AI 모델

AI 모델은 학습 방식, 데이터의 특성, 그리고 사용 목적에 따라 매우 다양하게 분류됩니다. 최근 기술의 발전에 따라 가장 대중적으로 논의되는 분류 체계를 중심으로 정리해 드립니다.

---

1. 학습 방식에 따른 분류

AI가 데이터를 어떻게 배우고 정답을 찾아가는지에 따른 가장 기초적인 구분입니다.

• 지도 학습 (Supervised Learning): 문제와 정답(레이블)이 쌍으로 제공되는 데이터를 학습합니다. (예: 스팸 메일 분류, 이미지 속 객체 식별)
• 비지도 학습 (Unsupervised Learning): 정답 없이 데이터 자체의 패턴이나 구조를 파악합니다. (예: 고객 군집 분석, 차원 축소)
• 강화 학습 (Reinforcement Learning): 행동에 따른 보상과 처벌을 통해 최적의 전략을 찾아냅니다. (예: 알파고, 자율 주행, 게임 전략 수립)

---

2. 생성 및 목적에 따른 분류

최근 가장 활발하게 논의되는 분야로, 새로운 데이터를 만드는지 아니면 기존 데이터를 분류하는지에 따라 나뉩니다.

• 생성형 AI (Generative AI): 텍스트, 이미지, 오디오 등 새로운 콘텐츠를 생성합니다.
  • LLM (대규모 언어 모델): GPT-4o, Claude 3.5, Gemini 1.5 Pro와 같이 인간의 언어를 이해하고 생성하는 모델.
  • 확산 모델 (Diffusion Models): Midjourney, Stable Diffusion처럼 텍스트를 고화질 이미지나 영상으로 변환하는 모델.
• 판별 모델 (Discriminative AI): 입력 데이터가 어떤 범주에 속하는지 분류하거나 값을 예측합니다. (예: 얼굴 인식, 대출 승인 예측)

---

3. 처리하는 데이터(모달리티)에 따른 분류

어떤 감각 기관의 데이터(텍스트, 이미지 등)를 다루느냐에 따른 분류입니다.

분류	대표적인 모델	주요 특징
언어 (NLP)	GPT, BERT, Llama	문맥 이해, 번역, 요약, 코드 작성
시각 (Vision)	ResNet, ViT, YOLO	객체 검출, 의료 영상 분석, 자율 주행
음성 (Audio)	Whisper, VALL-E	음성 인식(STT), 음성 합성(TTS), 실시간 통번역
멀티모달 (Multimodal)	GPT-4o, Gemini	텍스트, 이미지, 음성을 동시에 이해하고 상호 변환

4. 규모 및 활용 형태에 따른 분류

• 파운데이션 모델 (Foundation Models): 방대한 데이터를 학습해 다양한 하위 작업에 적용할 수 있는 거대 기초 모델입니다.
• sLLM (소형 언어 모델): 특정 기업이나 목적에 맞게 경량화하여 온디바이스(On-device)나 보안 환경에서 사용하기 적합한 모델입니다.
• 에이전틱 AI (Agentic AI): 단순히 답변을 주는 것을 넘어, 스스로 도구를 사용해 복잡한 업무(회의 예약, 데이터 분석 등)를 수행하는 지능형 에이전트 모델입니다.

---

참고: 과학계에서는 단백질 구조를 예측하는 AlphaFold나 기상 예측 모델과 같이 특정 전문 분야에 특화된 AI 모델들도 매우 중요하게 다뤄지고 있습니다. 현재는 여러 모달리티를 통합하고 스스로 추론하는 방향으로 기술이 통합되는 추세입니다.