총신대 역사교육과 특강(7/7)

역사란 ‘과거와 현재의 대화’ 또는 ‘과거의 사실과 현재의 역사가의 대화’라는 것은 누구에게든 널리 회자되어온, 역사에 대한 카의 유명한 정의이다. 그러나 그 두 항목 중에서 카가 강조하는 것은 과거 자체 혹은 과거의 사실이 아니라 그것을 가지고 역사담론과 역사지식을 생산하는 ‘현재의 역사가’이다. 이미 지나가버린, 그런 의미에서 스스로 말할 수 없는 과거의 사실들을 대화의 장에 불러들이는 것은 현재의 역사가이기 때문이다. 그러므로 카는, 과거는 현재의 역사가들이 가지고 있는 현실 사회에 대한 문제의식에 따라 구성되며, 과거의 사실들이 어떠했는가보다는 역사지식을 생산하는 역사가가 현재의 사회와 현실에 대해서 어떤 문제의식과 가치관을 가지고 있는지가 더 중요하다고 말한다.
다음은 ChatGPT의 학습 원리에 대한 간략한 설명입니다.
ChatGPT는 GPT(Generative Pre-training Transformer) 모델을 기반으로 한 자연어 생성 모델입니다. GPT 모델은 Transformer 아키텍처를 사용하여 문장을 생성하기 위한 파라미터를 학습합니다.
ChatGPT는 대규모 코퍼스 데이터를 사용하여 사전 학습(pre-training)합니다. 이렇게 학습된 모델은 다양한 자연어 생성 태스크에 효과적으로 적용될 수 있습니다. 또한, ChatGPT는 입력된 문장에 대해 일련의 확률값을 출력하고, 이를 기반으로 자연어 생성을 수행합니다.
이러한 방식으로 ChatGPT는 입력된 문장의 맥락을 파악하고, 이를 기반으로 의미 있는 자연어 생성을 수행합니다.
Human FeedBack Data
Human Feedback Data는 사용자 또는 연구나 실험 참가자들이 제공한 피드백 또는 입력을 의미합니다. 이러한 데이터는 제품, 서비스 또는 프로세스를 개선하기 위해 사용되며, 종종 설문 조사, 인터뷰 또는 사용자 테스트를 통해 수집됩니다. 사용자 경험 디자인과 같은 분야에서는 사용자의 요구와 관점을 이해하는 것이 효과적이고 사용자 친화적인 제품을 만드는 데 중요하기 때문에, 인간의 피드백 데이터는 중요합니다.
NLP에 대한 이해
NLP (Natural Language Processing)는 인간의 언어를 이해하고 해석하며, 컴퓨터가 이해할 수 있는 형태로 변환하는 인공지능 분야 입니다. NLP는 컴퓨터가 인간의 언어를 처리할 수 있도록 프로그래밍하는 기술이며, 인공지능의 핵심 기술 중 하나입니다. NLP 기술은 자연어 처리, 자동 요약, 기계 번역, 정보 검색, 감성 분석, 음성 인식 등 다양한 분야에서 활용됩니다. 이러한 기술을 통해, 인간과 컴퓨터 간의 자연스러운 대화가 가능해지며, 다양한 분야에서 혁신적인 서비스와 어플리케이션을 개발할 수 있습니다.
Reinforcement Learning
강화 학습은 에이전트가 환경과 상호작용하며 보상 또는 벌점 형태의 피드백을 받아 결정을 내리는 기계 학습의 한 유형입니다. 강화 학습의 목표는 에이전트가 누적 보상을 최대화하는 행동을 학습하는 것입니다. 에이전트는 환경으로부터 받은 피드백에 따라 행동을 조정하면서 시행착오를 통해 학습합니다. 강화 학습은 게임 플레이, 로봇 공학 및 자율 주행 등 다양한 분야에서 성공적으로 적용되었습니다.
인공지능 시대에 역사학자의 역할에 대한 고민
인공지능 기술의 발전으로 인해 역사학자의 역할이 변화하고 있다. 과거에는 주로 역사적 사실을 수집하고 분석하여 연구 결과를 도출하는 것이 핵심이었다. 그러나 인공지능 기술은 대용량 데이터를 빠르게 처리하고 분석할 수 있기 때문에, 이전보다 더 많은 역사적 자료를 수집하고 분석할 수 있다. 이러한 변화로 인해 역사학자는 인공지능 기술을 활용하여 더욱 정확하고 깊이 있는 분석을 수행하는 역할을 맡게 되었다.
하지만 인공지능 기술이 발전하더라도, 역사학자의 역할은 사라지지 않을 것이다. 인공지능 기술은 데이터를 수집하고 분석하는 데에 한계가 있기 때문이다. 역사학자는 인공지능 기술로 수집된 데이터를 분석하고, 이를 바탕으로 인간 중심의 분석과 해석을 수행할 수 있다. 또한, 인공지능 기술은 이전에는 발견하지 못했던 새로운 역사적 사실을 발견할 수 있게 해주지만, 이러한 사실을 바탕으로 한 심도 있는 연구는 여전히 인간의 역할이 필요하다.
따라서, 인공지능 시대에도 역사학자는 여전히 중요한 역할을 수행할 수 있다. 인공지능 기술과 역사학자의 협업을 통해, 더욱 정확하고 깊이 있는 분석과 해석을 수행할 수 있을 것이다.
또한, 역사 교육 분야에서 인공지능 기술을 활용하면, 학생들이 보다 더 적극적이고 참여도 높은 학습 경험을 할 수 있다. 인공지능 기술을 활용한 학습 도구를 통해 학생들은 이전에는 불가능했던 새로운 시각으로 역사적 사건과 개념을 시각화할 수 있으며, 이는 역사에 대한 이해와 감성을 높일 수 있다.
하지만, 역사적 연구와 교육에서 인공지능 기술이 역사학자와 교사의 역할을 대체할 수는 없다. 역사학자와 교사가 제공하는 분석과 해석은 귀중하며, 역사적 연구와 교육에서 인간적인 요소는 여전히 중요하다.
결론적으로, 인공지능 기술의 발전은 역사학자의 역할을 변화시켰지만, 역사적 연구와 교육에서 인간의 역할은 여전히 중요하다는 것을 인식해야 한다. 인공지능과 역사학자가 함께 협업하여, 더욱 깊이 있는 분석과 해석을 수행하고, 이를 통해 과거를 보다 잘 이해하고 평가할 수 있도록 노력해야 한다.
고등학교 인공지능 교육 사례
Github를 통한 학습 자료 공유

참고 자료

챗GPT가 어떻게 사람처럼 말하고 일하는지 알고는 써야죠~ ‘세이클럽의 아버지’ 남세동 보이저엑스 대표가 중학교 수준의 수학 개념으로 파라미터, AI모델에 대해 통쾌하게 설명합니다.
1차방정식 y=ax+b에서 파라미터는 a,b입니다. a,b를 찾는 것이 1차함수 모델을 만드는 과정이죠. 챗GPT를 만든 초거대 AI모델도 마찬가지입니다. 파라미터가 2개에서 1750억개 이상으로 늘어나 파라미터를 찾는 과정이 막노동일 뿐이라는 것이죠.
한국에서 AI를 가장 쉽게 설명하는 남 대표의 1차함수로 끝내는 AI모델 작동원리~
00:00 오프닝
01:39 AI=모델=함수=프로그램
09:37 AI 모델링은 '커브 피팅'이다.
14:17 1차함수로 모델링을 한다면
18:00 피팅은 오차를 최소화하는 과정
22:56 AI 모델의 차이는 파라미터의 차이다.
26:11 컴퓨터는 어떻게 언어와 이미지를 숫자로 해석할까?
30:22 딥러닝은 수많은 파라미터를 조금씩 조정하는 반복과정.
39:18 챗GPT는 막노동으로 수천억 개의 파라미터를 찾아낸 모델.
생성AI으로 정말 바빠진 곳이 있습니다. 테크회사 데이터센터입니. 쏟아지는 연산을 처리하기 위해 장당 1,000만원이 넘는 엔비디아 GPU를 수백장씩 추가하고 있죠. 전기세도 어마어마합니다.
그래서 주목을 받는 반도체가 바로 AI반도체입니다. GPU를 대신해 더 저렴하고 빠르게 AI 서비스를 할 수 있기 때문입니다. 그래서 챗GPT의 등장이 역설적으로 엔비디아의 지배력을 무너뜨리는 계기가 될 수도 있는 것이죠. 생성AI를 사용하려는 기업의 필수품이라는 AI반도체가 무엇인지, 어떤 경쟁력이 있는지 AI 반도체 스타트업 리벨리온의 박성현 대표에게 들어봅니다.
※릴레이 인터뷰 라인업 : 김지현 SKT 부사장, 배순민 KT AI2XL 연구소장, 구태언 법무법인 린 변호사, 오순영 KB금융 AI센터장, 황재선 SK디스커버리‧SK바이오사이언스 부사장, 남세동 보이저엑스 대표, 박성현 리벨리온 대표, 박종선 인포보스 공동대표, 이세영 뤼튼 대표, 김종윤 스캐터랩 대표(이루다 개발사), 이건복 마이크로소프트코리아 상무, 뇌과학자 장동선, 장민 뉴럴웍스랩 대표
#챗GPT #리벨리온 #엔비디아
00:00 하이라이트
00:26 박성현 대표 소개
00:44 AI반도체, AI가속기, NPU. 뭐가 맞나
02:32 AI반도체는 어디서 일을 하나?
04:04 AI반도체는 언제, 왜 등장했나?
07:58 챗GPT의 등장이 반도체 시장에 미치는 영향?
11:09 그럼에도 왜 GPU가 대세인가?
13:32 AI반도체는 어떤 경쟁력이 있나?
16:01 AI반도체가 발달하면 엣지에서도 인공지능 연산이 되나?
17:17 AI반도체 활용하면 칩을 덜 써도 되나?
18:20 반도체도 버티컬하게 가는가?
21:40 리벨리온은 어떤 제품을 만들까?
24:27 반도체 회사는 챗GPT 시대를 어떻게 대비하나?
27:17 최종적으로 LLM이 스마트폰에서도 돌아갈까?

참고 자료

1. 코랩 활용 구글 번역기 코드 만들기

2. 다양한 인공지능 도구

Project1: I am an AI bot.

1. 메뉴얼

2. 툴

3. 과제 제출방

인공지능 윤리(트롤리 딜레마, 모럴 머신)

1. 자율주행차는 어떤 선택을 해야 하는가?

2. 모럴 머신

Project2: Open AI

1. AI Tools

2. Colab Notebooks shared by AI Kim

당신은 고등학교 프로그래밍 교사다. 파이썬 pandas, matplot, numpy 라이브러리를 활용하여 간단한 데이터 분석을 할 수 있는 프로젝트 과제를 만들고 있다. 학습용 데이터를 만들어서 함께 제공하라. 학습용 데이터와 그 데이터를 활용하여 데이터 분석을 할 수 있는 과제를 만들고 모범 답안도 작성하라.
학습용 데이터를 만들어서 제공하고, 파이썬 코드도 작성하라.

3. Data Analysis Learning materials

4. Lectures

5. 과제 제출방

Project3: AI Hackathon

뤼튼 서비스
추가로 더 나눌 이야기
진짜로 국어, 영어, 수학, 코딩의 시대가 도래했다.
피지컬 컴퓨팅 수업 시간에 ChatGPT 활용한 수업 지도안 예시
1. 마이크로비트 활용 사례
마이크로:비트를 사용하여 ChatGPT와 상호 작용하는 방법
이 비디오는 마이크로:비트를 사용하여 ChatGPT와 상호 작용하는 방법을 보여줍니다. 발표자는 마이크로:비트 시뮬레이터를 사용하여 자바스크립트 코드를 작성하고 온도 프로브를 시뮬레이션하며, 온도 임계값에 따라 다른 메시지를 표시하는 방법을 보여줍니다. 또한 ChatGPT와 마이크로:비트를 탐색하고 실험해보라고 시청자들에게 권장하며, 다양한 기능을 위해 자바스크립트 코드를 생성하는 편리함을 강조합니다.
•
마이크로:비트를 사용하여 ChatGPT와 상호 작용하는 방법을 보여줍니다.
•
마이크로:비트 시뮬레이터를 사용하여 자바스크립트 코드를 작성하고 온도 프로브를 시뮬레이션합니다.
•
ChatGPT와 마이크로:비트를 탐색하고 실험해보세요!
https://traw.ai/video/19fd387e-9180-4a58-8462-1c0e92b88c0a
2. 수업 적용 방안
66번 영신여자고등학교 김준오 교사입니다.
[수업 설계 목표]
저는 평소에 IT 기술에 인문학적 요소와 스토리텔링 기법이 함께 융합되어 하나가 될 때, 새로운 가치가 창출되고 원했던 교육적 가치를 찾을 수 있을 것이라는 확신이 있습니다.
[수업 내용]
협업 프로젝트로 수업이 진행됩니다.
그룹별로 인원을 구성하고, 그룹 구성원들은 함께 만든 스토리를 만듭니다.
스토리에 맞게 자신이 가지고 있는 마이크로비트에 역할을 부여하여 때로는 캐릭터로, 때로는 배경음악, 또는 무대장치로 활용합니다.
스토리가 완성되고 마이크로비트 작동 준비가 되면 장면마다 촬영하여 하나의 스토리 영상을 만듭니다.
발표를 통해 각 그룹의 동영상을 감상하고 서로에게 피드백을 주고 받으면서 자신의 팀에 부족했던 부분과 우수한 부분을 확인합니다.
[기대 효과]
학생들이 ChatGPT의 도움을 받아서 마이크로비트를 편하게 작동시키고 사용할 수 있게되면 작은 성공 경험을 하게 됩니다.
이후의 마이크로비트를 활용한 심화 수업에 이전에 경험한 성공 경험이 다양한 형태의 전이 학습을 가능하게 할 것입니다.
다음은 ChatGPT의 도움을 받아 가상으로 수업 지도안을 설계한 내용입니다.
ChatGPT와 micro:bit를 결합하여 스토리텔링을 탐구하는 두 가지 재미있는 수업 계획입니다.
수업 계획 1: 협동 스토리텔링 모험
목표: micro:bit 및 ChatGPT를 사용하여 대화형 내러티브를 만드는 공동 스토리텔링 모험에 학생들을 참여시킵니다.
재료:
•
마이크로:비트 보드
•
USB 케이블
•
인터넷 접속이 가능한 컴퓨터
절차:
1.
소개(10분):
•
스토리텔링의 개념과 창의성과 상상력을 키우는 데 있어 스토리텔링의 중요성을 소개합니다.
•
학생들이 micro:bit 및 ChatGPT를 사용하여 대화형 스토리를 만들기 위해 협력할 것이라고 설명합니다.
2.
스토리라인 생성(20분):
•
학생들을 소그룹으로 나눕니다.
•
각 그룹에게 캐릭터, 설정 및 주요 갈등을 포함하여 스토리 아이디어를 브레인스토밍하고 개발하도록 지시합니다.
•
각 그룹 내에서 창의성과 협업을 장려합니다.
3.
스토리 프로그래밍(30분):
•
마이크로비트에 코드를 작성하여 캐릭터, 설정 및 주요 이벤트와 같은 스토리 요소를 표시하도록 학생들을 안내합니다.
•
학생들에게 micro:bit의 직렬 통신을 사용하여 스토리 프롬프트 또는 선택 사항을 ChatGPT로 보내는 방법을 보여줍니다.
•
학생들이 ChatGPT의 응답을 스토리 내러티브에 통합하도록 돕습니다.
4.
인터랙티브 스토리텔링(30분):
•
그룹이 번갈아 서로의 대화형 스토리를 통해 재생하도록 허용합니다.
•
그룹이 스토리 프롬프트나 선택에 직면하면 마이크로비트를 사용하여 결정을 입력한 다음 응답을 위해 ChatGPT로 전송됩니다.
•
그룹이 선택에 따라 다양한 스토리 경로와 결과를 탐색하도록 권장합니다.
5.
성찰 및 토론(10분):
•
공동 스토리텔링 경험에 대한 토론에 학생들을 참여시킵니다.
•
그들이 직면한 도전과 그들이 개발한 창의적인 해결책을 생각해 보십시오.
•
대화형 스토리텔링을 향상시키는 기술의 힘에 대해 토론합니다.
수업 계획 2: Micro:bit 및 ChatGPT를 사용한 캐릭터 개발
목표: micro:bit 및 ChatGPT를 사용하여 캐릭터 프로필 및 내러티브를 개발하여 스토리텔링 및 캐릭터 개발을 탐색합니다.
재료:
•
마이크로:비트 보드
•
USB 케이블
•
인터넷 접속이 가능한 컴퓨터
절차:
1.
소개(10분):
•
스토리텔링에서 잘 발달된 캐릭터의 중요성에 대해 토론합니다.
•
학생들이 micro:bit 및 ChatGPT를 사용하여 자신만의 고유한 캐릭터를 만들고 개발할 것이라고 설명합니다.
2.
캐릭터 생성(20분):
•
각 학생에게 이름, 외모, 성격 특성 및 배경 이야기를 포함한 캐릭터 프로필을 작성하도록 지시합니다.
•
학생들이 창의적으로 생각하고 캐릭터에 고유한 특성을 추가하도록 격려하십시오.
3.
캐릭터 프로그래밍(30분):
•
마이크로비트 보드를 프로그래밍하여 캐릭터의 이름, 시각적 표현 및 성격 특성을 표시하도록 학생들을 안내합니다.
•
학생들에게 micro:bit의 직렬 통신을 사용하여 캐릭터에 대한 프롬프트나 질문을 ChatGPT로 보내는 방법을 보여줍니다.
4.
캐릭터 상호작용(30분):
•
학생들이 micro:bit 및 ChatGPT를 사용하여 서로의 캐릭터와 상호 작용할 수 있습니다.
•
학생들은 서로의 캐릭터에 대해 질문할 수 있으며 ChatGPT는 캐릭터 프로필을 기반으로 응답을 생성할 수 있습니다.
5.
성찰 및 토론(10분):
•
캐릭터 개발 경험에 대한 토론에 학생들을 참여시킵니다.
•
micro:bit 및 ChatGPT를 사용하여 캐릭터에 생명을 불어넣는 과정에 대해 토론합니다.
•
학생들이 자신의 캐릭터에 대해 발견한 흥미로운 상호작용이나 발견을 공유하도록 격려하십시오.
이 수업 계획은 학생들에게 micro:bit 및 ChatGPT를 통합하면서 스토리텔링, 창의성 및 캐릭터 개발을 탐구할 수 있는 실습 기회를 제공합니다. 학생들은 대화형 내러티브를 개발하고 협력적인 스토리텔링 모험에 참여하여 상상력과 비판적 사고 기술을 함양합니다.

고민의 시간

인공지능과 인간이 공존해야 하는 상황 속에서 역사의식을 가진 역사교육과 학생은 어느 위치에서 어떤 생각을 가지고 어떤 역할을 해야 할까요?