Day16

[문제 1]

생성형 AI 모델에게 질문이나 지시를 내릴 때, 원하는 답변 형태의 예시(Example)를 하나도 제공하지 않고 오직 지시문만으로 바로 답변을 생성하도록 하는 프롬프트 작성 기법은 무엇인가요?

① Zero-Shot Prompting

② One-Shot Prompting

③ Few-Shot Prompting

④ Chain-of-Thought Prompting

상세 해설:

• Zero-Shot Prompting: 예시(Example)를 단 하나도 주지 않고 곧바로 지시사항(Task)만 전달하여 수행하도록 하는 기법입니다.
• One-Shot / Few-Shot: 원하는 답변 스타일의 예시를 1개(One) 또는 여러 개(Few) 미리 보여준 뒤 답변을 유도하는 기법입니다.

[문제 2]

복잡한 추론이나 계산이 필요한 문제를 해결하기 위해, AI에게 "단계별로 차근차근 생각해 보자(Let's think step by step)"와 같이 사고의 과정을 순차적으로 전개하도록 유도하는 프롬프트 기술은 무엇인가요?

① Self-Consistency

② Chain-of-Thought (CoT)

③ Tree of Thoughts (ToT)

④ Role Prompting

상세 해설:

• Chain-of-Thought (CoT, 생각의 사슬): AI가 정답을 바로 내놓지 않고, 사람처럼 문제를 단계별로 풀어나가도록 유도하여 복잡한 수학/논리 문제의 정확도를 획기적으로 올리는 기법입니다.

[문제 3]

AI 모델이 거대한 데이터셋에서 학습한 일반적인 지식을 바탕으로, 특정 domain(금융, 의료, 법률 등)이나 특정 업무 목적에 맞춰 추가 데이터를 학습시켜 성능을 미세 조정하는 작업은 무엇인가요?

① 파인튜닝 (Fine-Tuning)

② 사전 학습 (Pre-training)

③ 퀀타이제이션 (Quantization)

④ 증류 (Distillation)

상세 해설:

• 파인튜닝 (미세 조정): 이미 대량의 데이터로 사전 학습(Pre-training)된 AI 모델에 특정 도메인의 특화 데이터를 추가 학습시켜, 특정 작업의 정확도를 높이는 방법입니다.

[문제 4]

AI의 가중치(Parameter) 표현 정밀도를 낮추어(예: 16비트 float → 8비트/4비트 int) 모델의 용량을 대폭 줄이고 추론 속도를 향상시키는 경량화 기술은 무엇인가요?

① 양자화 (Quantization)

② 가지치기 (Pruning)

③ 지식 증류 (Knowledge Distillation)

④ 파인튜닝 (Fine-Tuning)

상세 해설:

• 양자화 (Quantization): 부동소수점(Float) 수치를 정수(Int) 형태로 변환하여 정밀도를 살짝 낮추는 대신, 연산 속도를 대폭 올리고 메모리 사용량을 줄이는 핵심 경량화 기술입니다.

[문제 5]

AI의 오남용, 데이터 편향, 저작권 침해, 개인정보 유출 등 AI 기술 확산에 따른 부작용을 막고 안전하고 공정한 이용을 도모하기 위한 윤리적 규범 및 규제 체계를 총칭하는 용어는 무엇인가요?

① AI 거버넌스 (AI Governance)

② AI 아키텍처 (AI Architecture)

③ AI 파이프라인 (AI Pipeline)

④ AI 인프라스트럭처 (AI Infrastructure)

상세 해설:

• AI 거버넌스 (AI Governance): AI 기술이 법적, 윤리적, 사회적 기준 내에서 안전하고 신뢰할 수 있게 개발되고 통제될 수 있도록 관리하는 지침, 정책 및 관리 체계를 의미합니다.