(학교관리자를 위한)

전체 글

(1)

SW교육으로 만들어가는 미래학교

(학교관리자를 위한)

- AI, 교육과 만나다 -

세상을 바꾸는 AI

AI시대, SW교육이 이끌까?

(2)

1 세상을 바꾸는 AI

1. AI의 정의와 역사

1) AI의 정의

AI(Artificial Intelligence)는 문제해결, 학습, 패턴 인식 등 인간 지능과 비슷한 작업을 통해 문제를 해결하는데 주력하는 컴퓨터 과학의 한 분야입니다.

예를 들면, 언어나 이미지를 인식하거나, 사람의 표정을 알아내는 등 인간만 가능하다고 알려졌던 기능을 컴퓨터가 수행하는 것입니다.

이러한 AI는 갑자기 생겨난 기술이 아니라 이미 예전부터 많은 연구가 이루어진 분야입니다. 이론적인 부분은 이미 1980년대 논의되었으나 기술적 한계로 정체되어 있었습니다. 그러다 최근 빅데이터 처리와 컴퓨터 성능의 발전이 급격하게 이루어져 이론적으로만 가능했던 부분이 구현되기 시작하면서 AI의 발전 속도는 점차 빨라지고 있습니다.

출처) ARISA 홈페이지.

2) AI의 탄생

“기계는 스스로 생각할 수 있을까?”

생각하는 기계를 최초로 생각한 사람은 앨런 튜링입니다. ‘생각’이나 ‘지능’에 대한 개념은 사람마다 다릅 니다. 기계도 생각할 수 있다는 것을 어떻게 증명할 수 있을까요? 그는 이 질문에 대한 해답으로 튜링 테스트를 고안하였습니다.

튜링 테스트(혹은 이미테이션 게임)는 기계(A), 사람(B), 심문자(C)가 등장합니다. 심문자(C)는 떨어져 있 는 공간에서 기계(A)와 사람(B)과 문자를 주고받을 수 있습니다. 각자 사람이라고 주장하는 기계(A)와 사 람(B) 중에 누가 진짜 사람인지 심문자가 맞출 수 있는지 테스트합니다.

(3)

앨런 튜링은 "컴퓨터로부터의 반응을 인간과 구별할 수 없다면 컴퓨터는 생각할 수 있는 것"으로 보았 습니다. 튜링의 이 아이디어는 오늘날에도 인공지능에 대한 통찰을 주는 중요한 열쇠가 되고 있습니다.

2. AI의 한계

기술에 대한 몰이해는 오해를 낳습니다. AI가 어떤 일을 할 수 있고, 어떤 일을 할 수 없는지 정확하게 이해할 때, 비로소 사람들이 앞으로 어떤 것을 공부해야 하는지 통찰을 얻을 수 있을 것입니다.

AI는 능력에 따라 약인공지능과 강인공지능으로 나뉩니다. 약인공지능은 한 가지 작업에만 특화된 인공 지능이고 강인공지능은 다양한 일을 해낼 수 있는 범용적인 인공지능을 말합니다.

⓵ 약인공지능(Weak AI): 한 가지 작업에 특화되어 있는 인공지능

⓶ 강인공지능(Strong AI): 사람이 할 수 있는 지적인 임무를 해낼 수 있는 인공지능

이세돌과의 대전으로 유명해진 알파고의 성장은 놀랍습니다. 2017년 새롭게 등장한 알파고 제로 버전은 사람의 기보 없이 학습하여 40일 만에 최고 수준에 도달하였습니다. AI가 사람의 기보 없이도 학습할 수 있다는 소식에 사람들의 놀라움과 두려움이 더욱 커진 사건이었습니다.

그러나 이러한 알파고 제로 역시 약인공지능에 해당합니다. 현재 기술로 혼자서 목표를 세우고 의식을 가지는 수준과는 아득한 거리가 있습니다. 인공지능이 비약적으로 발전한 것은 맞지만, 강인공지능의 등 장은 먼 이야기라는 것이 AI 연구자들의 공통적인 의견입니다.

인공지능 머신러닝 분야의 최고 전문가 중 한 명인 페드로 도밍고스 교수는 그의 저서 ‘마스터 알고리 즘’에서 다음과 같이 말합니다.

“컴퓨터가 배울 수 있다는 사실이 컴퓨터가 스스로 의지를 획득한다는 것을 의미하지는 않는다. 머신러닝은 우리가 정해 준 목표를 달성하는 법을 배운다.”

“인간과 달리 컴퓨터는 자신의 고유한 의지가 없다. 무한히 강력한 컴퓨터라도 여전히 우 리 의지의 확장일 뿐, 두려워할 건 아무것도 없다. 인공지능 시스템은 하는 일을 변경할 수도 있고, 심지어 놀라운 계획들을 내놓을 수도 있지만, 우리가 정해준 목표를 위해서만 그렇게 한다.”

-「The Master Algorithm」 중에서

사람은 자신도 모르게 AI를 의인화하여 생각하곤 합니다. AI가 엄청난 능력을 가지고 있기 때문에 ‘스스 로 목표를 세워볼까?’ 하는 의식적인 생각을 할 수 있다고 착각합니다. 영화 속에서 종종 인공지능이 의 지를 가지고 인간을 지배하려는 모습을 보이는데, 이것은 지극히 의인화된 관점이라는 사실을 명심해야 합니다. 그러므로 우리는 AI에 대해 막연한 두려움을 갖기보다는 AI가 효과적으로 해결할 수 있는 문제 는 무엇이며, 우리가 어떻게 활용할 수 있을지 생각해 보는 것이 중요합니다.

(4)

3. AI의 학습 원리

오늘날 대부분의 AI는 머신러닝 혹은 딥러닝 기술을 활용하여 학습을 하고 있습니다.

※ AI ⊃ 머신러닝 ⊃ 딥러닝

머신러닝이나 딥러닝은 AI의 부분 집합이며, 학습하는 방식에 차이가 있다.

AI가 개와 고양이 사진을 구별하는 방법에 대해 예를 들어 보겠습니다.

먼저, 개와 고양이의 사진 수천 장을 AI에게 제공합니다. 여기서 인간이 컴퓨터에 고양이와 개에 대한 특징을 알려줄 수도 있고, 알려주지 않을 수도 있습니다. 이러한 학습 방식의 차이가 머신러닝 방식인지, 딥러닝 방식인지를 구분합니다.

AI는 컴퓨터이므로 각각의 사진을 숫자로 받아들입니다.

수천 장의 사진을 학습하면서 개와 고양이의 특징에 가중치를 두며 좌표를 만들게 됩니다.

통찰1. AI는 문제를 수학적, 논리적으로 해결하는 데 매우 뛰어나다.

통찰2. AI는 정해진 문제를 잘 풀지만, 고유한 의지를 가질 수 없다.

통찰3. 따라서, 문제를 정의하는 인간의 역할이 더욱 중요해질 것이다.

(5)

사람처럼 직관적으로 구별하는 것과 달리 AI는 가중치를 주는 수학적 공식에 의해 개와 고양이를 구별 합니다. 예를 들면 ‘새는 (1, 1)에 위치하고 개는 (5, 5)에 위치하고 고양이는 주로 (6, 6)’ 위치한다.‘는 것 을 수학적으로 조정하게 됩니다. 물론 이 수치는 예시입니다. 이러한 과정을 계속 반복하면서 개와 고양 이, 새를 나타내는 좌표가 점점 무리를 이루게 됩니다. AI는 이러한 수학적 알고리즘을 바탕으로 이미지 를 구별하게 됩니다. 그러나 아직 이러한 이미지 인식이 완벽하지는 않습니다. 다음은 사진은 인공지능 이 잘 구별하지 못한 사진들을 모은 것입니다.

4. AI가 할 수 있는 일 vs 할 수 없는 일

최근 연구자들의 결과물을 종합해보면 인공지능이 아무리 발달해도 기계가 잘할 수 있는 일과 인간이 잘할 수 있는 일은 분명하게 나뉜다고 볼 수 있습니다. 이 부분에 대해 탐색하면 교육이 나아가야 할 부분이 더욱 명확해질 것입니다.

1) AI가 할 수 있는 일

AI가 하는 일은 점점 더 늘어나고 있습니다. 법률 자문, 챗봇, 맞춤형 광고 등 이미 많은 영역에서 AI가 위력을 발휘하고 있습니다. 구글 광고나 유튜브, 넷플릭스에서 자동으로 추천되는 콘텐츠는 AI가 나의 연령, 성별, 기호 등을 고려하여 제공하는 것입니다.

간단한 서비스업 응대 역시 자연어를 인식하는 AI가 처리할 수 있는 부분입니다. 예를 들어 일본의 로봇 인 페퍼는 스타벅스 등에서 주문을 받는 일이 가능합니다. AI 비서 역시 기업들이 가장 관심을 갖는 분 야 중 하나입니다. 간단한 검색, 통화 연결, 날씨 정보 등 AI 비서가 처리하는 영역이 점점 늘어나고 있 습니다.

2) AI가 할 수 없는 일

AI가 할 수 없는 일은 창작의 영역입니다. 또한, AI는 자유 의지가 없습니다. 즉, 문제를 효율적으로 잘 풀 수 있지만 어떤 문제를 해결해야 할지 결정하지 못합니다.

최근 AI가 작곡을 하거나 그림을 그리는 사례가 나오고 있습니다. 하지만, 이것은 클래식 음악이나 명화 의 패턴을 분석하고 수치화하여 재조합한 것일 뿐입니다. AI가 만든 작품은 무작위성에 의한 것이지 창 조성에 의한 것은 아닙니다. 이러한 활동 역시 AI 스스로 한 것이 아닌 개발자가 필요에 의한 것입니다.

(6)

출처) Google Al 홈페이지.

AI가 이런 부분을 할 수 없으므로, 앞으로 AI시대를 살아가게 될 학생들은 다양한 문제들을 새롭게 바라 보고 문제를 정의할 수 있는 능력을 갖추어야 할 것입니다. 지속적으로 창조적인 경험을 제공하는 것도 더욱 중요해질 것입니다.

3) AI를 어떻게 활용해야 할 것인가?

1996년 딥블루라는 체스 인공지능 프로그램이 당시 세계 챔피언인 카스파로프를 이겼 다는 사실은 너무나 유명합니다. 이 사건 이후 인공지능 체스 게 임이 더욱 발전되기 시작하였고 인간과 AI가 같이 체스를 하는 켄타우루스 모델이라는 형태가 생겨나기 시작했습니다.

2005년 어드밴스드 체스 대회가 열렸습니다. 참가자들이 자유 롭게 컴퓨터 프로그램의 도움을 받을 수 있는 독특한 방식이었 습니다. 그러다 보니 그랜드마스터급 기사와 슈퍼 컴퓨터의 조합 등 다양한 팀들이 참가하기 시작하였습니다. 이 대회의 우승은 스티브 크램턴(Steven Cramton)과 재커리 스티븐(Zackary Stephen)이라는 아마추어 기사에게 돌아갔습니다. 그들은 세 대 의 컴퓨터와 전략적인 전술, 창조성 덕분에 막강한 참가자들을 물리칠 수 있었습니다.

-「딥씽킹」, 가리 카스파로프 저

평범한 실력의 사람들도 효과적으로 AI를 사용하면 비범한 결과를 낼 수 있다는 사실이 중요합니다. 이 처럼 AI는 우리를 위협하는 적대적인 존재가 아닌 우리의 창의성을 돕는 존재가 될 수 있음을 이해해야 합니다.

“그랜드 마스터들, 그랜드마스터와 슈퍼컴퓨터, 아마추어와 평범한 컴퓨터 이 세 그룹 중 어느 팀이 우승했을까요?”

(7)

이렇게 인간과 컴퓨터가 같이 사고하는 형태를 켄타우로스 모델이라고 합니다. 이미 많은 바둑기사들이 인공지능과의 대국을 통해 실력을 향상시키고 있습니다. 앞으로는 많은 직업에서 이러한 인간과 AI의 협 업 형태가 나타날 것입니다

이처럼 AI를 효과적으로 사용하고 훈련시킵니다. 이것은 어떻게 컴퓨터가 사고하는 지를 인간이 알아야 가능한 일입니다. ‘컴퓨터가 어떻게 사고하는가?’ 어디서 많이 들어본 것 같지 않으신가요? 바로, 컴퓨팅 사고력(Computational Thinking)입니다.

컴퓨팅 사고력은 SW교육에서 다루고 있는 핵심 아이디어입니다. 효과적으로 AI를 다루는 일은 SW교육 에서 중요하게 생각하는 ‘컴퓨터가 생각하는 방식’을 이해하는 일과 같습니다.

통찰1. AI를 효과적으로 활용하면 사용자가 더 높은 역량을 발휘할 수 있다.

통찰2. 인간과 컴퓨터의 효과적인 협업을 위해 컴퓨팅 사고력(Computational Thinking) 이 중요해질 수 있다.

(8)

2 AI시대, SW교육이 이끌까?

1. AI가 불러올 교육 환경의 변화

AI가 교육에서 활약하게 될 분야로 크게 세 가지를 생각해 볼 수 있습니다. 개별화 교육 제공, 교육 행 정 업무의 자동화, 지능형 학습 지원 등이 있습니다.

1) 개별화 교육 제공

현재 학교 시스템은 교사 혼자 여러 학생을 담당하도록 되어 있습니다. 학생들의 다양한 특성을 고려 한 맞춤형 교수ㆍ학습이 이루어지기 어려운 구조입니다. 교사가 학급의 모든 학생에게 맞춤형 학습을 제공하고 그것을 피드백하는 것은 큰 비용과 시간이 소요됩니다.

AI 도입을 통해 학생들의 학습 상태를 효과적으로 진단하고 개별의 특성에 맞는 학습 자료를 제공해 줄 수 있습니다. 또한, AI가 자동화된 평가를 통해 적절한 피드백을 제공하는 시스템도 등장하고 있습니다.

2) 지능형 학습 지원

지능형 학습 지원은 학습자의 요구에 따라 언제 어디서나 교수 지원이 가능해지는 것을 말합니다. AI를 활용해 학습자의 자기 주도적 학습 능력을 증진시킬 수 있도록 지속적인 피드백 제공이 가능합니다. 또 한 학습자의 수준에 맞게 학습 난이도를 조절하거나 가이드라인을 제공할 수도 있습니다.

3) 교육 행정 업무의 자동화

학교 현장에서는 교원 행정 업무 경감에 대한 요구가 큽니다. 그만큼 교원들이 행정 업무에 많은 시간 을 쏟고 있으며, 그만큼 학생들에게 신경을 쓰지 못하게 됩니다.

앞으로는 AI를 활용하여 많은 행정 업무를 감소시킬 수 있을 것으로 기대됩니다. 간단한 평가 및 채점, 반복적인 학사 업무나 교육과정 편성 등에 드는 시간이 대폭 줄어들 것입니다. 이러한 행정 업무 경감 을 통해, 학습 학생들에게 더 많은 시간을 쏟게 되는 선순환이 이어질 것입니다.

미 온라인 대학(Online Universities)에서 소개하고 있는 AI의 교육 분야 활용 사례는 다음과 같습니다.

(9)

출처) 서울교육 홈페이지.

2. AI의 교육 도입 사례 (인공지능을 활용한 교육)

1) 개별화 교육 제공의 예 - 인공지능 로봇 활용 교육

미국의 일부 학교들은 인공지능 로봇을 활용하여 교육에 도입하는 시도를 하고 있습니다. 인공지능 로 봇은 학생의 실수에 대해 판단이나 부정적 반응을 하지 않기 때문에 학생들이 실패에 대한 두려움이 줄 어들게 됩니다. 또한 학생들이 반복적으로 연습이나 도움이 필요한 부분을 지속적으로 도와줄 수 있습 니다.

학급에서 교사는 모든 학생에게 신경을 써주기 어려운 상황에 놓입니다. 교사는 한 명이고 학생은 다수 이기 때문입니다. 인공지능 로봇을 활용하면 로봇의 수만큼 학생들에게 개별적인 피드백이 제공될 수 있습니다. 또한 시간에 구애 받지 않고 학생을 도울 수 있기 때문에 보다 적극적으로 학생의 학습을 지 원할 수 있습니다.

- 게임 요소(Gamification)를 도입한 맞춤형 교육

Dreambox learning은 수학 교육 프로그램입니다. 이 플랫폼의 특징은 AI가 학생들의 마우스 클릭, 정 답 및 오답, 학생이 반응하지 않는 시간 등을 지속적으로 측정합니다. 이러한 데이터를 바탕으로 학생들 에게 추천 학습이 제공되며 잘 해결하는 학생들에게 코인이 제공되는 등 다양한 게임 요소를 포함하고 있습니다.

2) 지능형 학습 지원의 예

- 영상 인식 기술을 활용한 교수 지원의 예시

하버드보다 입학하기 어렵다는 미국의 온라인 대학인 미네르바 스쿨은 ‘액티브 러닝 포럼’이라는 교육 방식을 사용하고 있습니다. 이러한 화상 및 채팅 프로그램은 학습자의 표정 및 응답 빈도에 대한 피드 백을 교수자에게 제공하여 학습을 지원해주고 있습니다.

예를 들어 영상에서 드러나는 학생의 표정에서 지루함이 나타나면 그러한 피드백이 교수자에게 전달됩 니다. 그러면 교수자는 그 학생에게 질문을 던지는 방식으로 주의를 환기시킬 수 있습니다. 또한 곤란해 하는 표정의 학생에게는 개별 학습 자료를 제공하여 따라오지 못하는 부분을 보충할 수 있게 해줍니다.

교사는 학생과의 상호작용과 소통에 집중

❐ 채점과 같은 교육활동 ❐ 학생 맞춤형 진도 ❐ 보충학습 대상알림 ❐ 진학 및 진로 추천 ❐ 과외 학습

(10)

3. SW교육을 통해 배우는 AI (인공지능을 가르치는 교육)

학생들은 AI를 어떻게 공부하게 될까요?

머신러닝의 알고리즘 생성 과정은 수학, 통계학 중심이라 학생들이 학습하기 어렵고 자칫 흥미를 잃기 쉽습니다. 따라서 어린 학생들일수록 AI가 학습을 하는 원리, 효과적으로 AI를 학습시키기 위한 데이터, 패턴 인식 등을 학습하고 적용해보는 방향으로 나아가야 할 것입니다.

이러한 도구들은 스크래치 같은 블록 기반으로 된 프로그래밍 언어를 사용하기 때문에 효과적으로 학생 들이 배울 수 있습니다. 또한 학생들이 AI를 활용하여 효과적으로 데이터를 선정하고, 분류하며, 피드백 을 받는 과정에서 문제 분해, 패턴 인식 등의 컴퓨팅 사고력의 요소를 학습할 수 있을 것입니다.

이렇게 학생들이 AI를 친숙하게 학습하고 컴퓨팅 사고력을 향상시킬 수 있는 효과적인 방법들이 등장하 고 있으며 그 예는 다음과 같습니다.

1) SW교육과 연계한 AI 학습 도구

아이들을 위한 머신러닝 포 키즈(Machine Learning for Kids)는 IBM의 왓슨을 교육에 도입하여 머신러 닝을 학습할 수 있는 사이트입니다. 왓슨은 아시다시피 재퍼디 퀴즈 대회에서 사람을 이긴 인공지능입 니다. 최근 의료 분야뿐 아니라 교육에도 도입이 되어 활약을 하고 있습니다.

출처) Machine Learning for Kids 홈페이지.

머신러닝 포 키즈는 우선 학생들이 ➀ AI에게 데이터를 제공하고, ➁ AI가 그것을 학습하게 한 뒤, ➂ 학생이 프로그래밍에 적용하는 3단계로 이루어집니다.

출처) Machine Learning for Kids 홈페이지.

(11)

학생들과 해 볼 수 있는 프로젝트는 여러 가지가 있습니다. 대표적인 프로젝트로는 ➀ 스마트 교실, ➁ 날 기쁘게 해줘요, ➂ 스냅, ➃ 카멜레온이 있습니다.

스마트 교실 프로젝트는 상황에 따라 자동으로 움직이는 가전제품을 시뮬레이션합니다. 날 기쁘게 해줘요 프로젝트는 AI에게 미리 단어를 학습하게 해서 긍정적인 단어를 사용하면 웃고, 부정적인 단어를 사용하면 울게 하는 캐릭터를 만들 수 있습니다. 스냅은 AI에게 사진을 학습하게 하여 AI가 서로 다른 여러 카드를 구별할 수 있게 하는 프로젝트입니다. ➃ 카멜레온은 AI에게 색깔을 학습하게 한 뒤 카멜레온이 색깔에 따라 자신의 몸 색깔을 바꿀 수 있도록 하는 프로젝트입니다.

이러한 다양한 프로젝트를 경험하면 학생들은 AI에 대한 소양을 기를 수 있을 뿐 아니라 컴퓨팅 사고력 함양에도 도움이 될 것입니다.

출처) Machine Learning for Kids 홈페이지.

2) 구글의 티처블 머신

구글은 티처블 머신(teachablemachine)이라는 사이트를 만들어 체험할 수 있는 기회를 제공하고 있습니다. 노트북의 카메라를 이용해 AI를 학습시키고 학습한 내용을 출력하여 확인해 볼 수 있는 사이트입니다. 학생들이 이미 SW교육을 통해 배운 교육용 프로그래밍 언어(EPL)로 되어 있어 누구나 간단하게 체험할 수 있습니다.

누구나 쉽게 접근하여 AI를 체험하고 학습할 수 있는 사이트들이 늘어나고 있으며, 관련 자료들이 오픈 소스로 제공되고 있습니다.

(12)

4. 관리자들이 알아야 할 교육에서의 AI 리스크

학교를 이끌어가고 계시는 관리자분들께서는 의사결정을 위해 AI가 가질 수 있는 순기능뿐만 아니라 역기능도 알고 계셔야 할 것입니다.

Q. AI가 교육에 도입되면 굉장한 장점이 많다는 것은 알겠습니다. 혹시 우려해야 할 만 한 부분은 없을까요?

1) 데이터 편향

AI는 데이터를 통해 학습한다는 기억하고 계실 것입니다. 만약 데이터가 오염되어 있다 면 어떻게 될까요? Microsoft사가 개발한 챗봇이 인종차별적인 대화를 해서 논란이 된 적이 있습니다. 이것은 AI가 학습할 때 인종차별자들의 대화 내용이 미처 걸러지지 않아 발생한 일입니다. 이러한 데이터가 성, 인종, 계층 등의 차별로 이어지지 않도록 충분한 검토가 필요합니다.

2) 평가의 객관화

평가 분야에서 AI를 도입할 경우 점차 평가하기 쉬운 영역으로 활용될 가능성이 높습니 다. AI 평가의 신뢰도를 높이기 위해 점차 측정이 쉬운 객관식 위주의 평가가 되기 쉽습 니다. 이것은 우리가 지향해야 하는 평가의 방향과 거리가 멉니다.

수치

Updating...

참조

Updating...

관련 주제 :