3급

예상 문제

정식 시험은 위의 공통 문제 하나를 받습니다. 아래 20문항은 그 설계를 쓰기 전에 먼저 알아야 할 낱말·이름·사실을 확인하는 예상 문제입니다. 모두 정답이 하나로 정해진 단답형이니, 설명을 읽고 답을 적은 뒤 정답을 펼쳐 맞춰 보세요. 공식 문제는 아닙니다.

학습의 원리

1. 1

   신경망의 가중치·편향처럼, 학습 중에 모델이 데이터를 보며 스스로 조정하는 값을 통틀어 무엇이라고 하나요?

   정답 보기

   정답 매개변수 (Parameter, 파라미터)

   "70B 모델"의 B 는 billion(10억)으로, 매개변수가 700억 개라는 뜻입니다.

2. 2

   학습률·층의 수처럼, 학습이 스스로 정하지 않고 사람이 학습 전에 정해 주는 설정값을 무엇이라고 하나요?

   정답 보기

   정답 하이퍼파라미터 (Hyperparameter)

   매개변수는 학습이 정하고, 하이퍼파라미터는 사람이 정합니다. 검증 데이터로 견주어 고릅니다.

3. 3

   손실이 줄어드는 쪽(기울기의 반대 방향)으로 가중치를 조금씩 고쳐 나가는 최적화 방법을 무엇이라고 하나요?

   정답 보기

   정답 경사 하강법 (Gradient Descent)

   눈을 가리고 산을 내려갈 때 발밑이 낮아지는 쪽으로 한 걸음씩 옮기는 것과 같습니다.

4. 4

   신경망의 출력에서 생긴 오차를 뒤쪽 층에서 앞쪽 층으로 거꾸로 전하며, 각 가중치의 기울기를 계산하는 방법을 무엇이라고 하나요?

   정답 보기

   정답 역전파 (Backpropagation)

   역전파로 기울기를 구하고, 경사 하강법으로 그 기울기만큼 가중치를 고칩니다.

5. 5

   경사 하강법에서 한 번에 가중치를 얼마나 크게 고칠지 정하는 하이퍼파라미터를 무엇이라고 하나요?

   정답 보기

   정답 학습률 (Learning Rate)

   너무 크면 손실이 오르내리며 흔들리고, 너무 작으면 학습이 아주 느립니다.

언어 모델의 구조

6. 6

   트랜스포머에서 문장 속 토큰 하나하나가 다른 토큰들 가운데 어디에 얼마나 주목할지를 계산하는 핵심 장치를 무엇이라고 하나요?

   정답 보기

   정답 어텐션 (Attention, 셀프 어텐션)

   트랜스포머를 처음 발표한 논문의 제목이 "Attention Is All You Need" 입니다.

7. 7

   언어 모델이 한 번에 읽고 기억할 수 있는 토큰의 최대 길이를 무엇이라고 하나요?

   정답 보기

   정답 컨텍스트 윈도우 (Context Window)

   이 길이를 넘는 앞부분은 모델이 보지 못합니다. 긴 문서를 다룰 설계라면 먼저 따져야 합니다.

8. 8

   다음 토큰을 고를 때 값이 낮으면 늘 가장 그럴듯한 것을, 높으면 더 다양한 것을 고르게 하는 생성 설정값을 무엇이라고 하나요?

   정답 보기

   정답 온도 (Temperature)

   사실을 답할 때는 낮게, 아이디어를 낼 때는 높게 두는 경우가 많습니다.

9. 9

   이미 많은 데이터로 학습된 모델을, 특정 목적에 맞는 적은 데이터로 더 학습시켜 맞추는 일을 무엇이라고 하나요?

   정답 보기

   정답 미세 조정 (Fine-tuning, 파인튜닝)

   처음부터 학습하는 것보다 데이터와 계산이 훨씬 적게 듭니다.

10. 10

    모델이 답하기 전에 관련 문서를 먼저 찾아 그 내용을 프롬프트에 넣고 답하게 하는 방법을 영어 세 글자 줄임말로 쓰세요.

    정답 보기

    정답 RAG (Retrieval-Augmented Generation, 검색 증강 생성)

    모델을 다시 학습시키지 않고도 최신 자료나 회사 내부 자료로 답하게 할 수 있습니다.

플랫폼과 제약

11. 11

    인터넷 서버를 거치지 않고 스마트폰·노트북 같은 기기 안에서 바로 모델을 돌리는 방식을 무엇이라고 하나요?

    정답 보기

    정답 온디바이스 AI (On-device AI)

    자료가 기기 밖으로 나가지 않고 인터넷 없이도 돌지만, 기기의 메모리와 계산 능력에 맞는 작은 모델이어야 합니다.

12. 12

    모델의 숫자(가중치)를 32비트 대신 8비트·4비트처럼 더 적은 비트로 나타내어 크기와 메모리를 줄이는 방법을 무엇이라고 하나요?

    정답 보기

    정답 양자화 (Quantization)

    정확도가 조금 떨어질 수 있는 대신, 작은 기기에서도 큰 모델을 돌릴 수 있게 됩니다.

13. 13

    웹 브라우저 안에서 C·Rust 같은 언어로 만든 프로그램을 빠르게 돌리게 해 주는 바이너리 형식의 이름을 쓰세요. 이 사이트의 파이썬 실습도 이것으로 돕니다.

    정답 보기

    정답 WebAssembly (Wasm, 웹어셈블리)

    플랫폼 제약이 "브라우저"라면, 파이썬과 모델을 WebAssembly 로 브라우저 안에서 돌리는 설계를 생각할 수 있습니다.

14. 14

    원래 그래픽 처리용으로 만들어졌지만, 신경망 학습의 큰 행렬 계산을 동시에 많이 처리해 주는 칩을 영어 세 글자 줄임말로 쓰세요.

    정답 보기

    정답 GPU (Graphics Processing Unit)

    수천 개의 작은 계산기를 한꺼번에 돌려서, 같은 계산을 반복하는 딥러닝에 잘 맞습니다.

15. 15

    다른 프로그램이 정해진 약속(요청과 응답의 형식)으로 기능을 불러 쓸 수 있게 열어 둔 창구를 영어 세 글자 줄임말로 쓰세요. 언어 모델을 내 앱에서 부를 때 씁니다.

    정답 보기

    정답 API (Application Programming Interface)

    API 로 남의 모델을 빌려 쓰면 쉽지만, 비용·속도·자료 유출을 함께 따져야 합니다.

한계와 위험

16. 16

    학습 데이터가 한쪽으로 치우쳐서, 모델이 특정 집단에게 불공정한 결과를 내는 문제를 무엇이라고 하나요?

    정답 보기

    정답 편향 (Bias, 데이터 편향)

    예: 한 집단의 사진이 적게 들어간 얼굴 인식 모델은 그 집단을 더 자주 틀립니다.

17. 17

    프롬프트나 읽어 들이는 문서 안에 몰래 지시문을 숨겨, 언어 모델이 원래 지시를 어기게 만드는 공격을 무엇이라고 하나요?

    정답 보기

    정답 프롬프트 인젝션 (Prompt Injection)

    외부 문서를 읽는 설계라면, 그 문서 안의 지시를 명령으로 따르지 않게 막아야 합니다.

18. 18

    실제 사람의 얼굴이나 목소리를 흉내 내 진짜처럼 만든 가짜 영상·음성을, 딥러닝과 가짜(fake)를 합친 말로 무엇이라고 하나요?

    정답 보기

    정답 딥페이크 (Deepfake)

    만든 기술이 같아도 쓰는 목적에 따라 범죄가 될 수 있습니다. 동의 없이 남의 얼굴·목소리를 쓰지 않습니다.

19. 19

    모델이 왜 그런 답을 냈는지 사람이 이해할 수 있게 설명하려는 연구 분야를 영어 세 글자 줄임말로 쓰세요.

    정답 보기

    정답 XAI (Explainable AI, 설명 가능한 인공지능)

    의료·금융처럼 판단의 이유가 중요한 분야에서 특히 필요합니다.

20. 20

    2024년 8월에 발효되어, 인공지능을 위험 수준에 따라 나누어 규제하는 세계 첫 포괄적 인공지능 법을 만든 곳은 어디인가요?

    정답 보기

    정답 유럽연합 (EU)

    EU 인공지능법(AI Act)이라고 부릅니다. 위험이 높은 쓰임일수록 지켜야 할 의무가 무겁고, 조항은 단계적으로 적용됩니다.