예시 답변 1
약 90초
솔직한 경험 기반 접근
ML·DL 모델과 생성 AI 모델의 차이를 출력 형태와 목적으로 구분합니다. 전통적인 ML·DL은 분류·회귀·탐지처럼 정해진 형태의 출력을 목표로 하고, 학습 데이터와 레이블이 명확하게 대응되는 자리에서 강합니다. 생성 AI는 텍스트·이미지·코드처럼 새로운 콘텐츠를 생성하는 자리에서 작동하고, 트랜스포머 기반의 대규모 사전학습 모델을 파인튜닝하거나 프롬프트로 제어하는 방식이 중심입니다. 수업에서 감성 분류기를 만들 때 BERT를 파인튜닝했는데, 그 자리에서 사전학습의 의미를 처음 실감했습니다. 생성 AI는 출력 통제가 어렵고 환각이 생기는 자리가 있어, 실서비스에 적용할 때는 검증 자리를 따로 두어야 한다는 것도 배웠습니다.
이 결의 특징
분류·회귀처럼 정해진 형태의 출력을 목표로 하는 ML과 새로운 콘텐츠를 생성하는 생성 AI를 출력 형태와 목적으로 구분한 흔적이 있습니다. 생성 AI에서 출력 통제가 어렵고 환각이 생기는 자리를 인식한 결이 보입니다.
이 결이 통하는 자리
두 모델을 단순히 더 크고 더 좋은 것으로 구분하기 쉬운 자리에서, 사용 맥락과 출력 형태의 차이를 먼저 볼 때 통합니다.