AI리터러시
[문제 1]
AI 모델 개발 과정에서, 모델이 생성한 답변이나 행동이 인간의 의도, 윤리적 가치, 안전 기준과 부합하도록 조정하고 정렬하는 작업을 의미하는 용어는 무엇인가요?
① AI 얼라인먼트 (AI Alignment)
② AI 퀀타이제이션 (AI Quantization)
③ AI 디스틸레이션 (AI Distillation)
④ AI 벤치마킹 (AI Benchmarking)
상세 해설:
- AI 얼라인먼트 (Alignment / 정렬): AI의 목표나 행동이 인간의 의도, 사회적 가치, 안전 윤리와 일치(Align)하도록 만드는 제어/조정 작업입니다. (예: RLHF - 인간 피드백 기반 강화학습)
- AI 퀀타이제이션 (양자화): 모델의 가중치 용량을 줄이는 최적화 기술입니다.
- AI 디스틸레이션 (지식 증류): 큰 거대 모델의 지식을 작은 모델에 전수하여 축소하는 기법입니다.
[문제 2]
AI가 사람의 말을 이해하거나 글로 답할 때, 단어나 문장을 수치화된 좌표(벡터) 공간에 배치하여 의미적 유사성을 계산할 수 있게 만드는 표현 기술은 무엇인가요?
① 토큰화 (Tokenization)
② 임베딩 (Embedding)
③ 파싱 (Parsing)
④ 인코딩 (Encoding)
상세 해설:
- 임베딩 (Embedding): 단어나 문장의 의미를 고차원 수치 벡터(Vector) 공간의 좌표로 변환하는 기술입니다. 유사한 의미를 가진 단어끼리 좌표 공간상에서 가까운 거리에 위치하게 됩니다.
- 토큰화 (Tokenization): 문장을 단어, 서브워드 등 최소 의미 단위(토큰)로 쪼개는 작업입니다.
[문제 3]
저작권이나 개인정보 침해 문제 없이 AI 모델을 안전하게 학습시키기 위해, 실제 데이터의 통계적 특성만 반영하여 인공적으로 새로 만들어낸 가상의 데이터를 가리키는 용어는 무엇인가요?
① 오픈 데이터 (Open Data)
② 합성 데이터 (Synthetic Data)
③ 메타 데이터 (Meta Data)
④ 빅데이터 (Big Data)
상세 해설:
- 합성 데이터 (Synthetic Data): 실제 수집한 데이터가 아니라, 알고리즘이나 AI를 통해 인공적으로(Synthetic) 생성해 낸 가상 데이터입니다. 개인정보 유출 위험이나 저작권 문제 없이 학습 데이터 부족을 해결할 수 있습니다.
[문제 4]
생성형 AI 모델의 크기를 줄이고 실행 속도를 높여, 스마트폰이나 온디바이스(On-device) 환경에서도 원활하게 동작할 수 있도록 파라미터의 정밀도(예: 32비트 실수 → 8비트 정수)를 낮추는 최적화 기법은 무엇인가요?
① 양자화 (Quantization)
② 파인튜닝 (Fine-Tuning)
③ 토큰화 (Tokenization)
④ 임베딩 (Embedding)
상세 해설:
- 양자화 (Quantization / 퀀타이제이션): 모델의 가중치 데이터 정밀도를 줄여서 연산 속도를 올리고 메모리 사용량을 대폭 줄이는 최적화 기술입니다.
- 파인튜닝 (Fine-Tuning): 사전 학습된 모델에 특정 도메인 데이터를 추가해 미세 조정하는 기술입니다.
[문제 5]
AI 윤리 분야에서 중요한 개념으로, AI가 내린 의사결정이나 판단의 이유를 사람이 이해할 수 있도록 설명할 수 있는 인공지능 기술을 뜻하는 용어는 무엇인가요?
① XAI (Explainable AI / 설명 가능한 AI)
② AGI (Artificial General Intelligence / 범용 인공지능)
③ ANI (Artificial Narrow Intelligence / 약인공지능)
④ Edge AI (엣지 인공지능)
상세 해설:
- XAI (Explainable AI / 설명 가능한 AI): AI의 '블랙박스' 문제를 해결하고, AI가 어떤 근거와 이유로 특정 결과나 판단을 내렸는지 인간이 이해할 수 있는 형태로 설명해 주는 기술입니다.
- AGI (범용 인공지능): 인간 수준의 다양한 지적 능력을 전반적으로 갖춘 인공지능입니다.