— views
AI 입문 4화. 고양이를 알아보는 AI와 고양이를 그리는 AI
민지는 빵 사진을 보여주며 “무슨 빵이야?”라고 묻습니다. 잠시 뒤에는 “고양이 모양 빵 그림을 그려줘”라고 요청합니다.
기존 입력을 판단하는 작업
사진 분류는 주어진 사진이 어느 범주에 가까운지 판단하는 작업입니다. 모델은 단팥빵·크림빵·식빵 같은 후보에 점수를 매길 수 있습니다. 판매량 예측은 숫자를 추정한다는 점에서 결과 형태가 다릅니다.
어떤 후보를 허용하는지는 문제 설계에 달려 있습니다. 처음 보는 빵이 들어왔는데도 반드시 기존 셋 중 하나를 고르게 하면 틀린 분류를 강요할 수 있습니다. '모름'이나 직원 확인 경로가 필요한 이유입니다.
새 결과물을 구성하는 작업
생성 모델은 후보 이름을 고르는 대신 요청에 맞는 글·이미지·소리 자체를 만듭니다.
새 결과물을 만들었다고 해서 실제로 존재하는 제품을 보여준다는 뜻은 아닙니다. 가상 광고 시안과 실제 메뉴 사진을 구별해야 합니다. 생성물에 잘못된 글자나 이상한 구조가 들어갈 수도 있어 용도에 맞는 검토가 필요합니다.
입력과 출력이 같아 보여도 목표는 다릅니다
사진을 입력받아 설명문을 만드는 시스템은 시각 정보 해석과 언어 생성을 함께 사용할 수 있습니다. 문장을 분류하는 데 언어 생성 모델을 쓰기도 합니다. 따라서 화면에 글이 나온다는 사실만으로 내부 작업을 한 가지로 단정하지 않습니다.
평가도 작업에 따라 다릅니다. 사진 분류에는 정답 범주와의 일치가 중요하지만, 안내문에는 정보의 정확성·누락·문체·독자에게 필요한 내용도 중요합니다. 예쁜 결과 하나만으로 시스템 전체의 성능을 판단할 수 없습니다.
같은 고양이도 요청에 따라 일이 달라집니다

고양이 사진을 분류할 때는 이름표가 맞는지 봅니다. 고양이 모양 빵의 시안을 생성할 때는 요청한 모양인지 봅니다. 시안은 판매 사실의 증거가 아닙니다.
한눈에 정리하기
요청 | 중심 작업 | 확인할 것 |
|---|---|---|
사진 속 빵 이름은? | 분류 | 틀린 종류·미등록 상품 |
내일 몇 개 팔릴까? | 수치 예측 | 오차와 적용 조건 |
행사 안내문을 써줘 | 생성 | 날짜·내용·표현의 정확성 |
조금 더 깊이 · 선택해서 읽기
생성 모델은 학습한 분포와 조건을 바탕으로 결과를 구성합니다. 이 설명이 복제·암기가 전혀 일어나지 않는다는 보장은 아니며, 결과의 출처와 이용 조건은 별도 문제입니다.
함께 볼 위키
출처와 더 읽을 자료
Google — What is Machine Learning? — 기계학습·학습 유형·생성 작업 · 확인 2026-10-29
Hugging Face LLM Course — Introduction — 언어 모델·자연어 처리 개관 · 확인 2026-10-29
만화는 AI로 제작한 비유이며, 별도 표시가 없는 수치는 가상 예시입니다.
Comments (0)