SEO를 위한 생성형 AI 활용

2장. 제너레이티브 AI의 필수 배경

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

1장에서는 AI 시대의 SEO에 대해 논의하기 위한 토대를 마련했습니다. 이 장에서는 SEO 프로젝트에 적합한 도구를 선택하는 방법을 비롯하여 제너레이티브 AI 시장에 대해 알아야 할 필수 사항을 알려드립니다. 또한 제너레이티브 AI의 한계와 검색에 미치는 영향에 대해서도 논의할 것입니다.

다룰 주제는 다음과 같습니다:

• 제너레이티브 AI 이해를 위한 주요 기술 용어

• 제너레이티브 AI 시장의 개요

• 현재 제너레이티브 AI의 한계와 이에 대한 정부의 규제 가능성

• 제너레이티브 AI가 SEO에 미치는 영향과 검색의 변화

주요 용어

시작하기 전에 이 책에서 자주 사용할 제너레이티브 AI 관련 기술 용어 몇 가지를 소개합니다:

대규모 언어 모델(LLM)

LLM( )은 생성형 AI 도구의 핵심입니다. 이는 오픈 인터넷 및/또는 기타 대규모 데이터 소스의 크롤링을 기반으로 언어를 이해하도록 훈련된 알고리즘입니다. 이들은 신경망을 기반으로 하며, 그 크기는 알고리즘을 학습하는 동안 신경망에 사용된 매개 변수의 수로 측정됩니다. 신경망의 크기를 늘리면 LLM의 성능과 정확도를 높일 수 있지만, 네트워크 크기가 커지면 반환하는 값이 줄어들거나 심지어 네트워크가 데이터를 "과적합"하기 때문에 새로운 오류가 발생할 수 있습니다(네트워크가 데이터를 "과적합").

신경망 네트워크

인간의 뇌에서 영감을 받아 데이터를 처리하도록 설계된 신경망은 AI 알고리즘을 훈련하는 가장 강력한 접근 방식 중 하나입니다. 신경망은 여러 계층의 노드 ( 매개변수 또는 뉴런이라고도 함)를 사용하여 입력을 받고, 입력을 처리한 다음 출력을 전달합니다. 개념적으로 이 과정은 대수 방정식을 푸는 것과 비슷하지만, LLM을 학습시킬 때는 수억 개 또는 수조 개의 데이터 포인트가 복잡하게 얽혀 있을 수 있습니다.

노드

노드 는 신경망의 데이터 포인트를 나타냅니다. 노드에 입력된 매개변수를 기반으로 각 노드에서 계산이 수행됩니다. 그런 다음 노드는 신경망의 다음 계층에 있는 노드에 입력되거나 출력이 되는 파라미터를 출력합니다.

파라미터

파라미터 는 계산해야 하는 신경망 모델의 구성 요소입니다. 이들은 해당 노드에 가중치를 제공하는 노드에 대한 입력 역할을 합니다. 매개변수 수가 많을수록 더 복잡한 문제를 해결할 수 있는 더 복잡한 신경망을 나타냅니다.

프롬프트

프롬프트( )는 처리 및 출력을 위해 LLM으로 전송되는 사용자 입력입니다. 프롬프트는 검색에서 쿼리가 하는 것과 같은 역할을 하며, 사용자가 찾고 있는 것을 표시하는 방식입니다.

토큰

토큰은 측정 단위로, 생성형 AI 도구에 얼마나 많은 입력을 제공할 수 있는지, 그리고 얼마나 많은 출력을 제공할 수 있는지를 설명합니다. 입력(또는 출력)의 토큰 수는 일반적으로 단어 수보다 다소 큽니다. 각 LLM은 단어의 토큰화를 ...