AI와 대학의 변화

AI 시대, 대학의 새로운 패러다임
인공지능(AI)이 사회를 변화시키는 속도는 그 어느 때보다 빠르다. 대학 역시 이러한 변화에서 예외일 수 없다.  《AI와 대학의 변화》는 AI 기술이 대학 교육, 학문 연구, 그리고 직업 세계에 미치는 영향을 분석하며, 미래의 교육 모델을 탐색하는 책이다. AI 시대에 필요한 새로운 교육 방향과 대학의 역할에 대해 깊이 있는 통찰을 제공한다.

AI가 가져온 교육의 변화
AI는 단순한 보조 도구를 넘어 교육의 핵심 요소로 자리 잡고 있다. 적응형 학습, 생성형 AI를 활용한 콘텐츠 제작, 데이터 기반 교육 방식 등이 그 예다. 시드니대학교의 적응형 학습 도입 사례처럼, 학생 개개인의 학습 속도와 이해도를 분석하여 맞춤형 교육을 제공하는 방식이 점차 확대되고 있다. AI가 학생들의 학습 능력을 보조하고 평가 방식에도 영향을 미치며, 기존의 교수법을 근본적으로 변화시키고 있다.

AI와 학문 간 융합
AI는 이제 특정 전공에 국한된 기술이 아니라 모든 학문 분야와 융합하는 방향으로 발전하고 있다. X + AI, AI + X라는 개념은 AI가 자연과학, 공학, 인문학, 예술 등 다양한 학문과 결합하여 새로운 연구 가능성을 열고 있음을 의미한다. 이는 전공 간 경계를 허물고, 창의적인 문제 해결 능력을 요구하는 시대가 도래했음을 보여준다. 대학은 이에 맞춰 학생들에게 AI 활용 역량을 갖추도록 교육하고 있으며, AI 개발자, 데이터 분석가, AI 윤리 전문가 등 새로운 직업군이 등장하고 있다.

AI 시대의 인문학 역할
AI의 발전 속에서도 인간 고유의 가치와 창의성을 유지하는 것이 중요하다. 책은 AI가 인간의 창작성과 사고력을 대체할 수 있는지, 인간과 AI의 협업이 어떻게 이루어져야 하는지에 대한 질문을 던진다. AI 기술이 발전할수록 윤리적 고민과 가치 기반 접근이 더욱 필요해지며, 이에 인문학이 중요한 역할을 담당해야 한다고 강조한다.

AI와 대학, 변화의 길목에서
AI는 대학 교육과 학문 연구, 직업 세계까지 변화시키고 있다. 적응형 학습, AI 기반 콘텐츠 제작, 데이터 분석을 활용한 교육 혁신이 확대되며, AI와 다양한 학문의 융합도 가속화되고 있다. 마이크로디그리 도입으로 대학 학위의 개념도 변화하는 중이다. AI 시대에 인간의 창의성과 가치를 지키면서 기술과 공존하는 방안을 모색해야 한다. 《AI와 대학의 변화》는 이러한 변화 속에서 대학이 나아갈 방향을 깊이 있게 조망하며, 미래 교육의 패러다임을 제시한다.

김자미
고려대학교 교육대학원 컴퓨터교육 전공 교수다. 이화여자대학교 교육학과를 졸업하고 고려대학교 컴퓨터교육학과에서 박사 학위를 받았다. 2022 개정 정보과 교육과정 개발, 디지털 리터러시 개발, AI 디지털 교과서 프로토타입 개발 연구 책임자였으며, 『정보과 교과 교육론』, 『정보과 교육과정 개발 방법론』 등을 저술했다. 관심 연구 분야는 초중등에서 대학에 이르기까지 정보학을 기반으로 한 정보 · 컴퓨터 교육과정 구성에 대한 것이다. 고등 컴퓨팅 교육과정에 대한 연구를 진행했고 10여 개국의 정보 · 컴퓨터 교육과정을 분석했다. 최근 데이터 과학, 인공지능 교육과 교육과정 구성 등에 대해 연구하고 있다.

인공지능은 무엇을 바꾸고 있는가

01 변화의 패러다임
02 AI와 르네상스적 인간
03 대학과 AI 알고리즘
04 AI와 수업의 변화
05 AI와 인문학의 융합
06 데이터 과학과 AI
07 AI와 마이크로디그리
08 프롬프트 디자인
09 LLM과 LMM
10 AI와 사회, 직업, 그리고 학교

혁신(革新)의 의미가 완전히 바꾸어서 근본적으로 새롭게 하는 일이라면, 변화(變化)는 무엇이 가진 성질이나 모양 따위가 다르게 바뀌어 가는 것을 의미한다. 혁신이 두려운 것은 완전히 바뀌는 것 때문일 것이다. 반면, 변화는 바뀌고 있는 것에 대한 흐름을 사람이 그리고 사회가 느낄 정도다. 무엇인가 상태가 달라지는 것은 두려운 것이지만, 적응하지 못하면 도태될 수 있다는 것을 함께 인지해야 한다. 바꾸어 말하면, 도태되지 않기 위해서는 변화가 무엇인지에 대해 알기 위해 노력할 필요가 있다는 것이다.
－01_“변화의 패러다임” 중에서

대학에서 AI 알고리즘은 스마트 캠퍼스를 이루는 데 기여하고 있다. 캠퍼스 주변의 다양한 센서에서 데이터를 수집하고 빅 데이터를 실시간으로 처리해 캠퍼스 내 다양한 방문자, 사물, 프로세스 및 이벤트에 대해 의미 있고 유용한 결론을 도출하고 적절한 반응을 보이는 ‘스마트’ 기능이다. 스마트 기능은 수집한 데이터를 기반으로 예측, 감지 및 추론을 통해 안전한 캠퍼스 구성에 기여한다. 특히 장애 대학생을 포함한 대학의 주요 이해관계자에게 도움이 되는 상용 얼굴 인식 시스템을 통한 식별, 분석 및 테스트 등도 제공한다.
－03_“대학과 AI 알고리즘” 중에서

기계 학습은 사람이 직접 프로그래밍하기 힘든 복잡한 문제를 데이터를 기반으로 자동으로 해결할 수 있다. 또한 데이터로 넘쳐 나는 현대 사회에서 생성되는 방대한 양의 데이터를 효과적으로 분석하고 처리해 유용한 정보를 얻을 수 있게 해 준다. 기계 학습의 세 유형인 지도 학습, 비지도 학습, 강화 학습은 데이터과학과 인공지능의 핵심 문제 해결에서 특정 유형의 문제를 해결하는 데 서로 다른 적합성을 갖고 있으며, 실제 문제를 해결하는 데 필수적이다. 데이터 기반의 의사 결정을 통해 문제를 해결하기 위한 데이터 과학에서 기계 학습은 효율적인 해결 방법을 제공할 수 있다.
－06_“데이터 과학과 AI” 중에서

시대의 기술로 사회 변화의 패러다임을 선도하는 AI 모델에 대한 영향력의 한계는 가늠하기 어렵다. 그리고 세상에 소개된 다양한 LLM과 LMM 서비스를 제공하는 모델의 성능은 모두 동일한 것인가에 대한 의문도 있다. 우리가 알고 있는 오픈AI의 지피티 모델과 구글의 제미나이, 이외에 메타의 라마(Llama) 등 많은 모델이 존재한다. 각각의 모델 성능을 평가하기 위한 것이 대규모 멀티태스크 언어 이해(MMLU: Massive Multitask Language Understanding) 벤치마크다. 이 벤치마크는 AI 모델의 전반적인 언어 이해 능력을 평가하기 위해 만들어졌으며, 다양한 주제와 과제에서 모델의 성능을 테스트한다.
－09_“LLM과 LMM” 중에서