AI가

AI(인공지능)의 개념·핵심 기술·산업 적용과 2024~2025년 최신 동향을 정리한 위키 문서.

AI가

개요

AI(Artificial Intelligence, 인공지능)는 인간의 학습·추론·지각·언어 이해 등 지적 능력을 컴퓨터 시스템으로 구현하려는 기술 분야이자 학문 영역이다. 1956년 다트머스 회의에서 용어가 공식화된 이후 여러 번의 침체와 부흥을 거쳤고, 2010년대 딥러닝의 부상과 2020년대 생성형 AI·대규모언어모델(LLM)의 확산을 통해 산업 전반의 범용 기술(General Purpose Technology)로 자리 잡았다. 오늘날 AI는 검색, 번역, 의료 진단, 자율주행, 콘텐츠 제작, 소프트웨어 개발 등 거의 모든 디지털 서비스의 기반 계층으로 편입되고 있다.

주요 내용

정의와 범위

AI는 크게 세 단계로 구분해 논의된다. 첫째, 특정 과업만 수행하는 약한 AI(Narrow AI) 로, 현재 상용화된 대부분의 시스템이 여기에 속한다. 둘째, 인간과 대등한 범용 문제 해결이 가능한 범용 AI(AGI) 로 아직 실현되지 않았다. 셋째, 인간을 초월하는 초지능(ASI) 으로 주로 이론·정책 담론의 대상이다. 학문적으로는 기호 논리 기반의 전통적 AI와 데이터 기반의 기계학습(Machine Learning)으로 나뉘며, 최근 주류는 후자다.

핵심 기술

  • 머신러닝: 데이터에서 규칙을 스스로 추론하는 학습 패러다임. 지도학습, 비지도학습, 강화학습으로 구분된다.
  • 딥러닝: 다층 인공신경망을 이용해 이미지·음성·언어의 고차원 패턴을 학습한다.
  • 트랜스포머와 어텐션: 2017년 제안된 구조로, 문맥 의존성을 병렬 처리해 LLM 시대를 열었다.
  • 생성형 AI: 텍스트·이미지·음악·영상·코드를 새로 만들어내는 모델군으로, 확산 모델(Diffusion)과 자기회귀 모델이 대표적이다.
  • 멀티모달·에이전트: 텍스트·이미지·음성을 함께 이해하고, 도구 호출과 계획 수립을 통해 자율적으로 과업을 수행하는 방향으로 진화 중이다.
  • 학습 인프라: GPU·TPU 등 가속기, 분산 학습, 데이터 파이프라인, 모델 경량화(양자화·증류) 기술이 함께 발전한다.

발전 역사

1950년 튜링 테스트 제안, 1956년 다트머스 회의, 1960~70년대 전문가 시스템, 1980년대 제2차 AI 붐, 1990~2000년대 통계적 기계학습의 확산을 거쳤다. 2012년 이미지 인식 대회(ImageNet)에서 딥러닝이 압도적 성능을 보인 것이 분기점이 되었고, 2016년 알파고의 바둑 대국, 2017년 트랜스포머 발표, 2022년 말 대화형 챗봇의 대중화를 지나 2023~2025년에는 멀티모달·추론 특화 모델과 소형언어모델(SLM)이 동시에 확산되었다.

산업 적용

제조에서는 예지 정비와 비전 검사, 금융에서는 신용평가·이상거래 탐지, 의료에서는 영상 판독 보조와 신약 후보 탐색, 유통에서는 수요 예측과 개인화 추천이 표준화되었다. 소프트웨어 개발에서는 코드 생성·리뷰 자동화가 일상 도구로 정착했고, 공공·법률·교육 분야에서는 문서 요약과 검색 증강 생성(RAG) 기반 질의응답이 빠르게 도입되고 있다.

사회적 영향과 규제

생산성 향상과 함께 일자리 재편, 저작권 침해, 딥페이크·허위정보, 편향과 차별, 에너지 소비, 개인정보 침해가 주요 쟁점으로 부상했다. 이에 따라 EU는 AI법(AI Act)을 통해 위험 기반 규제 체계를 도입했고, 미국은 행정명령과 산업 자율 규범, 한국은 AI 기본법 논의와 가이드라인을 병행하는 흐름을 보인다. 기업 차원에서는 책임 있는 AI 원칙, 모델 카드, 레드팀 평가, 워터마킹 같은 안전장치가 표준 관행으로 자리 잡고 있다.

최신 동향

2024~2025년의 핵심 키워드는 추론(reasoning), 에이전트, 멀티모달, 효율화다. 첫째, 단순 응답을 넘어 단계적 사고를 수행하는 추론 특화 모델이 등장해 수학·코딩·과학 문제에서 성능을 크게 끌어올렸고, 사고 시간(compute at inference)을 늘리는 스케일링 전략이 새로운 경쟁 축이 되었다. 둘째, 브라우저·이메일·업무 도구를 직접 조작하는 AI 에이전트가 실무에 투입되며 '도구를 쓰는 AI'에서 '일을 수행하는 AI'로 무게중심이 이동했다. 셋째, 텍스트·이미지·음성·영상을 한 모델에서 처리하는 옴니 모델과 실시간 음성 대화가 보편화되었다. 넷째, 거대 모델 일변도에서 벗어나 온디바이스·소형 모델, 오픈웨이트 모델, 검색 증강 생성, 미세조정·LoRA 등 비용 효율 전략이 확산되었다. 다섯째, 데이터센터 전력 수요 급증으로 전력·냉각·반도체 공급망이 AI 경쟁의 핵심 변수로 떠올랐고, 각국은 컴퓨트 인프라와 반도체 자립을 국가 전략으로 추진하고 있다. 마지막으로 AI 생성 콘텐츠 표시 의무화, 학습 데이터 투명성 공개, 모델 평가·감사 제도 등 거버넌스 논의가 실제 입법과 표준화 단계로 진입했다.

관련 주제

  • [[인공지능]]
  • [[머신러닝]]
  • [[딥러닝]]
  • [[생성형 AI]]
  • [[대규모언어모델]]
  • [[트랜스포머]]
  • [[알고리즘]]
  • [[반도체]]
  • [[데이터센터]]
  • [[AI 규제]]