기계학습의 추론은 준비된 모델을 입력에 적용해 출력을 계산하는 과정입니다. 일반적인 추론은 가중치를 갱신하는 학습과 구별되며, 논리학에서 말하는 추론과 용어 범위가 다를 수 있습니다.
다른 이름: Inference · 모델 추론
학습은 모델을 조정하는 과정입니다
학습에서는 자료와 목표를 이용해 모델의 내부 상태를 조정합니다. 신경망에서는 예측의 오차에 따라 가중치 같은 매개변수를 바꾸는 과정이 중심입니다. 어떤 자료와 목표를 쓰는지에 따라 배우는 내용도 달라집니다.
학습은 단순히 파일을 보관하는 일과 다릅니다. 자료의 관계를 모델의 계산 구조와 값에 반영하는 과정입니다. 그렇다고 학습 자료를 절대 암기하지 않는다는 뜻도 아닙니다.
추론은 현재 모델로 결과를 계산합니다
판매량 모델에 새 날짜와 날씨를 넣어 예상 수량을 얻는 것이 추론의 예입니다. 언어 모델에 질문을 넣고 답변을 생성하는 것도 추론입니다. 대체로 현재의 모델 매개변수를 이용해 입력에 맞는 출력을 계산합니다.
추론이라는 말이 반드시 사람처럼 논리적 사고를 했다는 뜻은 아닙니다. 기계학습에서 모델을 사용하는 단계의 이름으로 쓰이는 경우가 많습니다. 학습 도중 평가를 위해 추론 계산을 수행할 수도 있습니다.
대화 안의 정보는 문맥으로 사용할 수 있습니다
사용자가 '내일은 축제가 있어'라고 입력하면 모델은 제공된 정보를 이번 답변에 반영할 수 있습니다. 일반적인 대화 추론에서 이것만으로 모델의 가중치가 즉시 바뀌는 것은 아닙니다.
앱이 대화 기록을 저장해 다음 요청에 넣거나, 메모리 기능으로 다시 제공할 수도 있습니다. 저장된 기록, 현재 입력에 들어온 문맥, 모델 학습은 서로 다른 과정입니다. 실제 저장·학습 정책은 서비스별로 확인해야 합니다.
작업이 달라지면 확인할 것도 달라집니다
학습에서는 어떤 자료로 어떤 목표를 최적화했는지, 추론에서는 어떤 입력과 도구를 사용했는지를 봅니다. 답변이 바뀌었다고 무조건 모델이 새로 학습된 것은 아닙니다. 문맥·검색 결과·출력 선택 방식이 달라져도 결과는 바뀔 수 있습니다.
이제 1부의 지도를 연결해 봅시다. AI는 넓은 분야이고, 머신러닝은 배우는 방법입니다. 모델을 만들거나 조정하는 학습과, 그 모델을 사용하는 추론을 구분하면 다음 부의 데이터 이야기를 이해할 준비가 된 것입니다.
예시와 비교
행동 | 주된 의미 |
|---|---|
예시로 모델의 가중치를 바꿈 | 학습 |
현재 모델에 질문을 넣어 답을 계산 | 추론 |
대화 내용을 기록에 저장 | 서비스의 기록 관리 |
찾은 자료를 질문과 함께 제공 | 문맥 제공 |
주의할 해석
사용자가 대화에서 정보를 알려주는 것을 일상적으로 '가르친다'고 말할 수는 있습니다. 그러나 모델 매개변수 학습과 같은 의미인지 따로 구별합니다.
추가 설명
일부 시스템은 운영 중에도 추가 학습이나 적응을 수행합니다. 그래서 '추론 중에는 어떤 시스템도 절대 바뀌지 않는다'고 일반화하지 않고, 이 연재에서는 일반적인 고정 가중치 추론을 기본으로 설명합니다.
출처와 더 읽을 자료
Google — Supervised Learning — 특징·레이블·학습과 추론 · 확인 2026-10-29
Hugging Face LLM Course — Introduction — 언어 모델·자연어 처리 개관 · 확인 2026-10-29