혹시 우리 아이들이 배우는 방식이 컴퓨터와 닮아있다는 생각, 해보신 적 있으신가요?
최근 인공지능 기술의 급격한 발전과 함께, 교육 분야에서도 머신러닝이라는 개념이 주목받고 있습니다. 스스로 학습하고 진화하는 컴퓨터처럼, 우리 아이들도 변화하는 세상에 발맞춰 스스로 배우고 성장할 수 있도록 교육의 패러다임을 바꿔야 한다는 목소리가 높아지고 있습니다..
이 글에서 인공지능 기술인 머신러닝의 개념을 통해 인간 교육의 현주소를 진단하고, 미래 교육이 나아가야 할 방향을 제시하고자 합니다. 마치 컴퓨터가 데이터를 통해 학습하듯, 우리 아이들도 경험과 정보를 통해 스스로 배우고 성장하는 능력을 키울 수 있도록, 교육의 새로운 가능성을 함께 탐구해 보겠습니다.
다음과 같은 흥미로운 주제들을 다루고 있니다.
- 머신러닝의 기본 원리: 컴퓨터가 어떻게 스스로 학습하는지, 그 비밀을 파헤쳐 봅니다.
- 지도학습 vs 비지도학습: 컴퓨터의 학습 방식을 통해 인간 교육의 다양한 접근법을 살펴봅니다.
- 한국 교육의 문제점: 주입식 교육의 한계와 그 대안을 머신러닝 개념을 통해 분석합니다.
- 컴퓨팅 사고력의 중요성: 21세기를 살아가는 데 필수적인 컴퓨팅 사고력이란 무엇일까요?
- 미래 교육의 방향: 머신러닝이 제시하는 미래 교육의 모습은 무엇일까요?
자, 그럼 이제 인공지능 시대에 맞는 새로운 교육의 세계로 함께 떠나보겠습니다.
1부. 지도학습과 비지도학습
머신러닝은 인공지능 알고리즘의 대표되는 기법으로 우리가 흔히 알고 있는 딥러닝을 포괄하는 개념입니다. 그리고 제목 그래로 기계가 학습하는 것이라 생각하면 됩니다.
이 개념을 간단하게 살펴보면 기존의 컴퓨터 프로그램은 사람이 특정 동작을 하는 알고리즘을 고안하여 코딩을 해야 했습니다. 하지만 머신러닝은 그 알고리즘 자체로써 특정 동작을 하는 알고리즘을 데이터를 통해 학습하여 동작하게 되는 개념입니다.
이를 쉽게 표현한 도식은 아래와 같습니다.
위의 그림에서 보듯이 전통적인 프로그래밍은 데이터와 프로그램을 넣어 컴퓨터가 계산하게 됩니다.
머신러닝은 데이터와 원하는 결과값을 학습시켜 모델 프로그램을 만드는 과정입니다. 이 모델을 통해 새로운 데이터를 입력하면 원하는 결과값을 예측하거나 판단할 수 있습니다.
다시말해, 데이터와 예상 결과값으로 모델을 구성하고 학습을 시켜야 합니다. 그런 다음 그 학습된 모델을 바탕으로 프로그램을 동작시키기 때문에 기계가 학습하고 이 학습된 것을 바탕으로 동작하게 되는 것입니다.
이 모델의 구조를 인간의 두뇌 단위인 뉴런을 흉내내어 만들어서 신경망 알고리즘이라고 합니다. 초기에 신경망이라 불렸고 이후에 신경망이 복잡해지면서 딥러닝이라 명명하게 되었습니다.
실제 두뇌에서 뉴런은 위 그림과 같이 보입니다.
위의 그림 왼쪽처럼 뉴런을 단순화 시킬 수 있고 많은 의학 사전에 두뇌를 설명할 때 사용하는 이미지 입니다.
그리고 오른쪽의 그림이 바로 신경만의 가장 단순한 구조입니다.
이를 신경망 네트워크로 도식화 하면 아래와 같습니다.
처음 신경망을 공부할 때는 의학용어를 먼저 이해했어야 했습니다.
지금은 인공지능을 공부하기 위해 의학용어까지 알 필요는 없을 것 같습니다.
초기에는 이 기본 신경망을 어떻게 구조화하여 발전시켜야 할지가 중요한 중요했기 때문에 의학용어의 이해가 필요있었습니다.
이제는 단순히 신경망 구조만 신경써서 더 복잡한 문제들이 해결되지는 않습니다.
딥러닝은 이러한 기본 신경망에 신경망 계층을 많이 추가했습니다.
이렇게 신경망 계층이 많아지면 학습을 위해 데이터가 아주 많아야 하는 문제가 존재합니다.
이 이미지의 딥러닝은 기본 구조만을 보여주는 것이고 실제로 딥러닝을 제대로 동작시키려면 딥러닝 모델 전에 데이터를 처리하는 부분도 포함되어야 진정한 딥러닝이 됩니다.
아래는 딥러닝의 대표가 되는 CNN알고리즘의 구조를 도식화한 그림입니다.
이러한 딥러닝의 발달은 알파고가 이세돌을 이기는 기계가 인간을 이기는 상황을 만들었습니다.
이 알파고는 딥러닝에서도 한층 어려운 딥러닝 강화학습 기법을 사용했는데 이는 다음에 좀 더 심도있게 다루겠습니다.
이상과 같은 머신러닝으로 해결하는 문제의 종류는 크게 선형회귀, 분류, 군집화의 세영역으로 나눌 수 있습니다.
이는 또 모델을 학습한다는 측면에서 지도학습과 비지도학습으로 분류하여 학습됩니다.
선형회귀는 쉽게 말해 일차함수, 이차함수와 같은 선형성을 예측하는 기법으로 당연히 함수와 유사하게 도출될 수 있지만 함수처럼 정확히 일치하지 않더라도 그 유사성을 파악하여 미래를 예측하는 기법입니다. 흔히, 주식이나 비트코인 시세, 기상관측 등을 예측하는 방법에 많이 사용하게 됩니다.
분류와 클러스터링의 문제가 흔히 우리가 어떤 문제의 해답을 얻을 때 사용하는 기법입니다.
예를 들면, 메일을 받았는데 스팸인지, 아닌지 확인하여 자동으로 분류할 수 있습니다.
이는 기존의 받은 메일을 사용자가 스팸이라고 계속 지정해 놓으면 시스템은 이러한 데이터를 지도학습을 통해 자연스럽게 학습하여 모델을 형성합니다. 이에 따라 자동으로 필터링할 수 있게 분류를 하는 알고리즘이 동작합니다.
이때 지도학습이라는 말은 사용자가 메일을 미리 분류하여 분류의 결과를 미리 알려주며 학습을 시켰기 때문에 분류를 자동으로 하게 됩니다.
이렇게 사용자가 메일을 스팸으로 분류하지 않았을 때, 메일 박스가 가득차 있을 경우를 가정해 봅니다. 보낸 사람이 누구인지 구분을 할 수 없을 때 아주 많은 메일이 있으면 이 메일 데이터들을 학습하여 자동으로 이를 메일들의 클러스터를 형성하여 분류를 하게 됩니다. 이때 메일이 스팸인지 아닌지는 모르지만 어쨋든 스팸성의 메일과 그렇지 않은 메일, 그리고 중요한 메일등등을 자동으로 구분하는 모델을 형성합니다. 나중에 사용자가 각각을 열어보고 이를 스팸으로 확인할 수도 있고 중요한 메일로 확인할 수 있게 되어 사용자의 구분에 따라 메일들의 종류를 결정하는 비지도학습 알고리즘이 동작할 수 있습니다.
우리 인간들은 학교나 부모로부터 배울 때 많은 경우 지도학습을 통해 배우는 경우가 있습니다.
특히, 고유명사에 대한 명칭은 당연하게도 누군가가 가르쳐줘야 알게 됩니다.
인간이라면 명칭을 알기 이전에 이미 비지도 학습을 하여 그 명칭에 대한 군집화하고 있게 됩니다. 우리 뇌는 이미 군집화 해놓고 있기에 명칭을 알려주기만하면 그 종류별로 쉽게 구분할 수 있습니다.
우리 학교에서 한글을 배울 때나 곱셈을 배울 때는 우리는 완전 지도학습 방식으로 배우게 됩니다. 그냥 암기를 통해 배우게 되죠. 이는 단순하기에 암기를 통해 배우게 되더라도 쉽게 응용할 수 있습니다.
하지만 미분과 적분의 경우에 공식을 단순히 암기하고 문제를 푸는 것을 배울 때는 우리는 그것을 쉽게 응용하기 상당히 어렵습니다.
실제로 교과서에서는 이러한 미분과 적분을 응용하기 위해 그 개념을 단계별로 설명을 하고 있긴 합니다. 이러한 개념을 단계별로 설명했더라도 결과적으로는 지도학습으로 이건 이거야 하는 식의 주입식으로 배우게 되는 것입니다.
이러한 교육의 문제를 중앙대 김누리 교수는 독일식 교육법을 배워야 한다고 주장합니다.
독일은 알파벳이나 곱셈을 배울 때도 스스로 학습할 때까지 기다리는 교육이라고 합니다.
대한민국은 이제까지 주입식 교육으로 해도 가능했던 것은 답이 있었기 때문입니다. 기업들이 이미 선진국에서 만들어 놓은 것을 따라서 만들었으면 되었기 때문입니다.
생각해보면 이제 우리 대한민국은 선진국입니다. 글로벌 SW기업은 없습니다. 제조업은 삼성과 LG와 같은 글러벌 기업이 있지만 소프트웨어 기업으로는 없습니다.
소프트웨어 교육을 전세계적으로 주장하는 이유는 부가가치가 가장 높고 기술집약적이며 창의력이 가장 필요한 업종이 SW산업입니다. 이러한 SW산업은 단순히 암기해서는 결과물을 혁신적으로 만들기 어렵습니다.
그 이유는 암기를 해야 한다면 너무 많습니다. 암기로써는 해결할 수 없고 논리력으로 풀어가야 하는게 그것이 컴퓨팅사고력입니다.
컴퓨팅 사고력은 크게 문제분해, 패턴매칭, 추상화, 자동화 등의 생각방식이 훈련되어야 하는데 이는 자신의 문제를 고민하는 과정에서 이 기법의 생각방식이 훈련되어야 바른 사고력이 길러집니다.
이러한 사고력은 단순히 4지선다형의 시험을 통해 측정되기는 굉장히 어렵습니다. 그런데도 어떤 기관에서는 시험으로 평가하려고 초등학생들을 코딩시험 준비시킨다는 공고를 보고 놀랐습니다.
컴퓨팅 사고력은 우선 문제에 부딪쳐야 하고 이때 문제를 파악하고 빠르게 이를 작은 단위로 분해하여 해결의 실마리를 찾아야 합니다.
이러한 문제들을 많이 부딪칠수록 문제들의 패턴을 쉽게 찾아서 해결할 수 있게 됩니다. 하지만 우리의 학교교육은 그러한 생활속의 문제를 현실적으로 직면하게 시뮬레이션할 수 있는 체계가 아닙니다.
아쉽게도 4지선다형의 답변으로 평가하는 문제를 12년동안 해결하는 문제풀이 방식으로 대학진학과 취업 관문을 통과해야 합니다.
그렇다보니 학생들은 학습한 내용을 이해하는 것에 초점을 두는 것이 아닌 시험성적을 잘받는 것에 초점을 맞추는 경향이 두드러입니다. 이러한 모습을 실제 교육활동을 하며 경헙했습니다.
이러한 경향을 바로잡기 위해서는 학생들의 소통을 이해해야 할 것 같습니다.
배푸(www.baefoo.com) 서비스는 수업에서 사용할 서비스로써 선생님이 학생들간의 채팅을 보면서 이러한 경향을 이해하고 그들이 스스로 깨달을 수 있게 지도할 수 있도록 준비하고 있습니다.
더불어 경험하고 생각하는 교육을 위해 메이커교육, 융합(STEAM)교육이 필요한 것입니다.
이러한 교육은 우리교육을 현실적인 교육으로 발전시킬 것입니다. 이를 달성하려면 그 필요성과 콘텐츠들이 많이 공유되어야 할 것이라고 봅니다. 배푸메이트는 이러한 콘텐츠가 공유되도록 선생님들과 협력하려 합니다.
결론적으로 인간은 자연스럽게 비지도학습으로 학습을 지속적으로 합니다. 이렇게 비지도학습으로 스스로 익히게 된 것을 선생님들은 지도학습으로 자연스럽게 안내를 해야 합니다.
추상적인 개념들을 지도학습으로만 코칭하게 되면 그 추상적인 개념이 현실적으로 받아들여지지 않습니다. 그래서 실제 현실에서 적용하지 못하게 됩니다.
선생님들 뿐아니라 많은 학부모는 학생들이 스스로 깨우치는 비지도학습을 위해 기다려주고 인내하는 교육이 필요할 것 같습니다.
어려울지 모르는 머신러닝의 개념을 정리하며 우리 인간의 학습을 생각해 보았습니다.
우리 다음 세대의 미래를 위해 준비하는 배푸메이트가 되도록 노력하겠습니다.
감사합니다.
** 배푸 - 좋은 친구와 함께 배우고 풀어서 세상에 베푼다.
** 배푸메이트 - 이러한 좋은 친구들을 지원하는 친구로써의 회사
배로만쌤 드림.
2022. 3.27(일)
수정: 2024.4.26.(금)
2차 수정 : 2025.2.13(목)
'인생 노하우' 카테고리의 다른 글
| PC와 운영체제 발전을 경험하며 미래교육을 생각하기 (0) | 2024.01.12 |
|---|---|
| 작게 시작하여 크게 성공하자, 티끌모아 태산 : 애자일 방법론 (0) | 2022.10.21 |
| 지식 공유 원리의 "배푸 제2이론" (0) | 2022.03.10 |
| 지구의 평화를 꿈꾸는 “배푸 제1이론” (0) | 2022.03.10 |
| 바른 토론의 기본 (0) | 2022.02.06 |
댓글