[AI] AI 모델의 주요 종류

학습 방식 기준

• 지도학습 (Supervised)
  • 정답이 있는 데이터로 학습
  • 예시 : 분류, 회귀
  • 모델 : 선형회귀, 로지스틱 회귀, 랜덤포레스트, CNN, RNN 등
• 비지도학습 (UnSupervised)
  • 정답없이 데이터 구조를 학습
  • 예 : 군집화, 차원축소
  • 모델 : K-means, Autoencoder
• 강화학습 (Reinforcement)
  • 보상 기반으로 행동 최적화
  • 예 : 게임 AI, 로봇 제어
  • 모델 : DQN, PPO, A3C

 

데이터 형태 기준

• 이미지 모델
  • CNN, ViT
  • 용도 : 객체검출, 얼굴인식, 의료영상, 자율주행
• 텍스트 모델
  • RNN -> LSTM -> Transformer -> GPT 계열, BERT 계열
  • 용도 : 번역, 요약, 검색, 챗봇
• 음성 모델
  • Whisper, Wav2Vec
  • 용도 : STT(음성->텍스트), TTS(텍스트->음성)
• 멀티모달 모델
  • 이미지 + 텍스트 + 음성 결합
  • 예 : GPT-4o, Gemini, LLaVA

 

모델 구조 기준

• CNN
  • 이미지 처리에 강점
• RNN / LSTM / GRU
  • 시계열, 문장 같은 순차 데이터
• Transformer
  • GPT, BERT, T5, Claude, Llama 등 대부분의 최신 모델 기반
• 생성형 AI (Generative)
  • LLM (GPT, Claude, Llama) -> 텍스트 생성
  • Diffusion 모델 -> 이미지 생성

 

정리

목적	쓰는 모델
예측	회귀, 트리 계열
분류	CNN, Transformer
텍스트 생성	GPT 계열 (LLM)
이미지 생성	Diffusion
추천	Matrix Factorization, Neural RecSys
이상탐지	Autoencoder, Isolation Forest