위해 AI 및 기타 첨단 기술을 사용하는 전력망입니다.

그래픽 처리 장치(GPU) 또는 언어 처리 장치(LPU) 기반 엣지 장치와 같은 전문 하드웨어는 산업 AI의 새로운 트렌드입니다. 이러한 장치는 엣지에서 고성능 컴퓨팅 성능을 제공하여 AI 알고리즘의 실시간 처리를 가능하게 합니다. 이러한 통합을 통해 병렬 처리와 성능 가속화가 가능해지며, 복잡한 AI 작업을 더 빠르게 실행할 수 있습니다. 이러한 로컬 처리는 대기 시간과 클라우드 리소스 의존도를 줄여주므로 시간에 민감한 애플리케이션에 필수적입니다. 또한 전문 하드웨어는 고급 AI 모델을 지원하여 더 깊은 통찰력을 제공하고 성능을 향상시킵니다. 아울러 광범위한 클라우드 인프라 및 데이터 전송의 필요성을 최소화하여 비용을 절감합니다.

인간의 음성을 인식하고 해석하는 기계의 능력입니다.

결과를 예측하기 위해 레이블이 지정된(기존에 알려진) 데이터 세트로 머신 러닝 모델을 학습시키는 방법입니다.

비용을 절감하고 효율성을 높이기 위한 공급망 내 제품 및 자재의 흐름 최적화입니다. AI는 프로세스 자동화, 비효율성 탐지, 제품 품질 보증 및 수요 예측에 자주 사용됩니다.

실제 사건이 아닌 알고리즘에 의해 생성된 인공 데이터로, 머신 러닝 모델을 학습시키고 검증하는 데 사용됩니다. 합성 데이터의 품질은 매우 중요하며, 학습 후 AI가 수용 가능한 결과를 생성할지 여부를 결정합니다.

머신 러닝 모델이 이전에는 알 수 없었던(레이블이 없는) 데이터에서 패턴과 그룹화를 발견하는 학습 방법입니다.

가상 현실(VR)은 실제 공간을 복제하거나 대안적인 현실을 생성, 또는 두 가지를 결합한 디지털 렌더링 환경을 제공합니다. 사용자는 집, 사무실 또는 공장 현장에서 가상 공간을 탐색할 수 있습니다.