지식 · AI 기초
온도 · 샘플링 설정
Temperature (Sampling)
📂AI 기초⏱읽기 1분📊실무🔗관련 4
온도란?
한 줄 정의
AI 답변의 '무작위성·창의성' 정도를 조절하는 설정. 낮으면 일관·안정적, 높으면 다양·창의적인 답이 나온다.
⚡ 3줄 요약
- 답변의 무작위성·창의성 조절
- 낮으면 일관, 높으면 다양
- 용도에 맞게 설정
언어모델은 다음 단어를 확률로 고르는데, 온도(temperature)는 그 선택의 과감함을 조절합니다. 온도가 낮으면 가장 확률 높은 안전한 단어를 골라 일관되고 예측 가능한 답을, 높으면 덜 뻔한 단어까지 골라 다양하고 창의적인(때론 엉뚱한) 답을 냅니다.
실무에선 목적에 맞춰 조절합니다 — 사실 정리·코드·분류엔 낮은 온도(정확·일관), 아이디어 발상·카피라이팅엔 높은 온도(다양성)가 유리합니다. Top-p 같은 유사한 설정도 함께 쓰입니다. 프롬프트만큼 결과를 좌우하는 실무 knob입니다.
💡 쉽게 말하면
라디오 다이얼처럼 — 낮추면 안정적 답, 높이면 창의적이지만 튀는 답이 나옵니다.
실무에서 왜 중요한가
같은 프롬프트도 온도에 따라 결과가 달라집니다. 이 설정을 알면 AI 결과를 목적에 맞게 조율할 수 있습니다.
유래와 출처
확률 분포의 '뾰족함'을 조절하는 통계 개념(소프트맥스 온도)에서 왔으며, 생성형 AI의 출력 다양성을 제어하는 표준 설정으로 쓰입니다.
사례로 이해하기
예를 들어, 목적에 따라 온도를 바꾼다고 해봅시다.
- 사실 정리 — 낮은 온도로 일관·정확한 답을 얻습니다.
- 코드 — 낮은 온도로 안정적인 결과를 받습니다.
- 브레인스토밍 — 온도를 높여 다양한 아이디어를 뽑습니다.
- 비교 — 같은 프롬프트를 온도만 바꿔 결과를 봅니다.
- 조율 — 목적에 맞는 값으로 고정합니다.
관련 용어
프롬프트 엔지니어링생성형 AI가 원하는 결과를 내도록 지시문(프롬프트)을 설계·개선하는 기술. 역할·맥락·예시·형식을 명확히 줄수록 품질이 올라간다.LLM · 대규모 언어모델방대한 텍스트로 학습해 '다음에 올 말'을 예측하며 문장을 생성하는 대규모 신경망. ChatGPT·Claude의 두뇌.생성형 AI텍스트·이미지·코드·음성 등 새로운 콘텐츠를 만들어내는 AI. ChatGPT·Claude 같은 대규모 언어모델이 대표적이다.할루시네이션 · 환각AI가 사실이 아닌 내용을 사실처럼 그럴듯하게 지어내는 현상. 생성형 AI 활용에서 반드시 관리해야 할 위험.
이 용어와 연결된 교육
📚클로드 코워크 핵심기능 활용나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
정확성이 중요하면 낮게(예: 0~0.3), 창의성이 필요하면 높게(예: 0.7~1) 두는 것이 일반적입니다.
다양해지는 만큼 엉뚱하거나 부정확한 답도 늘 수 있습니다. 사실 작업엔 낮은 온도가 안전합니다.
정확·일관이 필요하면 낮게(0~0.3), 창의·다양성이 필요하면 높게(0.7~1) 씁니다.
다양해지는 만큼 엉뚱한 답 확률도 늘 수 있습니다. 사실 정확성이 중요하면 낮춥니다.