용어집

자연어 이해(NLU)

기계가 인간의 언어를 이해하고, 해석하고, 반응할 수 있게 해주는 획기적인 AI 기술인 자연어 이해(NLU)에 대해 알아보세요.

YOLO 모델을 Ultralytics HUB로 간단히
훈련

자세히 알아보기

자연어 이해(NLU)는 인공 지능(AI) 의 중요한 분야이자 자연어 처리(NLP) 내의 전문 하위 분야입니다. 이 분야의 주요 초점은 기계가 서면 텍스트든 구어든 인간의 언어에 내재된 의미, 의도, 뉘앙스를 제대로 이해할 수 있는 능력을 갖추는 데 있습니다. NLU는 단순한 텍스트 분석이나 키워드 매칭을 넘어 심층적인 해석을 통해 AI 시스템이 보다 자연스럽고 의미 있으며 효과적인 방식으로 인간과 상호 작용할 수 있도록 지원합니다. 기계가 언어를 처리하는 데 그치지 않고 이해할 수 있게 해주는 핵심 기술입니다.

자연어 이해(NLU)란 무엇인가요?

자연어 이해는 컴퓨터가 인간처럼 언어의 문맥적 의미를 파악하도록 훈련하는 것입니다. 이는 키워드나 기본 패턴을 식별하는 것보다 훨씬 더 복잡합니다. NLU 시스템은 문장 구조를 분석하고, 문법적 역할을 식별하고, 대명사 참조를 해결하고, 명명된 개체를 인식하고, 사용자의 기본 목표 또는 의도를 파악합니다. 주요 작업에는 종종 엔티티 추출 (이름, 날짜 또는 위치와 같은 특정 정보 식별)과 주변 맥락을 고려하여 인간 커뮤니케이션에 내재된 미묘함과 언어적 모호함을 해독하는 작업이 포함됩니다. NLU는 AI 애플리케이션에서 지능형 언어 상호 작용을 지원하는 '이해 엔진'이라고 생각하면 됩니다.

NLU의 관련성

NLU는 인간과 기계 간의 커뮤니케이션 격차를 해소하는 데 중요한 역할을 합니다. 빅데이터가 넘쳐나는 오늘날의 세상에는 텍스트 문서, 이메일, 소셜 미디어 게시물, 음성 녹음과 같은 비정형 형식의 방대한 양의 귀중한 정보가 존재합니다. NLU는 이러한 데이터에서 인사이트를 얻는 데 필요한 도구를 제공하며, 보다 직관적이고 사용자 친화적인 기술 인터페이스를 만들 수 있게 해줍니다. 정교한 NLU가 없다면 고급 가상 비서, 복잡한 챗봇, 자동화된 데이터 분석 도구와 같은 AI 애플리케이션은 사용자의 요구를 정확하게 해석하거나 의미 있는 정보를 안정적으로 추출하는 데 어려움을 겪을 것입니다. 고객 서비스, 의료, 금융, 교육 등 다양한 분야에 AI가 점점 더 많이 통합됨에 따라 그 중요성은 계속 커지고 있습니다.

NLU의 응용

NLU 기술은 수많은 실제 애플리케이션의 원동력으로, 기계가 언어 기반 입력을 이해하고 효과적으로 대응할 수 있게 해줍니다. 다음은 두 가지 구체적인 예시입니다:

  • 고급 가상 비서 및 챗봇: NLU는 Google 어시스턴트, 아마존 알렉사 같은 어시스턴트와 정교한 고객 서비스 챗봇의 역량을 강화합니다. 단순히 키워드를 일치시키는 것이 아니라 다양한 방식으로 표현된 사용자 질문("내일 날씨가 어때요?")이나 명령("10분 동안 타이머 설정")의 의도를 이해할 수 있습니다. 이를 통해 보다 유용하고 자연스러운 대화가 가능합니다.
  • 감정 분석 및 시장 조사: 기업들은 감성 분석에 NLU를 사용하여 제품 리뷰, 소셜 미디어 댓글 또는 설문조사 응답을 분석하여 여론이나 고객 만족도를 측정합니다. NLU는 기본 감정(긍정, 부정, 중립)과 논의되는 특정 측면을 파악하여 시장 조사 및 브랜드 관리를 위한 귀중한 인사이트를 제공합니다.

NLU와 관련 개념

NLU는 다른 AI 및 언어 처리 용어와 함께 자주 논의되지만, 그 초점은 명확하게 구분됩니다:

  • 자연어 처리(NLP): NLP는 언어의 모든 계산 처리를 포괄하는 광범위한 분야입니다. NLU는 특히 이해 또는 이해 측면에 초점을 맞춘 NLP의 하위 분야입니다. NLP에는 깊은 이해가 필요하지 않은 텍스트 생성이나 기본 처리와 같은 작업도 포함됩니다.
  • 자연어 생성(NLG): NLU는 입력 언어를 이해하는 데 중점을 두는 반면, NLG는 요약, 보고서 또는 챗봇 응답을 생성하는 등 사람과 유사한 언어를 출력으로 생성하는 데 중점을 둡니다. 대화형 AI 시스템에서 종종 함께 사용되지만 서로 반대되는 작업을 처리합니다.
  • 명명된 엔티티 인식(NER): NER은 이름, 장소, 조직과 같은 엔티티를 식별하고 분류하는 NLU 내의 특정 작업입니다. NLU에는 엔티티 간의 관계 이해, 모호성 해결, 전반적인 의도 파악 등이 포함됩니다.
  • 시맨틱 검색: 시맨틱 검색 엔진은 NLU 기술을 활용하여 검색 쿼리의 의미와 의도를 이해함으로써 키워드 매칭을 넘어 보다 관련성 높은 결과를 제공합니다. Ultralytics Explorer와 같은 도구는 데이터 세트 내에서 지능적인 데이터 탐색 및 쿼리를 위해 유사한 기본 원칙을 활용할 수 있습니다.

NLU를 지원하는 기술

최신 NLU는 머신 러닝(ML), 특히 딥 러닝(DL)의 발전에 크게 의존하고 있습니다. Transformers와 같은 신경망 아키텍처와 BERT와 같은 사전 학습된 모델은 언어 내의 복잡한 문맥 관계를 효과적으로 포착함으로써 NLU 기능에 혁신을 가져왔습니다. 이러한 혁신은 현재 대규모 언어 모델(LLM)의 힘의 근간을 이루고 있습니다. 스탠포드 NLP 그룹과 같은 저명한 AI 연구 기관과 스파시(spaCy ) 및 Hugging Face 은 이 분야의 발전에 크게 기여하고 있습니다. Ultralytics HUB와 같은 플랫폼은 주로 Ultralytics YOLO 같은 모델을 사용하는 객체 감지와 같은 컴퓨터 비전(CV) 작업에 중점을 두고 있지만, 기본 AI 원칙은 특히 빠르게 발전하고 있는 NLP와 CV를 연결하는 다중 모드 모델 영역에서 종종 교차하는 경우가 많습니다. AI 및 ML 애플리케이션에 대한 자세한 내용은 Ultralytics 설명서를 참조하세요.

모두 보기