简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

암호화폐계의 AI 보충 수업: 30가지 고빈도 속어, 한 번에 설명

ODAILY星球日报

이 글을 읽으려면 13 분

30개의 새로운 단어, 인상을 남겨, 초보자 모임에서 대화할 때 더 이상 어색하게 고개를 끄덕일 필요 없도록 해주세요.

원문 제목: "AI 비하인드 더 드레스 (2026년 3월 버전), 즐겨찾기 추천"

원문 저자: Golem, 오늘의 별 행성일보

지금, 암호화폐계 안에서 AI에 관심을 두지 않는다면, 쉽게 비웃음을 받을 수 있다 (네, 나의 친구, 네가 왜 여기를 클릭했는지 생각해 봐).

AI의 기본 개념에 대해 전혀 이해가 가지 않아, 각 문장 속 줄임말이 무엇을 의미하는지 항상 몰라물어야 했는가? 또한 AI 오프라인 행사에서 각종 전용 용어에 어리둥절해하면서 연결이 끊겼다고 가식을 샀는가?

짧은 시간 내에 AI 산업으로 한 걸음밖에 들어서기 어렵지만, AI 산업의 고빈도 기본 용어를 알고 있는 것은 손해보지 않는다. 다행히도, 다음 글이 바로 너를 위해 준비됐다↓ 진심으로 읽고 즐겨찾기에 추가해 두는 것을 권한다.

기본 용어(12)

· LLM(대규모 언어 모델)

LLM의 핵심은 대량의 데이터를 사용해 훈련된, 언어를 이해하고 생성하는 딥러닝 모델로, 텍스트를 처리할 뿐 아니라 이제는 다른 유형의 콘텐츠도 처리할 수 있다.

이에 대조되는 것이 SLM(소규모 언어 모델)인데——일반적으로 비용이 더 적게 들고, 배포가 더 가볍고, 현지화가 더 편리한 언어 모델을 강조한다.

· AI Agent(AI 에이전트)

AI 에이전트란 "채팅 가능한 모델"뿐만 아니라 목표를 이해하고 도구를 호출하며 단계적으로 작업을 실행하고 필요할 때 계획을 세우고 확인할 수 있는 시스템을 가리킨다. Google은 에이전트를 다중 모달 입력에 기반해 추론하고 사용자 대신 동작을 실행할 수 있는 소프트웨어로 정의한다.

· Multimodal(다중 모달)

그 AI 모델이 텍스트뿐만 아니라 이미지, 오디오, 비디오 등 다양한 입력 출력 형태를 동시에 처리할 수 있는 것을 말한다. Google은 명시적으로 다중 모달을 다양한 유형의 콘텐츠를 처리하고 생성할 수 있는 능력으로 정의한다.

· Prompt(프롬프트)

사용자가 모델에 입력하는 명령으로, 가장 기본적인 인간-기계 상호작용 방식이다.

· Generative AI(생성형 AI / AIGC)

분류나 예측뿐만 아니라 AI가 "생성"을 강조하는데, 생성형 모델은 프롬프트에 따라 텍스트, 코드, 이미지, 이모티콘, 비디오 등을 생성할 수 있다.

· 토큰(Token)

이것은 AI 분야에서 "가스 단위"와 가장 유사한 개념 중 하나입니다. 모델은 "단어 수"로 내용을 이해하는 것이 아니라 토큰으로 입력 및 출력을 처리하며, 요금 청구, 컨텍스트 길이, 응답 속도는 일반적으로 토큰과 밀접한 관련이 있습니다.

· 컨텍스트 창(Context Window / 컨텍스트 길이)

모델이 일괄적으로 "볼 수 있고" 활용할 수 있는 토큰의 총 수를 가리키며, 모델이 단일 처리 시 고려하거나 "기억"할 수 있는 토큰 수로도 불립니다.

· 메모리(Memory)

모델이나 에이전트가 사용자 선호도, 작업 컨텍스트, 이력 상태를 유지하도록 하는 것입니다.

· 훈련(Training)

모델이 데이터에서 매개변수를 학습하는 과정입니다.

· 추론(Inference)

훈련과 반대로, 모델이 온라인 상태로 되어 입력을 받고 출력을 생성하는 과정을 가리킵니다. 산업에서 "훈련은 비싸지만, 추론이 더 많이 비용이 든다"고 말합니다. 실제 상업화 단계에서 많은 비용이 추론 단계에서 발생하기 때문입니다. 관련 훈련/추론 구분은 대부분의 주요 제조업체가 전개 비용을 논의할 때 기본 프레임워크입니다.

· 도구 사용/도구 호출(Tool Use / Tool Calling)

모델이 텍스트를 출력하는 것 뿐만 아니라 검색, 코드 실행, 데이터베이스, 외부 API 등의 도구를 호출할 수 있는 능력으로, 이미 에이전트의 주요 능력으로 간주됩니다.

· API(인터페이스)

AI 제품, 응용 프로그램, 에이전트가 타사 서비스에 연결할 때 사용하는 기본 인프라입니다.

고급 용어(18)

· Transformer(변환자 아키텍처)

AI가 문맥 관계를 이해하는 데 용이한 모델 아키텍처로, 오늘날 대부분의 대형 언어 모델의 기술 기반이기도 합니다. 가장 큰 특징은 한 번에 전체 내용에서 각 단어와 다른 단어의 관계를 동시에 볼 수 있다는 것입니다.

· Attention(주의 메커니즘)

이것은 Transformer의 가장 중요한 핵심 메커니즘으로, 모델이 문장을 읽을 때 자동으로 "어떤 단어를 가장 중요하게 볼지"를 판단합니다.

· 에이전틱 / 에이전틱 워크플로우

이것은 최근 핫한 용어로, 시스템이 더 이상 단순한 "질의 응답"이 아니라 주어진 작업을 자율적으로 분해하고 다음 단계를 결정하며 외부 기능을 호출하는 것을 의미합니다. 많은 공급업체들이 이것을 "챗봇에서 실행 가능한 시스템으로의 전환"의 상징으로 삼고 있습니다.

· 서브에이전트

에이전트가 여러 전문 소규모 에이전트를 생성하여 하위 작업을 처리하는 것.

· 스킬

OpenClaw의 급부상으로 이 용어는 더욱 널리 사용되기 시작했습니다. 이는 AI 에이전트에 대한 설치 가능하고 재사용 가능하며 조합 가능한 능력 단위/작업 설명서를 의미하지만, 동시에 도구 남용 및 데이터 노출 위험을 명확히 경고합니다.

· 망상

모델이 엉뚱한 이야기를 만들어내며 "존재하지 않는 패턴을 감지"하여 잘못된 또는 우당한 출력을 생성하는 것을 의미하며, 이는 모델이 이치에 맞게 보이지만 사실은 잘못된 지나친 자신감 출력입니다.

· 지연 시간

요청 받은 후 모델이 결과를 출력하는 데 소요되는 시간을 가리키며, 가장 흔한 엔지니어링 객관어 중 하나로, 출시 및 제품화에 있어서 빈번하게 등장합니다.

· 가드레일

모델/에이전트가 할 수 있는 작업, 멈춰야 하는 시점, 출력해서는 안 되는 내용을 제한하는 데 사용됩니다.

· 바이브 코딩

이 용어는 현재 가장 핫한 AI 속어로, 사용자가 대화를 통해 요구사항을 표현하면 AI가 코드를 작성하고 사용자가 코드 작성 방법을 구체적으로 이해할 필요가 없다는 것을 의미합니다.

· 매개변수

모델 내에서 능력과 지식을 저장하는 숫자적 규모로, 모델 크기를 대략적으로 측정하는 데 사용되며, "100억 개 매개변수", "10억 개 매개변수" 등이 AI 업계에서 가장 흔한 허풍 스타일입니다.

· 추론 모델

일반적으로 다단계 추론, 계획, 확인, 복잡한 작업 실행에 더 좋은 모델을 가리킵니다.

· MCP(모델 컨텍스트 프로토콜)

이것은 작년 이후 매우 핫한 신조어로, 모델과 외부 도구/데이터 원본 간의 일반 인터페이스를 설정하는 데 유사한 역할을 합니다.

· Fine-tuning / Tuning(미세 조정)

기본 모델에 대한 추가 훈련을 통해 특정 작업, 스타일 또는 영역에 더 잘 적응하도록 하는 것입니다. Google 용어집은 조정(tuning)과 미세 조정(fine-tuning)을 관련 개념으로 직접 표시합니다.

· Distillation(증류)

대규모 모델의 능력을 최대한 소규모 모델에 압축하는 것을 말하며, 마치 "선생님"이 "학생"에게 가르치는 것과 같습니다.

· RAG(검색 증강 생성)

이것은 이미 기업 AI의 기본 설정이 되었습니다. Microsoft는 이를 "검색 + 대답 언어 모델" 패턴이라 정의했으며, 외부 데이터를 사용해 대답을 지지하여 모델의 훈련 데이터가 오래되거나 개인 지식베이스를 이해하지 못하는 문제를 해결합니다. 목적은 답변을 실제 문서와 개인 지식에 기반하여 구축하도록 하는 것입니다. 모델이 자체 기억만으로 응답하는 대신 외부 근거에 의존합니다.