소프트웨어 엔지니어가 이해하는 현대 AI의 계층적 사고 모델

전통적인 시스템을 이해하는 소프트웨어 엔지니어이지만, 방대한 양의 AI 용어 폭발에 여전히 혼란스러움을 느끼는 분들이 분명히 계실 겁니다.

AI, 머신러닝 (machine learning), 신경망 (neural networks), 딥러닝 (deep learning), 트랜스포머 (transformers), LLMs, 생성형 AI (generative AI), 그리고 AI 에이전트 (AI agents)는 종종 완전히 별개의 개념이나 마케팅 용어로 설명됩니다. 혼란스러운 부분은 이들이 사실 서로 깊게 연결되어 있으며, 서로 위에 쌓이는 겹치는 계층들로 이루어져 있다는 것입니다.

저는 엔지니어들을 위해 이 7가지 계층을 단계별로 분석하는 초보자 친화적인 12분짜리 비주얼 화이트보드 가이드를 만들었습니다. 전체 워크스루는 아래에서 바로 시청할 수 있습니다:

AI 스택의 7개 계층

혼란스러운 용어집을 외우려고 하기보다는, 이러한 개념들이 구조적으로 어떻게 쌓여 있는지 지도를 그리는 것이 훨씬 깔끔하다는 것을 알게 되었습니다:

1. AI (전체 범위): 패턴 인식, 언어 이해 또는 예측과 같이 인간의 지능과 연관되는 일을 할 수 있는 시스템을 구축하는 광범위한 목표입니다.
2. 머신러닝 (접근 방식 전환): 전통적인 프로그래밍은 명시적이고 결정론적인 규칙을 직접 작성하는 것을 의미합니다. 머신러닝은 이를 뒤집습니다. 즉, 시스템에 데이터와 예시를 공급하면 기계가 그 데이터 자체로부터 규칙을 직접 학습하게 하는 것입니다.
3. 신경망 및 딥러닝: 단순하고 연결된 단위(입력층, 은닉층, 출력층)의 계층들을 쌓아 올리고, 네트워크의 출력이 현실과 일치할 때까지 내부 설정을 반복적으로 조정하는 것입니다.
4. 트랜스포머 (획기적인 발전): '어텐션 (attention)'이라는 트릭을 중심으로 구축된 특정 아키텍처입니다. 트랜스포머는 긴 문장에 혼란스러워하기보다는, 문장 내의 모든 단어가 다른 모든 단어와 얼마나 관련성이 있는지 한 번에 확인합니다.
5. LLMs (대규모 언어 모델): 트랜스포머 아키텍처를 극도로 확장한 버전으로, 인터넷의 방대한 텍스트 풀로 학습된 수십억 개의 내부 설정을 포함하고 있습니다.

생성형 AI (Generative AI) (광범위한 범주): 이전의 AI 시스템들은 주로 분류(예: 사진을 보고