최근 저는 '스카이프 과학자' 라는 흥미로운 프로그램에 참여할 기회를 가졌습니다. 이 프로그램은 생물학자, 식물학자, 엔지니어, 컴퓨터 과학자 등 다양한 분야의 과학자들이 어린이들과 연결되어 자신들의 연구에 대해 이야기하고 질문에 답하는 자리입니다. 저는 성인들을 대상으로 인공지능과 머신러닝에 대해 이야기하는 데는 익숙하지만, 어린이들에게 이 주제를 어떻게 설명해야 할지 진지하게 고민해 본 것은 이번이 처음이었고, 매우 흥미로운 도전이었습니다. 오늘은 이 과정에서 떠올린 몇 가지 아이디어를 공유하고자 합니다. 자녀를 둔 분들께 도움이 될 만한 내용들이니, 복잡한 인공지능 개념을 어린이들이 흥미롭고 쉽게 이해할 수 있도록 설명하는 데 유용한 통찰력을 얻으시길 바랍니다.
개념 설명을 준비하세요
청중 앞에서 발표를 준비할 때, 저는 몇 가지 기본 규칙을 따릅니다. 제가 발표하려는 정보와 발표 후 청중이 알아야 할 새로운 개념에 대해 명확하게 밝혀야 합니다. 이는 제가 공유할 정보의 모든 것을 결정하기 때문입니다. 또한 청중의 기존 지식에 적합한 복잡성을 고려하여 발표 자료를 제시하고자 합니다. 지나치게 단순화하지도 않고, 이해 수준을 넘어서지도 않도록 주의합니다.
일상 생활에서 저는 아이들이 인공지능(AI)에 대해 이미 알고 있는 것(또는 안다고 생각하는 것)을 완전히 알고 있지는 않습니다. 청중의 수준에 맞춰 설명을 맞추고 싶지만, 이 경우 그들의 배경 지식에 대해 다소 제한적인 시각을 가지고 있습니다. 어떤 경우에는 아이들이 기업 간 AI 경쟁이나 국경 간 AI 경쟁 같은 것에 대해 꽤 잘 알고 있다는 사실에 놀랐습니다. 콘텐츠를 어떻게 구성할지 결정할 때 유용한 연습은 청중이 이미 잘 알고 있는 개념이나 기술을 사용하는 은유를 생각해내는 것입니다. 이에 대해 생각해 보면 청중의 배경에 접근할 수 있는 지점도 얻게 됩니다. 또한, 적절한 수준에 도달하지 못했다고 판단되면 프레젠테이션을 변경하고 조정할 준비를 하십시오. 저는 아이들에게 처음에 AI에 대해 어떻게 생각하고 무엇을 알고 있는지 조금 물어보는 것을 좋아합니다. 그러면 너무 앞서 나가기 전에 그 명확성을 얻을 수 있습니다.
기술 이해: AI 모델의 기본
특히 어린이를 대상으로 하는 강의에서는 몇 가지 핵심 주제에 집중합니다. 독자분들은 제가 비전문가에게 대규모 언어 모델(LLM) 및 기타 AI 모델을 훈련하는 방법과 그 모델이 어떤 데이터를 기반으로 훈련되는지 가르치는 것을 강력히 지지한다는 것을 알고 계실 것입니다. 이는 이러한 모델의 결과에 대한 현실적인 기대치를 형성하는 데 매우 중요합니다. 저는 어린이를 포함한 누구나 LLM의 어조, 목소리, 심지어 "개성"의 체현된 본질에 매료되어 이러한 도구의 현실적인 한계를 간과하기 쉽다고 생각합니다.
연령대에 맞게 단순화하는 것이 과제이지만, 학습 방식, 즉 LLM 모델이 서면 자료의 예시를 통해 학습하는 방식이나 확산 모델이 텍스트-이미지 쌍을 통해 학습하는 방식을 설명하면, 사용자는 잠재적 결과에 대한 결론을 스스로 도출할 수 있습니다. AI 에이전트가 점점 더 복잡해지고 그 기저 메커니즘을 분리하기가 더 어려워짐에 따라, 사용자는 이러한 기능을 가능하게 하는 구성 요소를 이해하는 것이 중요합니다.
저는 훈련을 일반적인 개념으로 설명하고, 가능한 한 기술적인 전문 용어는 피하는 것으로 시작합니다. 아이들과 이야기할 때, 구체적인 언어를 사용하면 상황을 덜 모호하게 만드는 데 도움이 될 수 있습니다. 예를 들어, "컴퓨터에 많은 정보를 주고 그 안의 패턴을 배우도록 합니다." 다음으로, 언어나 이미지의 픽셀에서 발견되는 패턴의 예를 설명할 것입니다. "패턴"이라는 단어 자체가 너무 일반적이고 광범위하기 때문입니다. 이어서 "학습하는 이러한 패턴은 수학을 사용하여 작성되며, 이 수학은 '모델' 내부에 있습니다. 이제 모델에 새로운 정보를 제공하면, 모델은 학습한 패턴을 기반으로 응답을 보냅니다." 라고 말합니다. 이어서, 또 다른 일반적인 예를 들고 단순화된 훈련 과정(시각화가 매우 쉽기 때문에 일반적으로 시계열 모델)을 설명합니다. 다음으로, 다양한 유형의 모델에 대해 더 자세히 설명하고, 청중의 이해도에 따라 신경망과 언어 모델의 차이점을 설명하겠습니다.
AI 윤리와 외부 영향
저는 인공지능을 둘러싼 윤리적 문제도 다루고 싶습니다. 초등학생, 중학생, 고등학생이라면 대규모 언어 모델(LLM)을 포함한 인공지능 기술이 환경 과 사회에 미치는 영향을 충분히 이해할 수 있다고 생각합니다. 오늘날 많은 아이들이 지구 기후 변화와 환경 위기에 대해 상당히 높은 수준의 이해를 갖고 있기 때문에, LLM을 구동하는 데 필요한 에너지, 물, 희토류의 양에 대해 이야기하는 것은 전혀 무리가 없습니다. 다만, 설명은 아이들의 눈높이에 맞춰 이해하기 쉽게 해야 합니다. 앞서 언급했듯이, 아이들의 실제 경험과 관련된 적절한 사례를 활용하세요. 우리는 인공지능의 윤리적 측면 과 그것이 사회 및 환경에 미치는 영향에 초점을 맞춰야 합니다.
AI가 어린이의 경험에서 환경에 미치는 영향으로 전환되는 과정을 보여주는 예는 다음과 같습니다.
다들 학교 숙제할 때 크롬북 쓰시지 않나요? 노트북 무릎에 올려놓고 오래 일하면 노트북 뒷면이 뜨거워지는 거 경험해 보신 적 있으신가요? 파일을 한꺼번에 많이 열거나 동영상을 많이 보면 그럴 수도 있겠죠? 이 발열은 chatGPT 웹사이트 접속처럼 대규모 언어 모델(LLM)을 사용하거나 학습시킬 때 실행되는 서버라는 대형 컴퓨터에서 발생하는 발열과 똑같습니다.
ChatGPT를 운영하는 데이터 센터는 동시에 가동되는 서버들로 가득 차 있으며, 이로 인해 매우 뜨거워져 하드웨어에 좋지 않습니다. 따라서 이러한 데이터 센터는 때때로 냉수와 일부 화학 물질을 함께 사용하는데, 이 물은 모든 서버 바로 위에 설치된 파이프를 통해 펌핑됩니다. 이는 머신을 냉각하고 작동 상태를 유지하는 데 도움이 됩니다. 하지만 이는 많은 양의 물이 화학 물질과 혼합되어 시스템을 통과하면서 가열된다는 것을 의미합니다. 이로 인해 이 물은 사람들이 농장이나 식수와 같은 다른 용도로 사용할 수 없게 될 수 있습니다.
"어떤 경우에는 이러한 데이터 센터가 대형 에어컨을 사용하는데, 이는 운영에 많은 전력을 소모하여 가정이나 사업장에 충분한 전력을 공급하지 못할 수도 있습니다. 또한 발전소에서 석탄을 연소하여 전기를 생산하기도 하는데, 이는 대기 중으로 배기가스를 방출하고 환경 오염을 심화시킵니다."
이를 통해 아이의 경험을 대화에 반영하고, 아이들이 개념에 공감할 수 있는 구체적인 방법을 제공합니다. 지적 재산권법을 자세히 다루지 않고도 아이들에게 친숙한 아티스트와 창작자들을 활용하여 저작권 윤리와 콘텐츠 도용에 대해서도 비슷한 논의를 할 수 있습니다. 딥페이크는 성적인 내용을 포함한 모든 면에서 많은 아이들에게 친숙한 주제이며, 아이들이 AI를 사용할 때 개인과 사회에 미치는 위험을 인지하는 것이 중요합니다.
특히 어린아이들은 AI의 비윤리적인 적용이나 AI가 야기하는 전 세계적인 과제들을 이해하기 시작하고, 이러한 것들이 얼마나 강력한지 깨닫게 되면 두려움을 느낄 수 있습니다. 예를 들어, 아이들이 제게 "누군가 AI에게 나쁜 짓을 하도록 가르치면 어떻게 고칠 수 있나요?"라고 묻는 경우가 있었습니다. 저는 이 질문에 더 나은 답을 할 수 있었으면 좋았을 텐데, 왜냐하면 저는 기본적으로 "AI가 이미 나쁜 짓을 할 수 있는 정보를 가지고 있는 경우도 있지만, AI를 더 안전하게 만들고 나쁜 정보나 나쁜 짓을 하는 방법에 대한 지침을 공유하는 것을 막기 위해 많은 사람들이 노력하고 있습니다."라고 말해야 했기 때문입니다.
"진실"이라는 개념의 해체
인공지능을 인간화하는 것은 어른과 아이 모두에게 진정한 도전 과제입니다. 우리는 친근하고 자신감 있는 목소리에 쉽게 신뢰를 보내는 경향이 있기 때문입니다. 하지만 대규모 언어 모델(LLM)이 전달하는 정보는 종종 친근하고 자신감 넘치지만, 정확하지 않은 경우가 많습니다. 미디어 리터러시는 교육학에서 오랫동안 중요한 주제였으며, 이를 대규모 언어 모델(LLM)까지 확장하는 것은 자연스러운 발전입니다 . 학생(그리고 어른)들이 다른 사람이나 기업이 만든 정보를 비판적으로 소비하는 법을 배워야 하는 것처럼, 컴퓨터가 생성한 콘텐츠 또한 비판적이고 사려 깊게 소비해야 합니다. 여기에는 이러한 기술의 한계를 이해하는 것도 포함됩니다.
저는 이것이 기술에 대한 이해와도 일치한다고 생각합니다. 제가 대규모 언어 모델(LLM)의 역할이 인간 언어를 배우고 모방하는 가장 기본적인 단계, 즉 문자열에서 앞 단어에 해당하는 다음 단어를 판단하는 것이라고 설명할 때, LLM이 "진실"이라는 개념을 이해할 수 없다는 제 말이 일리가 있습니다. 진실은 훈련 과정의 일부가 아니며, 동시에 진실은 인간조차도 이해하기 매우 어려운 개념입니다. LLM은 대부분의 경우 사실을 정확하게 파악할 수 있지만, 확률에 따라 때때로 맹점과 잠재적 오류가 나타날 수 있습니다. 결과적으로, LLM을 사용하는 어린이는 도구의 오류를 충분히 인지해야 합니다.
하지만 이 수업은 단순히 AI를 사용하는 것 이상의 가치를 지닙니다. 불확실성, 모호성, 그리고 오류에 대처하는 법을 가르치기 때문입니다. 버먼과 아가위(2023)가 지적했듯이 , "AI가 매개하는 세상에서의 교육은 사람과 기술 간의 복잡한 관계를 반영하는 모호하고 불완전하며 애매한 상황에 대처하는 법을 배우는 것을 포함합니다." 저는 이 관점이 매우 마음에 듭니다. 왜냐하면 제가 늘 고민해 온 주제, 즉 대규모 언어 모델(LLM)이 인간에 의해 만들어지고 인간이 만든 콘텐츠에 대한 해석을 반영한다는 사실과 연결되기 때문입니다. 아이들이 모델이 어떻게 형성되는지, 모델이 오류를 범할 수 있다는 것, 그리고 모델의 결과물이 인간이 만든 입력에서 비롯된다는 것을 배우면, 오늘날 우리 사회에서 기술이 작동하는 방식의 모호한 본질을 더 폭넓게 이해하게 됩니다. (사실, AI에 대해 아이들에게 어떻게 가르칠지 고민하는 모든 분들께 이 논문 전체를 강력히 추천합니다.)
사진 및 비디오에 대한 참고 사항
앞서 언급했듯이, "AI가 생성한" 비디오 및 이미지 콘텐츠, 즉 "AI 슬롭"의 확산은 많은 어려운 질문을 제기합니다. 저는 아이들에게 이 분야의 정보를 제공하는 것이 중요하다고 생각합니다. 설득력 있는 시각적 콘텐츠를 통해 잘못된 정보나 노골적인 거짓말을 쉽게 받아들이기 때문입니다. 또한 이러한 콘텐츠는 대부분의 아이들에게 실제 제작 과정과는 거리가 멀기 때문에, 이러한 자료의 상당 부분이 소셜 미디어에서 널리 공유되고 적절한 라벨이 부착되지 않을 가능성이 높습니다. "너무 좋아서 믿기 어렵다면 가짜일 가능성이 높다" 또는 "이런 유형의 게시물에서 들은 내용을 다시 한번 확인해 보세요"와 같은 일반적인 비판적 미디어 리터러시 기술 외에도, AI가 생성한 자료를 식별하는 데 도움이 되는 라벨에 대해 아이들과 이야기하는 것이 도움이 될 수 있습니다. 아이들에게 진짜 콘텐츠와 가짜 콘텐츠를 구별하는 능력을 강화하기 위해 사실과 정보 출처를 확인하는 방법을 가르치는 것이 필수적입니다.
인공지능을 이용한 부정행위
LLM 오류의 모든 도덕적 문제와 위험에도 불구하고, 이러한 AI 도구는 매우 유용하고 매력적이기 때문에 일부 학생들이 숙제나 학교에서 부정행위를 하기 위해 이를 사용하는 것은 이해할 만합니다. 저는 학생들에게 이야기하고 과제를 완수하는 데 필요한 기술을 배우는 것이 목표이며, 이를 배우지 않으면 고학년과 노년에 필요한 기술을 배우지 못하게 된다는 점을 설명해야 한다고 생각합니다. 하지만 아이들이 그렇게 논리적인 경우가 드물다는 것은 누구나 알고 있습니다. 아이들의 뇌는 아직 발달 중이고, 이런 종류의 일은 어른들에게도 때로는 생각하기 어렵습니다. AI가 교육에 미치는 영향을 이해하려면 이러한 도구의 기능과 기본 기술 발달에 미치는 잠재적 영향에 대한 깊은 이해가 필요합니다.
크게 두 가지 접근 방식이 있습니다. 숙제를 더 어렵게 만들거나 부정행위를 불가능하게 만드는 방법을 찾거나, 학생들이 결국 인공지능(AI)을 활용할 수 있게 될 것이라는 전제 하에 교실에 AI를 통합하는 것입니다. 현재로서는 교실 환경에서 교사의 지도 하에 이루어지는 학습 활동이 학생들이 디지털 기기의 개입 없이 필요한 일부 기술을 습득할 수 있는 기회를 제공합니다. 하지만 앞서 언급했듯이 미디어 리터러시 교육에는 이제 유명 모델들을 포함해야 하며, 저는 지식이 풍부한 교사의 지도 하에 유명 모델들을 활용하는 것이 상당한 교육적 가치를 지닌다고 생각합니다. 또한, 교사의 직접적인 지도 없이 이루어지는 숙제는 "AI에 대한 저항력을 갖추는 것"이 사실상 불가능하다는 점을 인식해야 합니다. 물론 이것이 쉬운 일처럼 들리지는 않을 것입니다. 아래 " 추가 자료 " 섹션에서 교실에서의 AI 리터러시 교육의 광범위한 과제에 대한 여러 학술 논문을 참고하십시오. 교사들은 스스로 기술 발전에 발맞추고 교육 방법을 시대에 맞게 조정하는 것뿐만 아니라, 학생들이 AI를 책임감 있게 사용할 수 있도록 필요한 정보를 제공해야 하는 어려운 과제에 직면해 있습니다. 교사들은 또한 학생들이 인공지능이 생산하는 정보를 비판적으로 평가하는 방법을 가르치고 비판적 사고 능력을 개발하도록 지도하는 데 집중해야 합니다.
성교육 사례에서 배우기: 인공지능의 교훈
궁극적으로, 문제는 교실 안팎에서 AI가 존재하는 세상에서 아이들에게 정확히 무엇을 하라고 조언하고 무엇을 피해야 하는가입니다. 저는 어떤 아이디어를 금지하거나 금지하는 것을 거의 지지하지 않으며, 포괄적이고 과학에 기반하며 연령에 맞는 성교육의 사례가 좋은 교훈을 제공한다고 생각합니다. 아이들에게 신체와 성에 대한 정확한 정보가 제공되지 않으면 이 분야에서 정보에 기반하고 책임감 있는 결정을 내릴 수 있는 지식이 부족합니다. 아이들이 어려운 상황에서 무엇을 해야 할지 어려운 결정을 내릴 때 어른들이 강제력을 행사할 수 없기 때문에, 아이들이 책임감 있는 결정을 내리는 데 필요한 정보를 갖추도록 해야 합니다. 여기에는 윤리적 지침뿐만 아니라 사실에 기반한 정보도 포함됩니다. 마찬가지로, 학생들이 AI의 가능성과 위험을 포괄적으로 이해하도록 하여 디지털 시대에 AI를 효과적이고 책임감 있게 사용할 수 있도록 해야 합니다.
인공지능 활용에 있어서의 책임 모델링
제가 강조하고 싶은 또 다른 중요한 점은 어른들도 AI를 다룰 때 책임감 있는 행동을 본보기로 삼아야 한다는 것입니다. 교사, 부모, 그리고 아이들의 삶 속 다른 어른들이 AI에 대해 비판적으로 인식하지 못한다면, 아이들이 이 기술을 비판적이고 사려 깊게 사용하는 사람이 되도록 가르칠 수 없을 것입니다.
최근 뉴욕 타임스에 실린 교사들의 인공지능(AI) 활용에 관한 기사를 읽고 다소 실망했습니다. 이 기사는 AI에 대한 깊이 있는 이해를 보여주지 못하고, AI를 기본적인 통계와 혼동하고 있습니다. (교사가 학생 데이터를 분석하여 학생 수준에 맞춘 수업을 제공하는 것은 AI도 아니고, 새롭거나 문제가 될 만한 것도 아닙니다.) 하지만 이 기사는 아이들의 삶에 영향을 미치는 어른들이 AI 도구를 어떻게 사용하는지에 대한 논의를 촉발하고, 어른들이 투명하고 비판적인 사용의 모범을 보여야 한다는 점을 언급했습니다. (또한 영리 목적의 기업들이 AI를 교실에 밀어 넣는 문제에 대해서도 간략하게 언급했는데, 이는 더 자세히 다룰 가치가 있는 문제인 것 같습니다. 나중에 따로 글을 써볼 생각입니다.)
기사의 주장 중 하나에 반박하자면, 교사가 결과물을 모니터링하고 검증하는 한, 글쓰기 평가를 위한 초기 검토 단계에서 대규모 언어 모델( LLM )을 사용하는 것에 반대하지 않습니다. 평가 기준이 문법, 철자, 작문 규칙에 관한 것이라면, LLM의 훈련 방식에 따라 적절한 선택일 가능성이 높습니다. 물론 최소한 간략히 검토조차 하지 않고 LLM을 맹목적으로 신뢰하고 싶지는 않지만, LLM은 인간의 언어를 이해하도록 설계되었습니다. "학생이 글을 썼으니 교사가 평가해야 한다"는 주장은 터무니없습니다. 이 과제의 목적은 학생의 학습이기 때문입니다. 교사는 이미 작문 규칙을 알고 있으며, 이 과제는 교사에게 수동 평가를 통해서만 습득할 수 있는 것을 강요하는 것이 아닙니다. 뉴욕 타임즈도 이 점을 알고 있고, 기사의 구성이 클릭 수를 늘리기 위한 의도였을 거라고 생각하지만, 분명히 짚고 넘어갈 필요가 있습니다.
이 부분은 기술 이해에 대한 이전 섹션으로 돌아가는 것입니다. 교육 과정이 어떤 모습인지 확실하게 이해한다면, 주어진 작업을 처리할 수 있는 도구를 만들어낼 수 있을지 판단할 수 있습니다. 하지만 평가 자동화는 최소 수십 년 동안 교육의 일부였습니다. 성적표를 작성해 본 사람이라면 누구나 이를 알고 있습니다.
이 기술의 발전은 우리 교육 시스템을 어느 정도 변화시키고 있지만, 이 기술을 되돌릴 수는 없습니다. 인공지능이 교육에 긍정적인 영향을 미칠 수 있는 부분은 분명히 있습니다(자주 언급되는 예로는 개인 맞춤형 학습과 교사의 시간 절약을 통해 학생들에게 더 직접적인 서비스를 제공할 수 있게 되는 점 등이 있습니다). 하지만 대부분의 경우처럼 저는 현실주의자입니다. 대부분의 교사들이 잘 알고 있듯이, 대규모 언어 모델( LLM )이 등장하기 이전처럼 교육이 지속될 수는 없습니다.
결론
아이들은 우리가 생각하는 것보다 훨씬 똑똑하며, 우리 세상에서 AI가 무엇을 의미하는지 많은 것을 이해할 수 있다고 믿습니다. 제 조언은 이 기술의 현실, 특히 개인과 사회 전체에 미치는 장단점을 투명하고 솔직하게 전달하라는 것입니다. 우리가 AI를 어떻게 활용하느냐에 따라 아이들의 삶은 긍정적이든 부정적이든 형성될 것이며, 아이들은 이에 주의를 기울일 것입니다. 따라서 우리의 말뿐 아니라 행동도 신중하게 고려하는 것이 중요합니다. 우리는 아이들에게 AI의 가능성과 과제를 설명해야 하며, 특히 이 기술을 윤리적이고 책임감 있게 사용하는 것에 중점을 두어야 합니다.
댓글이 닫혔습니다.