우리 학교에 AI 선생님이 등장한다면?

프롤로그

1장. [도입] 인공지능 마주하기
인공지능, 꼭 배워야 하나요?
기억도 날까 말까 하는 기술과 공업 / 교과서에서 점점 더 사라지는 통계, 미적분 / 공부의 이유 / 인공지능을 배워야 하는 이유
인공지능은 어떻게 작동하나요?
알고리즘 / 머신러닝과 알고리즘 / 컴퓨팅 파워 / 빅데이터

2장. [학생] 인공지능 시대, 학교 생활 바꿔보기
AI가 다 알려주는데 왜 공부를 해야 하죠?
불완전한 AI / 인간다워지기 위한 공부 / AI를 더 잘 다루기 위한 공부
AI로 공부하면 될 텐데 왜 책을 읽어야 하는 거죠?
AI는 모든 책의 내용을 알지는 못한다! / 알지 못하면 질문도 못한다! / 지식의 체계를 잡는 데 도움이 되는 독서 / 아날로그는 디지털보다 편하다!
외국어를 굳이 배워야 하나요?
외국어의 역할 / 외국어를 해야 한다면
AI로 공부하는데 굳이 학교에 가야 하나요?
교육이라는 목적을 가진 공간과 인프라 / 함께 배울 때 갖는 시너지 / 미래에 정말 필요한 관계성을 배우는 곳
AI가 만들어준 자료, 믿어도 되나요?
AI가 틀릴 수 있다구요? / 틀린 정보를 찾아내는 능력이 중요해집니다! / AI의 오류가 오류로 받아들이지 않는다면?
AI와 친구가 될 수 있을까요?
친구의 조건 / 나를 너무 잘 알고, 절대 화내지 않을 수 있는 AI / AI 친구의 존재 유무보다는…
인공지능 개발자가 되려면?
챗GPT 같은 걸 개발하는 개발자 / AI 서비스 개발자

3장. [교사] 인공지능 시대에 걸맞는 학교 만들기
인공지능 시대, 무엇을 가르쳐야 할까요?
미래를 가르치기 / 정보통신 및 과학기술을 가르치기 / 사람과 어울려 살아가도록 가르치기
인공지능 시대, 어떻게 가르쳐야 할까요?
자기주도 학습이 되도록 가르치기 / 티칭에서 코칭으로 / 과제 해결 중심으로의 전환 / 파트너로서의 역할
학생들이 챗GPT를 쓰도록 하는 게 좋을까요?
AI는 괜찮은 과외선생님 / AI를 주는 상황·시점이 중요하다! / AI를 분별하는 능력
인공지능 시대 창의성이란?
창의성의 정의 / 창의적인 존재가 되기 위한 전제 1 : 기존의 것 / 창의적인 존재가 되기 위한 전제 2 : 효과적인 것 / 미래의 창의적 존재가 되려면
인공지능을 가르치기 위해 뭘 배워야 하나요?
인공지능의 핵심 개념에 대한 이해 / AI의 특성을 이해하기 / 어떻게 활용할 것인가 / 한 권의 책을 깊이 읽기
인공지능을 가르치기 위해 교실에 갖추어야 할 건 뭔가요?
코로나 시절 재택 수업이 가능했던 이유는? / 초고속 통신망의 필요성 / 전원 콘센트와 멀티탭의 필요성 / 디지털 교과서의 필요성 / 주기적으로 좋은 컴퓨터를 비치하기
AI 교사가 등장한다면?
정보를 전달하기만 한다면 / 정보를 ‘잘’ 전달한다는 것은? / 선생님의 어떤 역할을 대체한다면?
AI 시대, 선생님의 역할은?
코치로서의 역할 / 학습 도구를 잘 다루는 선생님 / 유연한 생각을 가진 선생님 / 기본기를 중요시하는 선생님

4장. [심화] 인공지능 시대를 주도하는 안목 가져보기
인공지능과 로봇이 만나면?
인공지능보다 나이가 더 많은 ‘로봇’ / 로봇일 수밖에 없는 이유 / 로봇과 인공지능의 결합이 가져올 딜레마
인공지능과 로봇이 있다면, 굳이 일을 해야 할까요?
일하지 않기 위한 조건 / 인공지능과 로봇이 대체하는 일이란? / 인공지능과 로봇이 생겨나게 한 것도, 결국 ‘일’의 변화입니다 / 인공지능과 로봇의 등장을 통해 변화하는 일
자율주행 기술에 접목되는 인공지능
자율주행이란? / 자율주행의 눈, 그리고 뇌 / 자율주행을 위한 인공지능, 그리고 미래 / 자율주행 차량의 한계?!
인공지능 시대, 핫한 직업은?
AI가 가득한 시대, 인재의 조건
핵심 역량 / 인공지능·도구 / 학습 역량 / 데이터
인공지능 시대에 필요한 법과 윤리
인종차별하는 AI? / AI에게 ‘윤리’란 무엇인가? / AI 관련 법과 윤리를 다룰 때 / 학교폭력과 인공지능

에필로그
부록1_선생님에게 도움이 되는 AI 도구
부록2_AI와 로봇을 이해하는 데 도움이 되는 책과 영화

제가 자동차의 구조를 이해하지 못했다면, 수년 전 스마트 모빌리티 강의를 준비할 때 정말 큰 어려움을 겪었을 것입니다. 또, 제가 통계와 미적분을 공부하지 않았더라면, 인공지능 기술의 핵심 원리들을 이해하는 데 훨씬 더 많은 시간이 걸렸을 겁니다. 새로운 영어 단어를 배울 때도 기존에 알고 있던 단어를 활용해 새로운 의미를 추론합니다. 이때 우리는 ‘추론’이라는 과정을 거치게 되는데, 이 과정이 잘 작동하려면 기존 지식과 새로운 정보 사이의 간극이 너무 크지 않아야 합니다. 기존의 배경지식이 부족하면 새로운 지식을 이해하기 어렵고, 아예 이해 자체가 불가능한 상황도 벌어질 수 있습니다.

먼저, ‘빅데이터’의 특징이 ‘정확한’ 데이터보다는 ‘많은’ 데이터에 가깝다 보니, 이상한 내용의 데이터도 굉장히 많이 들어간다는 게 문제입니다. 잘못된 자료를 기반으로 학습을 했으니, 잘못된 답변을 하는 건 너무나 당연하겠죠? 또 하나, 머신러닝 알고리즘이라는 게 패턴을 찾는 과정인데, 대체로 통계적으로 유의미한 통계를 찾고, 그에 맞춰 답변을 주는 게 목표이다 보니, 이게 맞는 내용인지를 따지지 않습니다. 통계적 특징상 틀린 내용이 더 많다면, 그걸 통계적으로는 정답으로 인식해버리는 경우도 생깁니다. 이런 오류 현상을 착시현상(할루시네이션, Hallucination)이라고 부릅니다.

처음에는 모든 학생이 동일한 도구로 출발하지만, 시간이 지날수록 학생 개개인의 데이터가 축적되고, 분석 결과가 교사에게 전달됩니다. 인공지능은 학생이 어려워하는 부분을 반복해서 학습할 수 있도록 돕고, 교사가 그 과정에 효과적으로 개입할 수 있도록 합니다. 결과적으로 선생님의 제한된 시간을 모든 학생에게 똑같이 나누기보다는, 도움이 꼭 필요한 학생에게 집중할 수 있게 되죠. 이렇게 되면 점차 학생들의 자기주도 학습 능력이 강화되고, 교사는 또 다른 교육적 변화를 시도할 여유를 가질 수 있습니다.