AI리터러시
[문제 1]
AI 모델이 학습 데이터에 지나치게 적응하여, 학습 데이터에서는 높은 성능을 보이지만 새로운 데이터(테스트 데이터)에 대해서는 오차가 커지고 예측 성능이 떨어지는 현상을 무엇이라고 하나요?
① 과적합 (Overfitting)
② 과소적합 (Underfitting)
③ 편향 (Bias)
④ 환각 (Hallucination)
상세 해설:
- 과적합 (Overfitting): 모델이 학습 데이터의 노이즈나 세세한 특징까지 과도하게 암기하여, 보지 못한 실전 데이터(테스트 데이터)에서는 제대로 예측하지 못하는 상태입니다.
- 과소적합 (Underfitting): 모델이 너무 단순하여 학습 데이터조차 충분히 학습하지 못한 상태입니다.
[문제 2]
생성형 AI 모델(LLM)이 사실이 아니거나 전혀 근거가 없는 정보를 마치 진짜인 것처럼 그럴듯하게 거짓으로 생성해 내는 오류 현상을 가리키는 용어는 무엇인가요?
① 바이어스 (Bias)
② 드리프트 (Drift)
③ 할루시네이션 (Hallucination / 환각)
④ 파인튜닝 (Fine-tuning)
상세 해설:
- 할루시네이션 (환각): LLM이 확률적으로 다음 단어를 이어 붙이는 과정에서, 존재하지 않는 사실이나 뉴스, 문헌 등을 마치 진짜인 것처럼 당당하게 답변해 내는 일종의 '환각' 오작동 현상입니다.
[문제 3]
AI 모델의 환각 현상을 줄이고 최신/특정 분야 정보를 반영하기 위해, 외부 검색 시스템이나 데이터베이스에서 관련 정보를 실시간으로 검색하여 LLM에 전달한 후 답변을 생성하도록 하는 기법은 무엇인가요?
① RAG (검색 증강 생성 / Retrieval-Augmented Generation)
② RLHF (인간 피드백 기반 강화학습)
③ LoRA (Low-Rank Adaptation)
④ Zero-Shot Learning
상세 해설:
- RAG (Retrieval-Augmented Generation): AI가 자체 지식만으로 답하는 것이 아니라, 관련 최신 문서를 실시간으로 검색(Retrieval)해 온 뒤 이를 바탕으로 정확한 답변을 생성(Generation)하도록 조율하는 필수 기법입니다.
[문제 4]
텍스트 기반 생성형 AI에게 사용자가 원하는 의도대로 정확하고 유용한 답변을 얻어내기 위해, 입력 명령어(프롬프트)를 효율적으로 설계하고 최적화하는 기술을 무엇이라고 하나요?
① 데이터 스크래핑 (Data Scraping)
② 프롬프트 엔지니어링 (Prompt Engineering)
③ 하이퍼파라미터 튜닝 (Hyperparameter Tuning)
④ 피처 엔지니어링 (Feature Engineering)
상세 해설:
- 프롬프트 엔지니어링: AI 모델에게 맥락(Context), 페르소나(Role), 명확한 지시어(Instruction) 등을 잘 구성해 주어 최적의 출력 결과를 이끌어내는 입력 작성 기술입니다.
[문제 5]
이미지 생성 AI 분야에서 널리 쓰이는 기술로, 데이터에 원치 않는 노이즈(Noise)를 섞었다가 이를 단계적으로 제거하면서 정교한 이미지를 복원 및 생성해 내는 모델 구조는 무엇인가요?
① 디퓨전 모델 (Diffusion Model)
② CNN (합성곱 신경망)
③ RNN (순환 신경망)
④ Decision Tree (결정 트리)
상세 해설:
- 디퓨전 모델 (Diffusion Model): Midjourney, Stable Diffusion 등 대표적인 이미지 생성 AI의 핵심 구조입니다. 완전한 노이즈 상태에서 출발해 조금씩 노이즈를 걷어내며 선명한 이미지를 복원해 내는 방식으로 작동합니다.