KPC AI-POT AI 프롬프트활용능력 2급
Chapter 1

인공지능 기초 이론

인공지능의 변천사, 머신러닝/딥러닝 알고리즘 및 성능 평가 지표(정밀도, 재현율, F1 스코어) 완벽 대비

Chapter 1 빈출 핵심 이론 요약

1. 인공지능의 역사와 핵심 개념

  • • 다트머스 회의 (1956년): 존 매카시, 마빈 민스키 등이 모여 '인공지능(Artificial Intelligence)'이라는 용어를 세계 최초로 공식 사용하였습니다.
  • • AI 윈터 (AI Winter): 연산 능력의 한계와 기대치 미달로 연구 투자 지원이 급감했던 기술 침체기를 뜻합니다.
  • • AI ⊃ 머신러닝 ⊃ 딥러닝: 인공지능이 가장 큰 범주이며, 데이터를 통해 스스로 학습하는 머신러닝, 다층 신경망 기반의 딥러닝 순으로 포괄 관계를 형성합니다.

2. 머신러닝 3대 학습 유형과 주요 알고리즘

지도 학습 (Supervised)

정답(Label)이 주어진 상태에서 학습하여 예측/분류

선형회귀, 로지스틱회귀, 의사결정나무, SVM

비지도 학습 (Unsupervised)

정답 없이 데이터의 유사성이나 숨겨진 패턴 군집화

K-평균 군집화(K-Means), PCA(차원축소)

강화 학습 (Reinforcement)

에이전트가 환경과 상호작용하며 보상 최대화

보상(Reward), 에이전트, 시행착오 정책

3. 혼동 행렬과 성능 평가 지표

• 정밀도 (Precision): AI가 참이라고 예측한 것 중 실제로 참인 비율 (예: 스팸 메일 차단 등 오탐 방지가 중요한 경우)

• 재현율 (Recall): 실제 참인 것 중 AI가 올바르게 찾아낸 비율 (예: 암 진단, 테러범 검출 등 미탐 방지가 중요한 경우)

• F1 스코어 (F1 Score): 정밀도와 재현율의 조화 평균 지표로, 불균형 데이터셋 평가 시 필수 활용

• 정확도 (Accuracy): 전체 데이터 중 올바르게 맞힌 비율이나, 불균형 데이터셋에서는 착시를 유발할 수 있음

Chapter 1 실전 기출 예상 문제 (20문항)

인공지능 기초 이론 용어 정리 바로가기 실전 CBT 모의고사로 풀기
문항 01

인공지능(AI)이라는 용어가 역사상 처음으로 공식 제안된 1956년 다트머스 회의(Dartmouth Workshop)를 주도한 주요 학자에 속하지 않는 사람은?

  1. 존 매카시 (John McCarthy)
  2. 마빈 민스키 (Marvin Minsky)
  3. 앨런 튜링 (Alan Turing)
  4. 클로드 샤논 (Claude Shannon)
정답 및 상세 해설 보기
정답: 3번
앨런 튜링은 1950년에 '튜링 테스트'를 제안했으나, 1956년 다트머스 회의를 주도하고 '인공지능'이라는 용어를 공식화한 학자들은 존 매카시, 마빈 민스키, 클로드 샤논 등입니다.
문항 02

1970년대와 1980년대 초반, 초기 인공지능 연구가 한계에 부딪혀 정부 지원과 연구 투자가 급감하며 침체기를 맞았던 현상을 가리키는 용어는?

  1. AI 블랭크 아웃
  2. AI 윈터 (AI Winter)
  3. 뉴럴 프리즈
  4. 컴퓨팅 다크에이지
정답 및 상세 해설 보기
정답: 2번
컴퓨터의 연산 능력 한계와 데이터 부족으로 인공지능 연구에 혹한기가 찾아왔던 시기를 'AI 윈터(인공지능의 겨울)'라고 부릅니다.
문항 03

머신러닝 학습 방식 중, 입력 데이터에 대한 정답(Label)이 함께 제공되며 오차를 줄여나가는 학습 유형은?

  1. 비지도 학습 (Unsupervised Learning)
  2. 지도 학습 (Supervised Learning)
  3. 강화 학습 (Reinforcement Learning)
  4. 자기 지도 학습
정답 및 상세 해설 보기
정답: 2번
정답(Label)을 미리 알려주고 학습시키는 방식을 지도 학습(Supervised Learning)이라고 합니다.
문항 04

다음 중 지도 학습(Supervised Learning) 모델로 분류할 수 없는 알고리즘은 무엇인가?

  1. K-평균 군집화 (K-Means Clustering)
  2. 선형 회귀 (Linear Regression)
  3. 의사결정 나무 (Decision Tree)
  4. 랜덤 포레스트 (Random Forest)
정답 및 상세 해설 보기
정답: 1번
K-평균 군집화는 정답 레이블이 없는 상태에서 유사성을 기반으로 무리지어 주는 대표적인 비지도 학습 알고리즘입니다.
문항 05

강화 학습(Reinforcement Learning)에서 에이전트가 더 나은 행동을 선택하도록 주어지는 피드백 수치는?

  1. 가중치 (Weight)
  2. 편향 (Bias)
  3. 보상 (Reward)
  4. 손실 (Loss)
정답 및 상세 해설 보기
정답: 3번
강화 학습은 행동에 따른 보상(Reward)을 최대화하는 방향으로 정책을 학습합니다.
문항 06

프랑크 로젠블랫이 고안한 인공신경망의 기초 형태로서, 입력을 받아 임계값에 따라 출력을 결정하는 단층 구조는?

  1. 퍼셉트론 (Perceptron)
  2. 서포트 벡터 머신 (SVM)
  3. 로지스틱 회귀
  4. 마르코프 체인
정답 및 상세 해설 보기
정답: 1번
인공신경망의 조상 격이자 딥러닝의 기본 단위가 되는 모델은 퍼셉트론(Perceptron)입니다.
문항 07

다음 중 머신러닝 알고리즘 중 '분류'와 '회귀' 문제를 모두 해결할 수 있는 지도 학습 모델로 널리 쓰이는 것은?

  1. K-평균 군집화 (K-Means)
  2. 주성분 분석 (PCA)
  3. 서포트 벡터 머신 (SVM)
  4. 연관 규칙 학습
정답 및 상세 해설 보기
정답: 3번
서포트 벡터 머신(SVM)은 초평면을 찾아 데이터를 분류하거나 연속적인 값을 예측하는 회귀 작업에 모두 활용될 수 있습니다.
문항 08

다음 중 비지도 학습(Unsupervised Learning) 알고리즘의 주요 목적으로 가장 거리가 먼 것은?

  1. 군집화 (Clustering)
  2. 차원 축소 (Dimensionality Reduction)
  3. 데이터의 특징 추출 및 연관 규칙 발견
  4. 정답 레이블을 이용한 오차 역전파 최적화
정답 및 상세 해설 보기
정답: 4번
정답 레이블을 이용해 오차를 줄이는 과정은 지도 학습(Supervised Learning)의 고유 특징입니다.
문항 09

인공지능 역사상 단층 퍼셉트론의 비선형 문제 한계(XOR 문제)를 수학적으로 증명하여 첫 번째 AI 윈터를 촉발시킨 학자는?

  1. 존 매카시와 클로드 샤논
  2. 마빈 민스키와 시모어 페퍼트
  3. 제프리 힌턴과 야님 르쿤
  4. 요슈아 벤지오와 앤드류 응
정답 및 상세 해설 보기
정답: 2번
마빈 민스키와 시모어 페퍼트는 1969년 저서 《퍼셉트론》을 통해 단층 퍼셉트론의 한계를 지적하며 침체기(AI Winter)를 불러왔습니다.
문항 10

다층 신경망에서 은닉층이 깊어질 때, 입력층 쪽으로 갈수록 기울기가 소실되어 가중치 학습이 이루어지지 않는 현상은?

  1. 오버피팅 (Overfitting)
  2. 기울기 소실 (Gradient Vanishing)
  3. 언더피팅 (Underfitting)
  4. 토큰 이탈 (Token Overflow)
정답 및 상세 해설 보기
정답: 2번
역전파 과정에서 미분값이 연속으로 곱해지며 앞쪽 층의 기울기가 0에 수렴하는 현상을 기울기 소실(Gradient Vanishing)이라고 합니다.
문항 11

혼동 행렬(Confusion Matrix)에서 '실제 값은 참인데 모델이 거짓이라고 잘못 예측한 경우'를 가리키는 지표는?

  1. TP (True Positive)
  2. FP (False Positive)
  3. TN (True Negative)
  4. FN (False Negative)
정답 및 상세 해설 보기
정답: 4번
실제 참인 것을 거짓으로 놓친 경우는 FN(False Negative, 미견출 또는 제2종 오류)입니다.
문항 12

통계적 가설 검정의 제1종 오류에 대응하며, '실제는 거짓인데 모델이 참이라고 잘못 판정하는 경우'를 뜻하는 지표는?

  1. FP (False Positive)
  2. FN (False Negative)
  3. TN (True Negative)
  4. TP (True Positive)
정답 및 상세 해설 보기
정답: 1번
실제 음성을 양성으로 잘못 예측한 위양성(False Positive, FP) 오류가 통계학의 제1종 오류에 해당합니다.
문항 13

다음 중 정밀도(Precision)의 올바른 수학적 계산 공식을 가장 잘 설명한 것은?

  1. TP / (TP + FN)
  2. TP / (TP + FP)
  3. (TP + TN) / 전체
  4. TN / (TN + FP)
정답 및 상세 해설 보기
정답: 2번
정밀도는 모델이 참이라고 예측한 전체 대상(TP + FP) 중 실제로 참인 것(TP)의 비율입니다.
문항 14

다음 중 재현율(Recall, 민감도)의 올바른 수학적 계산 공식을 가장 잘 설명한 것은?

  1. TP / (TP + FN)
  2. TP / (TP + FP)
  3. (TP + TN) / 전체
  4. FP / (TP + FP)
정답 및 상세 해설 보기
정답: 1번
재현율은 실제 참인 전체 데이터(TP + FN) 중 모델이 참이라고 올바르게 찾아낸 것(TP)의 비율입니다.
문항 15

공항 검색대에서 실제 테러범을 놓치지 않고 최대한 다 잡아내는 것이 중요한 시나리오일 때 중점적으로 봐야 할 지표는?

  1. 정밀도 (Precision)
  2. 재현율 (Recall)
  3. 특이도 (Specificity)
  4. 오분류율
정답 및 상세 해설 보기
정답: 2번
실제 테러범(양성)을 놓치는 제2종 오류(FN)를 줄여야 하므로, 실제 참 중에서 찾아낸 비율인 재현율을 높여야 합니다.
문항 16

스팸 메일 차단 모델에서 일반 메일을 스팸으로 오인하여 차단하는 피해를 최소화하는 데 집중할 때 눈여겨봐야 할 지표는?

  1. 재현율 (Recall)
  2. 정밀도 (Precision)
  3. 정확도 (Accuracy)
  4. 손실 함수 값
정답 및 상세 해설 보기
정답: 2번
스팸이라고 판정(Positive)한 것 중 실제 스팸의 비율인 정밀도(Precision)가 높아야 일반 메일이 스팸함으로 잘못 들어가는 오탐을 줄일 수 있습니다.
문항 17

정밀도와 재현율의 상호 절충(Trade-off) 관계를 극복하기 위해 두 지표의 조화 평균을 구하는 지표는?

  1. F1 스코어 (F1 Score)
  2. MSE (평균 제곱 오차)
  3. AUC-ROC
  4. 크로스 엔트로피
정답 및 상세 해설 보기
정답: 1번
F1 Score는 정밀도와 재현율의 조화 평균으로, 두 지표가 모두 우수할 때 높은 값을 가집니다.
문항 18

전체 데이터 중 올바르게 예측한 비율이지만 불균형 데이터셋에서는 성능을 왜곡할 위험이 큰 평가지표는?

  1. F1 스코어
  2. 재현율
  3. 정확도 (Accuracy)
  4. 정밀도
정답 및 상세 해설 보기
정답: 3번
정확도(Accuracy)는 클래스 불균형이 극심한 경우 모델의 실효성을 제대로 반영하지 못하는 한계가 있습니다.
문항 19

이진 분류 모델의 임계값 변화에 따른 성능을 시각화하기 위해 X축에 위양성률, Y축에 진짜양성률을 놓아 그린 곡선은?

  1. ROC 곡선 (ROC Curve)
  2. 로스 곡선
  3. 정규 분포 곡선
  4. 학습 곡선
정답 및 상세 해설 보기
정답: 1번
ROC 곡선과 그 아래 면적(AUC)은 분류 모델의 예측 성능을 종합적으로 평가하는 대표적인 지표입니다.
문항 20

다중 클래스 분류 문제에서 각 클래스별 성능 평가를 동일한 비중으로 단순 평균하여 계산하는 방식은?

  1. 매크로 평균 (Macro Average)
  2. 마이크로 평균 (Micro Average)
  3. 가중 평균 (Weighted Average)
  4. 조화 평균 (Harmonic Average)
정답 및 상세 해설 보기
정답: 1번
매크로 평균(Macro Average)은 각 클래스의 성능을 동일한 비중으로 계산하여 단순 평균을 구하는 방식입니다.
메인 홈 Chapter 2 공부하기