23. 생성형 AI 활용 교육 (Generative AI)

1. 생성형 AI 활용 교육 (Generative AI)

- 생성형 AI(Generative AI)는 인간과 구별하기 어려운 정교한 결과물을 생성하는 새로운 기술로, 교육부터 비즈니스, 의료 등 다양한 분야에서 활용되고 있음

- 이 기술은 프롬프트 입력을 기반으로 빠르게 새로운 콘텐츠를 생성할 수 있으며, 반응적인 방식이 아닌 창조적인 방식으로 작동함

- 이로써 글 작성, 코드 생성, 이미지 및 음악 등 다양한 분야에서 창의적인 개발을 지원할 수 있음

 

2. 프롬프트 (prompt)

- 프롬프트는 생성형 AI와 소통하는 핵심 역할을 담당하며, 프롬프트 엔지니어링은 디지털 리터러시의 일부로 간주됨  
- 생성형 AI의 발전은 GAN, VAE, LLM 등의 모델과 풍부한 훈련 데이터의 접근성 향상으로 가속화되었음
- 이로 인해 다양한 분야에서 생성형 AI의 활용이 늘어나고 있으며, 인간의 창조적 활동을 지원하고 개선하는 역할을 수행함

 

3. 인공지능의 4가지 정의 (천인국, 2023)

1) 인간처럼 행동하기 (Acting Humanly)

- 인간처럼 행동하는 컴퓨터로 구현하는 것이 인공지능임. 튜링 테스트가 대표적, 자연어 처리, 머신러닝, 로봇 공학 등 기술이 필요함

2) 인간처럼 사고하기 (Thinking Humanly)

- 인간이 어떻게 사고하는지 인지 과학과 신경 과학을 통하여 프로그램으로 구현함

3) 합리적으로 사고하기 (Thinking Rationally)

- 삼단논법과 같은 사고의 법칙 (논리학)을 이용하여 지능적인 시스템을 구현함

4) 합리적으로 행동하기 (Acting Rationally)

- 자율적으로 행동하고, 자신의 환경을 인지하며, 변화에 적응하고자 함

 

4. 인공지능의 주요 개념과 생성형 AI와의 관계

- 인공지능 (Artificial Intelligence) : 인간의 지능을 따라하여 그 능력들을 기계가 할 수 있도록 만드는 기술

- 머신러닝 (Machine Learning) : 명시적 규칙 없이 컴퓨터가 데이터를 기반으로 학습하고 데이터에서 찾은 패턴을 기반으로 추론할 수 있도록 하는 기술

- 딥러닝 (Deep Learning) : 인간의 뇌 신경망을 따라하여 데이터를 계층적으로 학습한 패턴을 기반으로 추론할 수 있도록 하는 기술

Azawill et al, PEN, 2019

• 주요 딥러닝 알고리즘: CNN(합성곱 신경망), RNN(순호나 신경망), LSTM, GRU
• 딥러닝을 활용한 다양한 문제 해결 시도
• 보조 분류기를 활용한 딥러닝 모델 연구 활발 / 학습 과정에서 기울기 소실(Gradient Vanishing) 문제 해결 등에 활용 가능

- 생성형 AI (Generative AI) : 이용자의 특정 요구 (Prompt)에 따라 결과를 생성해 내는 인공지능. LLM, GAN. VAE 포함

- 관계 : 인공지능 > 머신러닝 > 딥러닝 > 생성형 AI

 

5. 생성형 인공지능에 대한 인식과 요구 분석

1) 사용자 측면

- 프롬프트 작성의 요구 분석, 생성형 인공지능에 과도한 의존성 (비판적인 사고의 감소), 급격하게 진화하는 생성형 인공지능에 대한 지속적인 연구, 비윤리적 사용

2) 생성형 인공지능

- 신뢰성, 타당성의 부족, 답변의 부적절성, 최신 정보의 부재

 

6. 생성형 AI 활용 교육

- 생성형 AI의 다양한 영역의 확산은 교육 영역에서 기대와 우려를 동시에 야기함
- 생성형 AI는 맞춤형 학습 경로 생성, 자동채점, 콘텐츠 생성, 개인화된 진로 조언 등 교육에서 다양한 역할을 수행할 수 있지만, 잠재력의 오용으로 인한 문제도 우려됨
- 그럼에도 불구하고 생성형 AI는 교육의 새로운 전환점을 열어주고 있으며, 혁신과 문제 극복에 기여할 수 있는 중요한 기술로 간주됨
- 특히 생성형 AI 챗봇은 교육에서 중요한 역할을 수행함

 

 

7. 생성형 AI의 사례 (Cao et al.,)

응용 분야	플랫폼 및 소프트웨어	회사	제작년도
챗봇 (텍스트 기반의 대화형 인터페이스)	Bard	Google	2023
	BlenderBot	Meta	2022
	ChatGPT	OpenAI	2022
	Xiaoice	Microsoft	2018
	Lex	Amazon	2017
	Alexa	Amazon	2014
음악 (원하는 장르 및 감정 등을 선택하여 음악 생성)	Jukebox	OpenAI	2020
	AIVA	Aiva Tech	2016
코딩	CodeParrot	CodeParrot	2022
	CodeGPT	Microsoft	2021
	Codex	OpenAI	2021
	CoPilot	Microsoft	2021
미술  (텍스트를 통해 고품질 이미지 생성)	DALL-E-2	OpenAI	2022
	DreamStudio	Stability	2022
	Imagen	Google	2022
	Midjourney	Midjourney	2022
	Craiyon	OpenAI	2021
교육	Minerva	Google	2022
알고리즘	AlphaTensor	DeepMind	2022

 

8. 생성형 AI의 교육적 활용 국내 연구

1) 교수자

- 수업 계획 작성 (물리학1 과목에 대한 연간 교육계획서, 도덕 수업 지도안, 미적분 수업 관련 작성)

- 교육자료 준비 (학생 동기 유발 교육자료 준비)

- 문항 제작 (개념 확인을 위한 평가문항 제작 및 실생활 활용 수학 문제 개발)

- 검색 (ChatGPT 활용 문제에 대한 이해)

- 검증 (학습자 또는 교사가 작성한 자료의 오류검증)

 

2) 학습자

- 창의적 작문 (연극 대본, 에세이 작성, 이미지 분석 사이트 통해 추출된 키워드를 통한 글 생성)

- 오류 검증 대상물 (ChatGPT의 생성물을 검증)

- 아이디어 (문제의 해결 아이디어 생성)

- 문제풀이 과정 이해 (수리영역 문제의 결과 및 풀이 과정 학습, 물리영역 문제의 풀이 과정에서 동료 학습자로서 토론 역할 수행)

- 문제 만들기 (미분 영역 관련 문항 생성)

- 이미지 (영미문학 작품의 인물 및 내용을 통한 창의적 이미지 형성, 기 작성된 영작문을 프롬프트로 활용하여 이미지 형성)

- 코딩 (ChatGPT를 통한 Python 코드 입력)

 

9. 생성형 AI 챗봇 (ChatGPT)의 개념과 특징

- 챗봇은 인간 언어를 이해하고 상호작용이 가능한 소프트웨어로, 생성형 AI 챗봇은 초거대 언어 모델을 기반으로 한 대화형 텍스트 기반 챗봇임
- ChatGPT, BingChat, Bard 등이 대표적인 생성형 AI 챗봇이며, ChatGPT는 OpenAI에서 개발된 초거대 언어 모델로 트랜스포머라는 신경망 구조를 기반으로 하고 있음
- ChatGPT는 사용자와 효과적인 대화를 하며 사용자의 요구와 의도에 맞는 대답을 생성하며, 프롬프트 엔지니어링은 모델에 제공되는 질문이나 명령을 조정하여 인공지능의 성능을 최적화하는 기술임
- 콘텐츠의 품질과 사용자와의 관련성을 높이기 위한 프롬프트 작성 프레임워크인 CLEAR도 제시되고 있음

 

10. CREAR 프레임워크 (Leo et al.,)

- 간결성(Concise), 성찰 (Reflective), 명시성 (Explicit), 적응성 (Adaptive), 논리성 (Logical)

 

11. 생성형 AI 챗봇 (ChatGPT)의 교육적 활용

- ChatGPT는 교육 분야에서 혁신과 학습 지원의 가능성을 제시하고 있지만, 사용에는 몇 가지 우려사항이 있음
- 학습자의 비판적 사고와 문제 해결 능력에 영향을 줄 수 있으며, 학습자가 ChatGPT에 과도하게 의존하는 문제가 있음
- 이에도 불구하고, ChatGPT는 새로운 교육적 기회를 제공하고 개인화된 학습을 촉진하며, 교사는 평가 도구로 활용할 수 있음
- 그러나 ChatGPT의 한계는 개념 파악과 통찰력 부족, 부정확한 답변 제공, 편향성 데이터에 기반한 응답 등이 있음
- 이러한 한계는 교육에서 위협이 될 수 있으며, 학습자들의 창의성과 비판적 사고 능력을 저하시킬 수 있음
- 따라서 교사는 학습자들의 참여와 고차원적 사고를 촉진하여 이러한 문제를 극복해야 함