생성형 인공지능은 텍스트·이미지·음성 등의 콘텐츠를 생성하는 AI를 가리킵니다. '생성형'은 수행 작업을 강조하는 말이며, '기계학습'이나 '딥러닝'이라는 방법상의 구분과 같은 분류 축은 아닙니다.
다른 이름: 생성형 AI · Generative AI
AI는 가장 넓은 연구와 기술의 범위입니다
인공지능은 인식·추론·계획·언어 처리 등 다양한 과제를 다룹니다. 그 안에 데이터와 경험을 이용해 성능을 조정하는 머신러닝이 있습니다. 모든 AI 방법을 머신러닝 하나로 설명할 수는 없습니다.
머신러닝에도 여러 방법이 있습니다. 값을 예측하는 선형 모델, 조건을 따라 분기하는 의사결정나무, 신경망 등이 대표적인 예입니다. 모델이라는 말이 항상 거대한 신경망만을 뜻하는 것은 아닙니다.
딥러닝은 머신러닝의 한 갈래입니다
딥러닝은 여러 층을 가진 신경망을 이용해 표현과 변환을 학습하는 방법입니다. 사진·음성·언어처럼 복잡한 입력을 다루는 데 널리 쓰입니다. '깊다'는 말은 사람이 깊이 생각한다는 뜻이 아니라 주로 계산 구조의 여러 층과 관련됩니다.
기본 관계는 AI 안에 머신러닝, 머신러닝 안에 딥러닝이 있다고 그릴 수 있습니다. 그렇다고 작은 문제에도 늘 가장 크고 깊은 모델이 필요한 것은 아닙니다. 자료의 양, 필요한 속도, 오류 비용에 맞춰 방법을 고릅니다.
생성형이라는 말은 하는 일을 설명합니다
사진이 어떤 빵인지 분류하는 것과 새로운 빵 그림을 만드는 것은 다른 작업입니다. 글·이미지·소리 같은 콘텐츠를 생성하는 AI를 생성형 AI라고 부릅니다. 오늘날 널리 쓰이는 생성형 시스템에는 딥러닝이 많이 활용됩니다.
하지만 '생성형'과 '머신러닝'을 같은 기준의 양자택일로 놓으면 혼동이 생깁니다. 하나는 무엇을 하는지, 다른 하나는 어떻게 배우는지를 강조합니다. 한 모델이 분류나 요약 등 여러 작업에 활용될 수도 있습니다.
LLM은 언어를 중심으로 보는 이름입니다
LLM은 대규모 언어 모델을 뜻합니다. 많은 언어 자료와 큰 모델을 바탕으로 텍스트의 패턴을 학습하며, 대표적인 생성형 LLM은 문맥에 이어질 토큰을 예측하는 방식으로 글을 만듭니다. 모든 생성형 AI가 LLM인 것은 아닙니다.
LLM과 챗봇 서비스도 구별해야 합니다. 서비스에는 화면, 대화 기록 관리, 검색, 도구 실행 등이 더해질 수 있습니다. 사진까지 받는 서비스라도 어떤 모델과 구성요소가 그 사진을 처리하는지는 별도로 살펴봐야 합니다.
예시와 비교
용어 | 이름이 강조하는 것 | 예 |
|---|---|---|
AI | 넓은 기술·연구 분야 | 인식·추론·계획 |
머신러닝 | 데이터에서 배우는 방법 | 학습한 판매량 모델 |
딥러닝 | 여러 층의 신경망 | 신경망 이미지 모델 |
생성형 AI | 콘텐츠를 만드는 작업 | 이미지·글 생성 |
LLM | 대규모 언어 모델 | 텍스트 생성·처리 |
주의할 해석
AI → 머신러닝 → 딥러닝 → 생성형 AI → LLM을 예외 없는 한 줄 포함 관계로 외우지 않습니다. 앞부분의 방법 분류와 뒷부분의 작업·모델 분류를 구분합니다.
추가 설명
대규모라는 표현에 모든 시대와 모델에 통용되는 단 하나의 매개변수 경계가 있는 것은 아닙니다. 이름만으로 품질·비용·기능을 판단하지 말고 공개된 모델 설명과 평가 조건을 확인합니다.
출처와 더 읽을 자료
Google — What is Machine Learning? — 기계학습·학습 유형·생성 작업 · 확인 2026-10-29
Google — Nodes and hidden layers — 노드·가중치·은닉층 · 확인 2026-10-29
Hugging Face LLM Course — Introduction — 언어 모델·자연어 처리 개관 · 확인 2026-10-29