어려운 용어부터
쉽게 이해하세요

AGI(범용 인공지능)란 특정 작업에 국한되지 않고 인간처럼 다양한 문제를 스스로 배우고 풀 수 있는 수준의 인공지능을 뜻합니다. 명확한 도달 기준과 실현 시점을 두고 논쟁이 이어지는 개념입니다.

AI 에이전트란 사람이 목표만 지시하면 스스로 계획을 세우고 필요한 도구를 호출하며 여러 단계를 판단·실행해 결과를 내는 LLM 기반 자율 시스템입니다.

LLM(대규모 언어 모델)이란 방대한 텍스트로 사전학습해 다음에 올 토큰을 확률적으로 예측하는 방식으로 문장을 생성하는 대규모 신경망입니다.

MCP(Model Context Protocol)는 LLM 애플리케이션이 외부 데이터 소스와 도구에 연결되는 방식을 표준화한 개방형 프로토콜입니다.

바이브 코딩이란 개발자가 코드를 직접 읽거나 검토하지 않고 자연어 지시만으로 LLM에 맡겨, 결과가 동작하는지만 보고 개발을 진행하는 방식입니다. 2025년 2월 Andrej Karpathy가 이름 붙인 용어입니다.

벤치마크란 여러 AI 모델의 능력을 동일한 시험으로 정량 비교하는 표준 평가입니다. 그중 ARC-AGI는 François Chollet가 2019년 제안한 추상화·추론 벤치마크로, 학습하지 않은 새로운 문제를 푸는 일반화 능력을 측정합니다.

에이전트 하네스란 LLM에 도구 호출·메모리·반복 실행 루프를 연결해 단일 모델을 실제로 작업을 수행하는 에이전트로 동작시키는 실행 골격(스캐폴딩)입니다.

오픈웨이트 모델이란 학습된 신경망의 가중치가 공개되어 누구나 내려받아 로컬에서 실행하거나 미세조정할 수 있는 AI 모델입니다. 학습 데이터·코드까지 공개하는 완전 오픈소스와는 구분되며, 재배포·상업적 이용은 라이선스 조건에 따라 제한될 수 있습니다.

온디바이스·로컬 LLM이란 클라우드 서버가 아니라 개인 PC·스마트폰 등 사용자 기기 안에서 직접 구동하는 언어 모델입니다. 데이터가 외부로 나가지 않아 프라이버시와 오프라인 실행에 유리합니다.

코딩 에이전트란 코드베이스를 읽고 파일 수정·명령 실행·테스트·PR 생성까지 개발 작업을 여러 단계에 걸쳐 자동으로 수행하는 개발 특화 AI 에이전트입니다.

텍스트 워터마킹이란 AI가 생성한 문장에 사람 눈에는 보이지 않는 통계적 표식을 심어, 나중에 그 텍스트가 특정 모델의 산출물인지 판별할 수 있게 하는 기술입니다.

파라미터란 모델이 학습으로 조정하는 가중치의 수로, 모델 규모를 나타내는 대표 지표입니다. MoE(Mixture of Experts, 전문가 혼합)는 전체 파라미터 중 입력마다 일부 전문가만 활성화해 연산 비용을 줄이는 구조입니다.

프롬프트 인젝션이란 악의적으로 조작한 입력을 넣어 AI 모델이 원래의 지시를 무시하고 공격자가 의도한 대로 동작하게 만드는 공격 기법입니다.