품앗이 위키

AI활동가 개념사전 100

33 min read

관련: 사교원_연대지능_AI아카데미_1기 | 지능 무산자의 시대 | 파울로 프레이리

사회혁신교육원 「연대지능과 사회혁신 — AI 활용 활동가 양성과정」 수강생을 위한 개념사전입니다. 과정 5회차 흐름을 따라 5부로 나누었고, 약자는 풀네임을 함께 적었습니다. 어려운 말은 물리적 실체부터 설명합니다. 실습에서 직접 만나는 개발환경·네트워크·서비스 13개는 부록(101~113)에 모았습니다.

1부. AI란 무엇인가 — 기초 개념 (1~20)

  1. 인공지능 (AI, Artificial Intelligence) — 사람이 하던 판단·언어·인식 작업을 컴퓨터가 수행하게 만든 기술의 총칭. 마법이 아니라 수학과 데이터로 만든 도구다.
  2. 머신러닝 (Machine Learning, 기계학습) — 규칙을 일일이 프로그래밍하지 않고, 데이터에서 패턴을 스스로 찾아내게 하는 방법. “예시를 잔뜩 보여주며 가르치는” 방식.
  3. 딥러닝 (Deep Learning, 심층학습) — 사람 뇌의 신경세포 연결을 본뜬 인공신경망을 여러 층 깊게 쌓은 머신러닝. 2010년대 이후 AI 도약의 엔진.
  4. 인공신경망 (Neural Network) — 숫자를 주고받는 단순한 계산 단위(노드)를 그물처럼 연결한 구조. 학습이란 이 연결의 세기(가중치)를 조정하는 일이다.
  5. 거대언어모델 (LLM, Large Language Model) — 방대한 글을 학습해 다음 단어를 예측하는 능력으로 대화·작문·요약까지 해내는 모델. ChatGPT, Claude, 국산 EXAONE이 여기 속한다.
  6. 토큰 (Token) — LLM이 글을 읽고 쓰는 최소 조각. 한국어는 보통 한 단어가 1~3토큰. AI 사용료가 토큰 수로 계산되므로 활동가의 “예산 단위”이기도 하다.
  7. 파라미터 (Parameter, 매개변수) — 모델 안에 저장된 숫자들(연결 가중치). “32B 모델”은 파라미터가 320억 개라는 뜻. 많을수록 대체로 똑똑하지만 무겁고 비싸다.
  8. 학습과 추론 (Training / Inference) — 학습은 모델을 만드는 단계(몇 주, GPU 수백 장), 추론은 만들어진 모델에게 질문해 답을 받는 단계(몇 초). 우리가 쓰는 건 대부분 추론이다.
  9. 프롬프트 (Prompt) — AI에게 건네는 지시문·질문. 같은 모델도 프롬프트에 따라 결과가 크게 달라진다.
  10. 맥락창 (Context Window, 컨텍스트 윈도우) — AI가 한 번에 기억하며 읽을 수 있는 분량의 한계. 이걸 넘으면 앞의 내용을 잊는다. “AI의 책상 크기”.
  11. 환각 (Hallucination, 할루시네이션) — AI가 모르는 것을 모른다고 하지 않고 그럴듯한 거짓을 지어내는 현상. 활동가가 AI 결과물을 반드시 검증해야 하는 첫 번째 이유.
  12. 사전학습 (Pre-training) — 인터넷 규모의 글을 통째로 읽혀 언어 능력의 바탕을 만드는 단계. 거대 자본만 할 수 있는 영역이다.
  13. 미세조정 (Fine-tuning, 파인튜닝) — 이미 만들어진 모델에 우리 분야의 데이터를 추가로 학습시켜 전문성을 입히는 일. 작은 조직도 해볼 수 있는 영역이다.
  14. GPU (Graphics Processing Unit, 그래픽 처리 장치) — 원래 게임 화면용이던 계산 칩. 수천 개의 계산을 동시에 해서 AI 학습·추론의 필수 장비가 됐다. 서버에 꽂는 책만 한 보드 한 장이 수천만 원.
  15. 모델 가중치 (Model Weights) — 학습이 끝난 파라미터 숫자 뭉치 그 자체. 이 파일을 공개하면 “오픈 웨이트 모델”, 감추면 폐쇄 모델이다.
  16. 오픈소스 모델 / 폐쇄 모델 — 누구나 내려받아 자기 서버에서 돌릴 수 있는 모델(EXAONE, Llama)과 기업 서버를 통해서만 쓸 수 있는 모델(GPT, Claude). 데이터 주권과 직결되는 갈림길.
  17. 생성형 AI (Generative AI) — 분류·예측을 넘어 글·그림·소리·영상을 새로 만들어내는 AI의 총칭.
  18. 멀티모달 (Multimodal) — 글뿐 아니라 이미지·소리·영상을 함께 이해하고 만드는 능력. 사진을 보여주며 물어볼 수 있는 이유.
  19. 추론 모델 (Reasoning Model) — 답하기 전에 속으로 단계별 생각을 길게 펼치는 최신 LLM. 어려운 문제에 강하지만 느리고 토큰을 많이 쓴다.
  20. 온디바이스 / 클라우드 AI — 내 기기 안에서 도는 AI와 기업 데이터센터에서 도는 AI. 어디서 도느냐가 곧 내 데이터가 어디로 가느냐다.

2부. AI를 부리는 법 — 활용 실무 (21~40)

  1. 챗봇 (Chatbot) — 대화 형식으로 쓰는 AI 서비스. 모델 그 자체가 아니라 모델을 감싼 “응대 창구”다.
  2. 에이전트 (Agent) — 한 번 묻고 답하는 데서 나아가, 목표를 주면 도구를 쓰고 여러 단계를 스스로 밟아 일을 끝내는 AI. “비서”에 가깝다.
  3. 하네스 (Harness) — 모델에게 도구·규칙·작업 환경을 채워주는 틀(마구馬具에서 온 말). 같은 모델도 하네스가 좋으면 일꾼이 되고 없으면 수다쟁이에 그친다. 1회차 핵심 개념.
  4. 시스템 프롬프트 (System Prompt) — 사용자 눈에 안 보이게 AI에게 미리 깔아두는 기본 지시(“너는 ~다, ~는 하지 마라”). AI의 “근무 수칙”.
  5. 검색증강생성 (RAG, Retrieval-Augmented Generation) — 질문이 오면 먼저 우리 문서고에서 관련 자료를 찾아 AI에게 쥐여주고 답하게 하는 방식. 환각을 줄이고 우리 지식으로 답하게 만드는 핵심 기술.
  6. 임베딩 (Embedding) — 글의 의미를 숫자 좌표(벡터)로 바꾸는 일. “뜻이 비슷한 글은 가까운 좌표”가 되므로 의미 검색이 가능해진다.
  7. 벡터 데이터베이스 (Vector Database) — 임베딩 좌표들을 저장해두고 “이 질문과 가장 가까운 문서”를 빨리 찾아주는 창고. RAG의 서가.
  8. API (Application Programming Interface) — 프로그램끼리 서로 부르는 공식 창구. “사람용 화면” 뒤에 있는 “기계용 출입구”로, 자동화는 대부분 API로 이뤄진다.
  9. API 키 (API Key) — API를 쓸 때 내미는 열쇠 문자열. 유출되면 남이 내 돈으로 AI를 쓰게 되므로 비밀번호처럼 관리한다.
  10. 프롬프트 엔지니어링 (Prompt Engineering) — 원하는 결과가 나오도록 지시문을 설계하는 기술. 역할 부여, 예시 제시, 단계 나누기가 기본기다.
  11. 페르소나 (Persona) — AI에게 부여하는 일관된 정체성과 말투. 우리 조직의 챗봇이라면 우리 가치와 어휘로 말하게 만드는 일.
  12. 평가셋 (Evaluation Set) — AI의 품질을 재는 표준 문제집. “느낌상 좋아졌다”가 아니라 100문항 중 몇 개를 맞히는지 숫자로 확인한다.
  13. 피드백 루프 (Feedback Loop, 환류) — 사용 결과(좋아요/싫어요, 틀린 답)를 모아 다시 시스템 개선에 반영하는 순환. 이게 없는 AI는 늙기만 한다.
  14. 폴백 (Fallback) — 주 시스템이 고장 났을 때 자동으로 예비 시스템으로 넘어가는 안전장치. 활동 현장의 “비상 발전기”.
  15. 스트리밍 (Streaming) — 답변이 완성될 때까지 기다리지 않고 글자가 생기는 대로 흘려보내는 방식. 챗봇에서 글자가 한 자씩 나타나는 이유.
  16. MCP (Model Context Protocol) — AI가 외부 도구·데이터에 접속하는 표준 규약. “AI용 USB 규격”이라 불리며, 도구를 표준 방식으로 꽂게 해준다.
  17. 컨텍스트 (Context, 맥락) — 지금 대화에서 AI가 알고 있는 모든 것(이전 대화, 제공 문서, 지시). AI를 잘 쓰는 일의 절반은 좋은 맥락을 만들어주는 일이다.
  18. 온도 (Temperature) — 답변의 무작위성 조절값. 낮으면 정확하고 단조롭게, 높으면 창의적이고 들쑥날쑥하게 답한다.
  19. 구독료와 토큰 요금 — AI 비용의 두 방식. 정액 구독(월 몇만 원)과 쓴 만큼 내는 토큰 종량제. 조직 도입 시 어느 쪽이 맞는지 따지는 게 실무의 시작.
  20. AI 리터러시 (AI Literacy) — AI를 부리되 휘둘리지 않는 능력. 무엇을 시킬지 판단하고, 결과를 검증하고, 한계를 아는 것까지 포함한다.

3부. 손에 익혀야 할 도구 — 코딩·인프라 기초 (41~60)

  1. 터미널 (Terminal, 명령줄/CLI) — 마우스 대신 글자 명령으로 컴퓨터를 부리는 검은 창. AI 시대에 더 중요해졌다 — AI에게 일을 시키는 통로가 대부분 여기다.
  2. 코드 에디터 (Code Editor) — 코드와 문서를 다루는 전용 편집기(VS Code가 대표). 활동가에게는 “디지털 작업대”.
  3. 깃 (Git) — 파일의 변경 이력을 전부 기록하는 버전 관리 도구. “언제든 되돌릴 수 있다”는 안전망이라 AI에게 일을 맡길 때 더욱 필수다. 2회차 핵심.
  4. 깃허브 (GitHub) — 깃 저장소를 인터넷에 올려 보관·공유·협업하는 서비스. 전 세계 오픈소스의 광장.
  5. 커밋 (Commit) — 작업을 한 묶음으로 기록에 남기는 행위. “여기까지 했다”는 도장. 커밋이 쌓이면 조직의 작업 역사가 된다.
  6. 백업 (Backup) — 자산의 사본을 다른 곳에 두는 일. 원칙은 “유일본을 만들지 않는 것”. 디지털 조직운영의 1번 규율이다.
  7. 서버 (Server) — 24시간 켜져 서비스 요청에 응답하는 컴퓨터. 물리적으로는 데이터센터 선반에 꽂힌 납작한 상자다.
  8. 클라우드 (Cloud) — 남의 데이터센터 컴퓨터를 시간 단위로 빌려 쓰는 방식. 초기 비용 없이 시작할 수 있지만, 빌린 땅이라는 점은 늘 기억해야 한다.
  9. 도메인 (Domain) — 인터넷 주소 이름(예: poomasi.org). 조직의 디지털 문패이며 연 몇만 원에 소유할 수 있는 자산.
  10. DNS (Domain Name System) — 도메인 이름을 실제 서버 주소(숫자)로 바꿔주는 인터넷 전화번호부.
  11. HTTPS — 웹사이트와 나 사이 통신을 암호화하는 자물쇠. 주소창의 자물쇠 아이콘이 그 표시다.
  12. 데이터베이스 (Database, DB) — 데이터를 구조 있게 저장하고 빠르게 찾는 창고 프로그램. 회원명부·거래기록·문답기록이 사는 곳.
  13. JSON (JavaScript Object Notation) — 프로그램끼리 데이터를 주고받는 표준 표기법. 중괄호와 따옴표로 된 텍스트로, API의 공용어다.
  14. 마크다운 (Markdown) — #과 - 같은 단순 기호로 서식을 표현하는 글쓰기 규칙. 위키·AI·깃허브의 공용 문서 형식이라 활동가의 새 필기법이 된다.
  15. 정적 사이트 (Static Site) — 미리 만들어둔 페이지를 그대로 내보내는 웹사이트. 서버 비용이 거의 0원이라 작은 조직 홈페이지의 정답이 될 때가 많다. 4회차 핵심.
  16. 배포 (Deploy) — 만든 것을 실제 서비스에 내보내는 일. “원고 탈고”와 “인쇄·배포”가 다르듯, 만드는 것과 내보내는 것은 다른 단계다.
  17. 오픈소스 (Open Source) — 소스 코드를 공개해 누구나 쓰고 고치고 나누게 하는 소프트웨어와 그 운동. 디지털 세계의 공유지이며, 우리가 무료로 쓰는 도구 대부분의 토대다.
  18. 라이선스 (License) — 창작물 사용 조건의 약속. 오픈소스에도 조건(저작자 표시, 동일 조건 공유 등)이 있다 — “공짜”가 아니라 “조건부 선물”이다.
  19. 로그 (Log) — 시스템이 남기는 활동 일지. 문제가 생겼을 때 추측 대신 로그를 보는 습관이 디지털 역량의 분기점이다.
  20. 버그와 디버깅 (Bug / Debugging) — 프로그램의 오류와 그 원인을 찾아 고치는 과정. AI 시대의 디버깅은 “AI가 한 일을 검증하는 능력”까지 포함한다.

4부. 지식과 데이터의 주인 되기 — 지식백과·데이터 주권 (61~80)

  1. 데이터 (Data) — 기록된 모든 것. 운동의 맥락에서는 “활동이 남기는 발자국”이며, 누가 모으고 소유하느냐가 권력 문제다.
  2. 데이터셋 (Dataset) — 한 가지 목적으로 모아 정리한 데이터 묶음. AI 학습의 식재료.
  3. 코퍼스 (Corpus, 말뭉치) — AI에게 읽힐 글 모음. 우리 분야의 법령·문서·기록을 모으면 그게 우리 AI의 교과서가 된다. 3회차 핵심.
  4. 데이터 주권 (Data Sovereignty) — 내 활동이 만든 데이터를 내가(우리가) 소유·통제하는 것. 플랫폼에 쌓인 데이터는 플랫폼의 자산이 된다 — 이 과정 전체를 관통하는 문제의식.
  5. 디지털 위키 (Wiki) — 여럿이 함께 만드는 연결형 지식 사이트. 개인 메모와 달리 조직의 공동 기억이 된다.
  6. 옵시디언 (Obsidian) — 마크다운 문서를 서로 연결하며 쌓는 개인·조직 지식 도구. 문서 사이에 다리를 놓는 것이 본질이다.
  7. 백링크 (Backlink) — “이 문서를 가리키는 문서들”을 자동으로 보여주는 연결. 지식이 고립된 파일이 아니라 그물이 되게 한다.
  8. 지식 그래프 (Knowledge Graph) — 개념들을 점으로, 관계를 선으로 엮은 지식의 지도. 위키가 자라면 그래프가 보인다.
  9. 온톨로지 (Ontology) — 한 분야의 개념·관계·규칙을 컴퓨터가 따질 수 있게 정리한 설계도. “AI에게 우리 분야의 문법을 가르치는 일”.
  10. 암묵지와 형식지 (Tacit / Explicit Knowledge) — 몸과 경험에 밴 지식과 글로 적힌 지식. 현장 활동가의 힘은 암묵지에 있고, 그것을 형식지로 옮길 때 조직의 자산이 된다.
  11. 정본 (SSOT, Single Source of Truth) — “어느 파일이 진짜인가”에 대한 단일한 답. 정본 없이 사본이 떠돌면 조직은 서로 다른 숫자로 싸우게 된다.
  12. 메타데이터 (Metadata) — 데이터에 대한 데이터(작성자·날짜·출처·등급). 검색과 신뢰의 뼈대.
  13. 공공데이터와 OPEN API — 정부·공공기관이 개방한 데이터와 그 자동 조회 창구. 법령·기상·통계가 무료로 열려 있다 — 시민의 세금으로 만든 시민의 자산.
  14. 크롤링 (Crawling) — 프로그램으로 웹페이지를 자동 수집하는 일. 가능 여부와 예의(이용약관, 서버 부담)를 따지는 것까지가 기술이다.
  15. 개인정보 (Personal Data) — 살아 있는 개인을 알아볼 수 있는 모든 정보. 수집 최소화·목적 제한·동의가 법(개인정보 보호법)의 기본 원칙이다.
  16. CC 라이선스 (Creative Commons) — 창작물을 조건 명시해 미리 공유 허락하는 표준 표시(예: CC BY-NC = 출처 표시, 비영리만). 지식 공유 운동의 약속 언어.
  17. 아카이빙 (Archiving) — 기록을 후대가 찾아 쓸 수 있는 형태로 보존하는 일. 운동의 역사는 아카이브가 있어야 계승된다.
  18. 집단지성 (Collective Intelligence) — 여럿의 앎이 모여 개인을 넘어서는 지성. 위키백과가 증명했고, 우리는 조직 규모에서 재현하려 한다.
  19. 검증 (Verification) — 출처를 확인하고 사실과 주장을 가르는 일. AI가 글을 쏟아내는 시대에 활동가의 핵심 노동은 생산이 아니라 검증이다.
  20. 디지털 커먼즈 (Digital Commons) — 위키백과·오픈소스처럼 모두가 가꾸고 모두가 쓰는 디지털 공유지. 사유화(인클로저)와의 긴장 속에 있다.

5부. 무엇을 위한 AI인가 — 연대지능과 운동의 개념 (81~100)

  1. 연대지능 (Solidarity Intelligence) — 이 과정의 이름이자 지향. 혼자 똑똑해지는 지능이 아니라, 결사한 사람들 사이에서 작동하며 연대를 강화하는 지능을 가리킨다.
  2. 사회지능 (Social Intelligence) — 데이터와 AI를 자본의 도구가 아니라 사회(공동체)의 역량으로 만들자는 운동의 개념. 21세기 품앗이의 인프라.
  3. 도메인 특화 AI (Domain-specific AI) — 만능 AI가 아니라 한 분야(로컬푸드, 재생에너지)를 깊이 아는 AI. 작은 조직이 거대 모델과 경쟁하는 현실적 경로다.
  4. 품아이 / 품에 — 도메인 특화 AI의 실제 사례. 품아이는 로컬라이프 AI(로컬푸드 직매장에서 출발), 품에는 그 에너지 분야(영농형 태양광 — ‘품에 안기다’의 중의)다. 이 과정의 살아 있는 교재.
  5. 자동화와 AI의 구분 — 자동화는 정해진 일을 반복하는 손발(반응), AI는 판단·언어·관계·예측을 다루는 두뇌. 이 구분이 서면 “무엇을 맡길지”가 보인다.
  6. 알고리즘 (Algorithm) — 문제를 푸는 절차의 설계. 사회적으로는 “무엇을 보여주고 감출지 정하는 보이지 않는 편집장”으로 작동한다.
  7. 편향 (Bias) — 학습 데이터에 담긴 차별과 쏠림이 AI 출력에 재생산되는 것. AI는 중립이 아니라 데이터의 거울이다.
  8. 필터버블 (Filter Bubble) — 알고리즘이 내 취향만 보여줘 시야가 좁아지는 현상. 공론장의 적이며, 조직화가 어려워지는 기술적 배경이다.
  9. 플랫폼 자본주의 (Platform Capitalism) — 플랫폼이 이용자의 데이터와 노동으로 가치를 빨아들이는 축적 체제. 배달앱과 농민, 포털과 소상공인의 관계를 설명하는 틀.
  10. 데이터의 상품화 — 폴라니가 말한 허구상품(토지·노동·화폐)의 21세기 연장. 삶의 기록이 동의 없이 사고팔리는 상품이 되는 문제 — 사회지능 운동이 맞서는 지점.
  11. 디지털 격차 (Digital Divide) — 기술 접근·활용 능력의 불평등. AI 시대에는 “AI를 부리는 자와 AI에 휘둘리는 자”의 격차로 깊어진다.
  12. 마법사의 제자 — 괴테의 우화. 주문(도구)은 외웠지만 멈추는 법을 모르는 상태. 도구 사용을 넘어 통제력을 갖추자는 이 과정의 경계 표지판.
  13. 은행예금식 교육 (Banking Education) — 프레이리의 비판 개념. 지식을 일방적으로 “예금”하는 교육. 이 과정이 과제·대화·실습으로 설계된 이유이며, AI 활용에서도 “AI가 떠먹여주는 답”을 경계하는 원리가 된다.
  14. 프락시스 (Praxis) — 성찰과 행동의 결합(프레이리). 배우고 끝이 아니라 현장에서 실행하고 다시 성찰하는 순환 — 5회차 워크숍이 지향하는 것.
  15. AI 윤리 (AI Ethics) — AI의 개발·사용이 사람과 공동체에 미치는 영향을 따지는 기준. 투명성, 책임, 동의, 피해 최소화가 뼈대다.
  16. 데이터 노동 (Data Labor) — AI 뒤에 숨은 사람의 일 — 데이터 라벨링, 검수, 콘텐츠 모더레이션. “AI가 했다”의 상당 부분은 저임금 노동이 했다.
  17. 거버넌스 (Governance) — 기술과 데이터를 누가 어떤 절차로 통제하는가의 문제. 조직의 AI 도입은 기술 선택이기 전에 거버넌스 설계다.
  18. 사회연대경제 (SSE, Social and Solidarity Economy) — 협동조합·사회적기업 등 이윤보다 사람과 연대를 앞세우는 경제 부문. 이 과정의 수강생들이 선 자리이며, AI가 복무해야 할 곳이다.
  19. 적정기술 (Appropriate Technology) — 가장 화려한 기술이 아니라 우리 형편과 목적에 맞는 기술. “최신”보다 “유지할 수 있는가”를 묻는 태도.
  20. 데이터 협동조합 (Data Cooperative) — 데이터를 조합원이 공동 소유·통제하는 조직 모델. 데이터 주권을 개인의 각성이 아니라 결사의 제도로 푸는 길.

부록. 과정에서 만나는 기술환경 (101~113)

본문 100개에 더해, 이번 과정의 실습에서 직접 마주치는 개발환경·네트워크·서비스를 모았습니다. 클라우드의 기본 개념은 48번을 먼저 보세요.

  1. 파이썬 (Python) — AI·데이터 분야의 사실상 표준 프로그래밍 언어. 문법이 영어 문장에 가까워 비전공자의 진입로가 된다. 이제 코드는 AI가 짜주는 시대지만, 무엇을 시켰고 무엇이 나왔는지 읽는 것은 여전히 사람 몫이다.
  2. 라이브러리 / 패키지 (Library / Package) — 남이 만들어 공개한 코드 부품. 명령 한 줄(pip install)로 내 작업에 가져다 쓴다. 오픈소스 공유지(57번)가 일상에서 작동하는 모습이다.
  3. 개발환경 (Development Environment) — 코드를 쓰고 실행해보는 작업 공간 일체 — 에디터(42번)+터미널(41번)+언어+라이브러리. 내 컴퓨터에 차리면 로컬 환경, 서버에 차려 두고 접속하면 원격 환경이다.
  4. 쿠다 (CUDA, Compute Unified Device Architecture) — 엔비디아 GPU(14번)에게 그래픽이 아닌 일반 계산을 시키게 해주는 소프트웨어 틀. GPU가 AI 필수 장비가 된 것은 이 소프트웨어 생태계 덕이며, 동시에 엔비디아 독점의 해자이기도 하다.
  5. 프론트엔드 (Frontend) — 웹서비스의 앞면. 사용자 눈에 보이는 화면·버튼·글꼴로, 내 브라우저 안에서 실행된다. 재료는 셋 — HTML(뼈대), CSS(옷), 자바스크립트(움직임).
  6. 백엔드 (Backend) — 웹서비스의 뒷면. 화면 뒤에서 로그인·저장·계산을 처리하며 서버(47번)에서 돈다. 식당에 비유하면 프론트엔드는 홀, 백엔드는 주방이다.
  7. 클라이언트와 서버 (Client / Server) — 요청하는 쪽(내 브라우저·폰)과 응답하는 쪽(서버). 인터넷 전체가 이 분업 위에 서 있다. “누가 요청하고 누가 응답하는가”를 그릴 수 있으면 문제 원인 찾기가 절반은 끝난다.
  8. IP 주소 (IP Address, Internet Protocol) — 인터넷에 연결된 기기마다 붙는 숫자로 된 주소. 도메인(49번)이 문패라면 IP는 실제 번지수이고, 둘을 이어주는 것이 DNS(50번)다.
  9. 패킷과 라우터 (Packet / Router) — 인터넷의 데이터는 통째로가 아니라 작은 꾸러미(패킷)로 쪼개져 옮겨진다. 라우터는 갈림길마다 서서 꾸러미의 방향을 정해주는 장비 — 사무실 구석에서 불빛이 깜빡이는 그 상자다.
  10. 프로토콜 (Protocol) — 기계끼리 통신할 때 지키는 약속. 웹페이지는 HTTP, 그 암호화판이 HTTPS(51번), 그 아래에서 꾸러미 배달을 책임지는 것이 TCP(Transmission Control Protocol)다. 문법이 같아야 말이 통한다.
  11. SSH (Secure Shell) — 멀리 있는 서버에 암호화된 통로로 접속해 그 서버의 터미널(41번)을 여는 도구. 클라우드의 내 서버를 부리는 출입문이다.
  12. 클라우드플레어 (Cloudflare, CF) — 전 세계 곳곳에 서버를 두어 웹사이트를 빠르고 안전하게 전달하는 인프라 회사. 정적 사이트(55번) 무료 호스팅(Pages) 덕에 작은 조직의 홈페이지·위키가 월 0원으로 돈다. 지금 보고 있는 이 위키도 여기서 서비스된다.
  13. 수파베이스 (Supabase) — 데이터베이스(52번)+로그인+API(28번)를 한 묶음으로 제공하는 오픈소스 백엔드 서비스. 전담 개발자 없는 조직도 회원 명부와 로그인 있는 서비스를 가질 수 있게 한다. 이 위키의 로그인도 여기에 얹혀 있다.

그래프 뷰

백링크