인공지능, 머신러닝, 딥러닝, 생성형 AI. 요즘 이 네 단어는 거의 같은 뜻처럼 쓰인다.

뉴스 헤드라인이 "AI 가"라고 쓴 자리에, 채용공고는 "딥러닝 기반"이라 쓰고, 유튜브 썸네일은 "머신러닝"이라 쓴다. 셋을 바꿔 써도 아무도 지적하지 않는다. 그러다 보니 이런 의문이 든다 — 이게 다 같은 말인가, 아니면 다른 건가.

다르다. 그런데 서로 나란히 선 경쟁자도 아니다. 큰 원 안에 작은 원이 들어 있는 포함관계다. 이번 강의는 그 지도 한 장을 그린다. 코드는 없다. 앞으로 이 편에서 나올 모든 용어 — 임베딩, 벡터DB, 파인튜닝, MLOps — 가 이 지도 위 어디에 찍히는지, 그것부터 잡는다.

이 편은 무언가를 직접 만들게 하지 않는다. AI 채용공고에 나오는 말들을 상식처럼 알아듣게 만드는 게 목적이다. 실제로 코드를 짜서 돌려보는 건 다음 단계의 몫이고, 여기서는 "그게 무엇이고 왜 필요한가"까지 간다. 지도를 손에 쥐면, 나중에 어떤 낯선 용어를 만나도 "아 그건 이 근처구나" 하고 자리를 짚을 수 있다.

세 단어는 사실 포함관계다

먼저 결론부터 그림으로 본다.

• 인공지능 (AI)사람이 하던 판단·작업을 기계가 한다
  • 머신러닝 (ML)데이터로 규칙을 스스로 배운다
    • 딥러닝 (DL)신경망으로 배운다
      • 생성형 AI · LLM새 문장·이미지를 만들어낸다

바깥이 가장 넓은 개념이고, 안으로 들어갈수록 좁고 최신이다. 인공지능이 제일 큰 원이다. 그 안에 머신러닝이 있고, 머신러닝 안에 딥러닝이 있고, 그 가장 안쪽에 요즘 모두가 이야기하는 생성형 AI 가 있다.

그러니 "이건 AI 예요, 머신러닝이에요?" 라는 질문은 성립하지 않는다. 머신러닝이면 자동으로 AI 이기도 하다. 마치 "이건 동물이에요, 고양이예요?" 라고 묻는 것과 같다. 고양이면 당연히 동물이다.

무엇이 원을 가르나 — 규칙을 짜는 것 vs 배우는 것

큰 원(AI) 안에서 머신러닝이라는 작은 원을 그어주는 기준이 하나 있다. 규칙을 누가 만드느냐다.

전통적인 프로그래밍

사람이 규칙을 짠다

• 사람이 규칙을 하나하나 손으로 적는다
• "제목에 '무료'와 '당첨'이 있으면 스팸" 같은 조건을 코드로
• 규칙에 없는 새 수법이 오면 못 걸러낸다
• 규칙을 고치려면 사람이 다시 코드를 고친다

머신러닝

데이터로 규칙을 배운다

• 스팸 메일 수만 통을 예시로 보여준다
• 무엇이 스팸인지 규칙은 기계가 스스로 찾아낸다
• 사람은 규칙을 적지 않는다 — 예시만 준다
• 새 데이터를 더 보여주면 규칙이 알아서 갱신된다

전통적인 방식에서는 사람이 "이러이러하면 스팸"이라는 규칙을 전부 적어야 했다. 세상의 스팸 수법이 매일 바뀌는데, 그때마다 사람이 규칙을 따라 적는 건 끝이 없다.

머신러닝은 그 일을 뒤집는다. 규칙을 적는 대신, 정답이 붙은 예시를 잔뜩 보여준다. "이건 스팸, 이건 정상" 하고 수만 통을 넘기면, 기계가 그 사이에서 공통점을 스스로 뽑아낸다. 사람은 규칙 대신 데이터를 준비하는 사람이 된다. 이게 머신러닝이 AI 안에서 자기 원을 갖는 이유다.

딥러닝은 왜 원을 하나 더 그리나

머신러닝 안에는 규칙을 배우는 여러 방법이 있다. 그중 신경망(neural network)이라는 방식으로 배우는 것을 따로 딥러닝이라 부른다.

신경망이 정확히 무엇인지는 지금 몰라도 된다. 3부(9~11강)에서 그림으로 뜯어본다. 지금 잡을 것은 딱 하나다 — 최근 몇 년간 우리를 놀라게 한 성과 대부분이 이 딥러닝에서 나왔다. 얼굴을 알아보고, 말을 알아듣고, 문장을 써 내려가는 것들이다. 그래서 채용공고가 유독 "딥러닝"을 강조하고, 그래서 이 지도의 안쪽 원이 요즘 제일 뜨겁다.

그러면 ChatGPT 는 어디에 있나

가장 궁금할 자리다. ChatGPT, Claude, 그림 그려주는 AI — 이 생성형 AI 는 지도의 어디쯤인가.

가장 안쪽이다. 생성형 AI 는 딥러닝의 한 종류이고, 그중에서도 글을 다루는 것을 LLM(대규모 언어 모델) 이라 부른다. 앞의 딥러닝들이 주로 "이 사진이 고양이냐 아니냐"를 판별했다면, 생성형 AI 는 한 걸음 더 나아가 없던 것을 만들어낸다. 새 문장을, 새 이미지를 지어낸다.

용어	한 줄 정의	이런 데 쓰인다
인공지능 (AI)	사람이 하던 판단·작업을 기계가 한다	추천 · 번역 · 자율주행
머신러닝 (ML)	데이터로 규칙을 스스로 배운 AI	스팸 필터 · 가격 예측
딥러닝 (DL)	신경망으로 배우는 머신러닝	얼굴 인식 · 음성 인식
생성형 AI · LLM	없던 내용을 만들어내는 딥러닝	ChatGPT · Claude · 이미지 생성

생성형 AI 가 지도의 어디에 정확히 앉는지, 왜 지금 이것만 유독 화제인지는 3강에서 자리를 콕 찍는다. 여기서는 "가장 안쪽 원"이라는 위치만 기억하면 된다.

이 지도가 채용공고를 읽게 해준다

지도를 왜 먼저 그렸는지가 여기서 드러난다.

AI 채용공고 한 장을 열면 이런 말들이 뒤섞여 있다 — "머신러닝 엔지니어 모집", "딥러닝 기반 서비스", "LLM 활용 경험 우대". 지도가 없으면 이게 다 같은 말인지 다른 요구인지 알 수 없다. 지도가 있으면 각 단어가 어느 원을 가리키는지 한눈에 보인다. "머신러닝"은 넓은 요구, "딥러닝"과 "LLM"은 그 안쪽을 콕 집은 요구다.

4강에서 진짜 채용공고 한 장을 통째로 이 지도 위에 찍어본다. 지금은 용어가 어디에 놓이는지만 눈에 익혀두면 된다.

정리하면

AI · 머신러닝 · 딥러닝 · 생성형 AI 는 나란한 경쟁자가 아니라, 큰 원 안에 작은 원이 든 포함관계다.

1. 01

   네 단어는 포함관계다

   인공지능이 가장 큰 원, 그 안에 머신러닝, 그 안에 딥러닝, 가장 안쪽에 생성형 AI. 대체가 아니라 포함이다.

2. 02

   머신러닝은 규칙을 사람이 적지 않는다

   예시 데이터를 주면 규칙을 스스로 배운다. 전통적 프로그래밍과 갈리는 지점이다. 2강에서 더 판다.

3. 03

   딥러닝은 신경망으로 배우는 머신러닝이다

   요즘 성과 대부분이 여기서 나왔다. 신경망이 뭔지는 3부(9~11강)에서 그림으로 본다.

4. 04

   생성형 AI · LLM 은 지도의 가장 안쪽이다

   딥러닝의 한 종류로, 없던 문장·이미지를 만들어낸다. ChatGPT · Claude 가 여기다. 3강에서 자리를 정확히 찍는다.

다음 강의에서는 이 지도의 뿌리였던 그 말 — "데이터로 배운다" — 를 제대로 들여다본다. 사람이 규칙을 짜는 것과 기계가 규칙을 배우는 것이 정확히 어떻게 다른지, "학습한다"는 한 단어의 속을 연다.