본문 바로가기

AI15

[AI] 인공지능의 원리 y = Wx + b ※ AI 모델의 시작은 단 한 줄의 수식으로부터AI, 머신러닝, 딥러닝 등 복잡해 보이는 용어들도 사실은 하나의 단순한 수식에서 출발한다. y = Wx + b 이 짧은 식이 모든 인공지능 모델의 공통 뿌리이다.기호의미설명x입력 데이터모델이 받는 데이터 (예 : [나이, 키, 몸무게])W가중치(Weight)모델이 학습하며 조정하는 값 (데이터의 중요도)b편향(Bias)결과를 미세 조정하는 상수항y출력(결과)모델이 예측하거나 분류한 결과값 즉, 입력 데이터 x에 가중치 W를 곱하고, 편향 b를 더해 결과 y를 내보내는 것이 단순한 연산이 바로 모든 AI 모델의 기본 구조이다.※ 하지만 현실의 데이터는 단순하지 않음단순한 y = Wx + b 만으로는 복잡한 이미지, 음성, 문장 같은 비정형 데이터를 설명하기 .. 2025. 11. 7.
[AI] 초보자도 이해하기 쉬운 머신러닝 vs 딥러닝 비교 ▶ '스팸' 메일과 '광고' 문구로 이해하는 AI 학습의 차이AI를 처음 공부하다 보면 "머신러닝과 딥러닝의 차이는 뭘까?"라는 궁금증이 생긴다.두 개념 모두 데이터를 학습해 규칙을 찾아내는 기술이지만,가장 큰 차이는 바로 "사람이 어디까지 알려주느냐"에 있다.이 글에서는 '스팸' 메일과 '광고'라는 문구를 예시로 들어, 머신러닝과 딥러닝의 차이를 누구나 이해하기 쉽게 설명해 보려고 한다.※ 머신러닝(ML) : 사람이 직접 골라준 특징으로 데이터를 분류머신러닝은 사람이 모델에게 어떤 특징이 중요한지를 직접 알려주는 방식이다.즉, 사람이 특징을 지정하고, 모델은 그 특징을 이용해 분류한다.예시 :"메일 중에 '광고'라는 단어가 붙은 메일들은 모두 '스팸'이야"사람이 이렇게 규칙을 정해주면, 모델은 그 규칙.. 2025. 11. 7.
[AI] Web Service vs AI Service (데이터 흐름으로 비교하기) ※ Web Service 데이터 흐름[사용자] │ (요청:"상품 목록 보여줘") ▼[프론트엔드] │ (API 요청 전송) ▼[백엔드 서버] │ (DB에 데이터 요청) ▼[데이터베이스] │ (요청한 데이터 반환) ▲[백엔드 서버] │ (데이터 가공) ▼[프론트엔드] │ (응답 전송) ▼[사용자에게 결과 표시] DB에 저장된 값을 꺼내서 사용자에게 보여주는 구조※ AI Service 데이터 흐름[사용자] │ (요청:"나에게 맞는 전시를 추천해줘") ▼[프론트엔드] │ (API 요청 전송) ▼[백엔드 서버] │ (AI 모델 서버에 전달) ▼[AI 모델 서버] │ (필요한 데이터 탐색) ▼[데이터 저장소] │.. 2025. 11. 7.
[AI] RAG·MCP·A2A (AI 서비스의 핵심 구조) AI 기술이 빠르게 발전하면서 이제는 단순한 "대화형 AI"를 넘어서외부 지식을 활용하고, 시스템과 연동하며, 여러 AI가 협업하는 구조로 진화하고 있다.이 흐름의 중심에는 RAG, MCP, A2A가 있다.이 세 가지를 이해하면, AI가 어떻게 "지식 → 행동 → 협업"의 단계를 거쳐하나의 완성된 서비스를 만들어가는지 명확하게 보일 것이다.※ RAG (Retrieval-Augmented Generation)▶ 개념RAG는 AI가 외부의 지식이나 데이터를 검색하여 답변의 정확도를 높이는 기술이다.기존 LLM(GPT, Claude 등)은 학습 시점 이후의 정보를 알 수 없기 때문에,"최신 정보"나 "도메인 전용 지식"에는 한계가 있다. 그리고 RAG는 이 문제를 해결한다.쉽게 말하면, "AI가 모르는 걸 직.. 2025. 11. 6.
[AI] MCP(Model Context Protocol) ※ MCP(Model Context Protocol)란?AI 개발을 훨씬 쉽고 빠르게 만들어주는 표준 연결 규칙 요즘 기업들은 챗봇, 업무 자동화, 검색 시스템 등 다양한 AI 서비스를 만들고 있다.그런데 문제는,AI는 똑똑해도, 회사 시스템에 쉽게 접근하지 못한다는 것이다.예를 들어 회사 고객센터 시스템에 AI 챗봇을 만든다고 가정해 보자AI가 잘 답하려면 아래 데이터를 알아야 한다. · 고객 정보 · 주문 내역 · 배송 상태 · FAQ 문서 · 내부 지식 문서 하지만 이 정보들은 다 회사 내부 시스템에 저장되어 있고, 시스템마다 접근 방식, 보안 방식, 데이터 형태가 모두 다르다.그렇기 때문에 AI를 사용하기 어렵다. ※ AI 개발 (MCP 없을 때)AI에게 시스템 사용법을 하나씩 다 가르쳐야 했다... 2025. 11. 6.
[AI] 이산수학·그래프와 머신러닝 ※ 이산수학이란?이산수학(Discrete Mathematics)은 "끊어져 있는 것(Discrete)"을 다루는 수학이다.즉, 연속적인 곡선이나 면적(미적분)이 아니라,하나하나의 '요소'(데이터, 노드, 연결 등)를 다룬다.예를 들어,· 친구 관계 (A와 B가 친구인지 아닌지)· 컴퓨터 네트워크 (서버들이 연결되어 있는 구조)· SNS 팔로잉 관계 (누가 누구를 팔로우하는가) 이런 것들은 모두 연속적이지 않은 데이터(이산 데이터)이다.머신러닝에서도 이런 구조를 이해하고 계산하는 데 이산수학이 꼭 필요하다.※ 왜 머신러닝에 필요할까?머신러닝은 "데이터의 패턴을 이해하는 기술"이다.그런데 데이터는 숫자뿐만 아니라 '관계'도 가지고 있다.이산수학은 바로 이 '관계'와 '구조'를 분석하는 언어이다. 분야 이산.. 2025. 10. 24.
[AI] 회귀·추정과 머신러닝 ※ 회귀·추정은 "숫자를 예측하는 기술"머신러닝은 크게 두 가지 일을 한다."A냐 B냐"를 맞히는 일 (분류)"숫자가 얼마일까?"를 예측하는 일 (회귀) 여기서 회귀(Regression)는 두 번째, 즉 숫자 예측 문제를 해결하는 핵심 기술이다.예를 들면 이런 문제들이 모두 회귀 문제이다.예시예측 대상내일의 기온은 몇 도일까?숫자광고비를 얼마 써야 매출이 오를까?숫자집값이 얼마일까?숫자환자의 혈당 수치는 얼마일까?숫자 이처럼 머신러닝이 "숫자를 예측"해야 하는 거의 모든 상황에서 회귀 분석이 필요하다.※ 회귀(Regression)는 "데이터 속 관계를 찾아내는 기술""광고비가 많으면 매출이 늘어난다." "온도가 높을수록 아이스크림이 잘 팔린다."이런 관계를 수학적으로 표현한 것이 바로 회귀식이다.가장 기.. 2025. 10. 24.
[AI] 확률·통계와 머신러닝 ※ 머신러닝은 "불확실한 세상에서 판단하는 기술"머신러닝은 현실 세계의 불확실한 상황 속에서 예측을 내리는 기술이다.이메일이 스팸일 확률은 얼마일까?, 내일 비가 올 가능성은 얼마나 될까?, 이 고객이 제품을 살 확률은 얼마나 될까? 머신러닝은 항상 "정답이 확실하지 않은 세상"에서 일한다.그래서 '확률'과 '통계'가 세상을 이해하고 추론하는 언어가 되는 것이다.※ 확률 : "세상은 완벽하지 않다"를 수로 표현하는 도구확률은 불확실한 사건이 일어날 가능성을 수로 표현한다.예를 들어,어떤 이메일이 스팸일 확률이 80%라면, "100통 중 80통 정도는 스팸일 것"이라고 추측하는 것이다.머신러닝은 이런 확률적 판단을 통해 결정을 내린다.예시확률적 사고스팸 메일 분류스팸일 확률이 0.9 → 스팸으로 판단자율주.. 2025. 10. 23.
[AI] 선형대수와 머신러닝 ※ 머신러닝은 세상을 숫자로 표현하는 일머신러닝은 세상을 숫자로 바꾸는 과정이다.예를 들어,고양이 사진을 생각해보자, 사진은 수천 개의 픽셀로 이루어져 있고, 각 픽셀에는 색상(밝기, 빨강, 초록, 파랑 값)이 들어 있다.즉, 고양이 한 장의 이미지는 사실 "숫자가 아주 많이 들어 있는 표(행렬)"이다. 머신러닝은 이 숫자표(행렬)를 다루는 일이기 때문에, 숫자표를 계산하고 변형하는 기술이 꼭 필요하다.그게 바로 선형대수(Linear Algebra)이다.※ 선형대수는 숫자표(행렬)를 다루는 기술선형대수는 벡터(vector)와 행렬(matrix)을 다루는 수학이다.개념의미예시벡터방향과 크기를 가진 숫자들의 모임[1, 2, 3]행렬여러 벡터를 모아놓은 표[[1,2,3],[4,5,6],[7,8,9]] 이 벡터.. 2025. 10. 23.

티스토리툴바