인공지능 시대 교육은 어떻게 해야할까?

우리들 대부분은 자율주행차, 음성 비서 등 인공지능 기술을 혁명으로 여긴다. 하지만 다음 세대에는 이런 놀라운 것들이 항상 있을 것이다. 그들에게 인공지능은 하나의 도구 이상이 될 것이다. 인공지능은 그들의 동료가 되고 삶의 모든 면에서 함께하게 될 것이다.

다음 세대들이 인공지능과 빅데이터를 효과적으로 이용하려면, 즉 그들이 인공지능의 한계를 이해하고 더 나은 플랫폼과 지능 시스템을 구축하게 하려면 지금부터 준비할 필요가 있다. 초등교육에서 어느 정도의 조정이 필요하고 2차적으로는 컴퓨터과학 교육에서 장기적인 업그레이드가 필요하다.

요즘 아이들이 인공지능과 자동화 기술과 어떤식으로 상호작용하는지 살펴보자. 요즘엔 아이들이 마법처럼 시리(Siri)에게 "오렌지색 드레스를 입은 연예인 사진을 보여줘"라고 말하고 몇 초 뒤 스마트폰에 표시된 테일러 스위프트의 사진을 본다. 하지만 이건 마법은 아니다. 사람들은 하나의 문제를 많은 작은 문제들로 주의깊에 분해함으로써 그리고 서로 소통하기 위해 그 작은 문제들에 해결책을 이용할 수 있게끔 인공지능 시스템을 설계한다. 이 사례에서 인공지능 프로그램은 음성을 어구들로 나누고 이것을 클라우드에 보내고 이들의 가능한 의미가 무엇인지 결정하기 위해 분석하고 일련의 검색 문구들로 바꾼다. 그런다음 수백만 개의 가능한 대답들을 분류하고 순위를 매긴다. 클라우드의 확장성 덕분에 이 과정은 수십 밀리초 정도에 수행된다.

이것은 로켓 과학은 아니다. 하지만 음성을 이해하기 위한 파형 분석, 옷을 어떻게 인식할 지를 기계에게 가르치는 기계학습, 정보를 보호하기 위한 암호화 등 많은 기술들을 필요로 한다. 많은 기술들이 표준적으로 사용되거나 다른 응용기술에서 사용되던 것이지만 그렇다고 차고에서 고독한 천재가 만들어 낼 수 있는 것은 아니다. 이런 유형의 기술을 만드는 사람들은 팀을 구성할 수 있어야 하고 다른 팀들이 만든 해결책들을 통합할 수 있어야 한다. 이러한 것들이 다음 세대를 가르치는데 필요한 기술들이다.

또한 노동현장에서 인공지능이 일상적인 정보와 일들을 차지해가는 시대에 우리는 인간 노동자들을 인공지능과 차별화할 수 있는 창의성, 적응성, 인간관계 기술에 초점을 맞출 필요가 있다.

초등학교 수준에서는 문제 해결 방법을 강조하고 아이들이 팀을 이루어서 어떻게 협력하며 일할 수 있는지를 가르칠 필요가 있다. 다행히도 K-8수준에서 탐구기반 혹은 프로젝트 기반 학습에 대한 많은 관심이 있다. 하지만 얼마나 많은 학교들에서 이러한 접근법을 추구하는지는 명확치 않다.

윤리학도 모든 교육 수준에서 더 많은 관심을 두어야 한다. 인공지능 기술은 언제나 윤리적 딜레마에 직면한다. 자동화된 결정과정에서 어떻게 인종, 민족, 성적 편견을 배제할 것인지, 자율주행차의 경우 탑승자와 보행자 생명을 어떻게 균형있게 할 것인지 등을 결정하게 될 사람들 혹은 프로그래머들이 충분히 숙고할 수 있게 해야 한다.

우리가 초등학교 수준에서 프로그래밍을 가르쳐야 한다는 강박을 갖고 있지는 않다. 그렇게 하는게 좋을 수 있다. 특히 아이들이 그걸 즐긴다면. Snap!과 Scratch는 유용한 프로그래밍 언어이다. 하지만 프로그래밍은 아이들이 나중에 교육과정에서 선택할 수도 있는 것이다. 그러나 프로그램을 배우는 것에 대해 전혀 걱정할 필요는 없다는 생각은 잘못 안내할 수 있다. 세계가 점점 더 디지털화되어감에 따라 컴퓨터 과학은 글쓰기와 수학처럼 예술과 과학에서 필수적인 것이 되고 있다. 컴퓨터 과학자가 되는 것을 선택하든 아니든 프로그래밍은 선택한 분야가 무엇이든지간에 더 많은 도움이 될 것이다. 때문에 우리는 9학년 수준에선 기본 컴퓨터 프로그래밍 과정이 필요하다고 생각한다.

미국의 학교에선 단 40%만 프로그램을 가르치고 있고, 교육과정의 질과 활력 수준은 매우 다양하다. 컴퓨터 과학에 대한 Advanced Placement(미국에서 고등학생이 대학 진학 전에 대학 인정 학점을 취득할 수 있는 고급 학습과정)시험을 치는 학생들 수가 크게 증가하고 있다. 하지만 ㅈ난 해 미적분학 AP시험을 치는 학생수 308,000명에 비하면 컴퓨터 과학 AP시험 보는 학생 58,000명은 적은 수치다. 미국 주의 3분의 1은 컴퓨터 과학 학점을 졸업 요건으로 두고 있지도 않다.

미국은 동료 국가들에 비해 상당히 뒤처져 있다. 이스라엘은 대학이전 교육과정에 컴퓨터 과학을 통합했다. 영국은 최근 Computing at School 프로그램을 통해 진전을 이뤘고, 독일과 러시아도 서두르고 있다. 2016년에 발표되었던 오바마 대통령의 Computer Science for All 계획은 늦기는 했지만 올바른 방향이긴 했는데 트럼프 행정부에 의해 예산이 삭감될 것 같다.

그러나 성공하기 위해서 우리는 프로그래밍을 가르치는 방식을 개선할 필요가 있다. 여전히 비주얼 베이직같은 프로그램을 세세하게 짜는 것이 컴퓨터 과학의 중심이었던 90년대의 방식으로 프로그래밍을 가르치곤 한다. 프로그래밍 언어를 상세하게 배우는데 열심이라면 뭔가를 배울수는 있을 것이지만 그건 그냥 열심히 하는 것 뿐이다. 프로그래밍은 창의적인 활동이다. 그래서 프로그래밍 과정 개발은 재미있고 흥미롭게 이뤄져야 한다. 예를 들어 뉴욕에서 걸 스카우트는 자바스크립트를 활용해 영상을 만들고 효과를 내는 프로그램을 준비했는데 재밌고 실ㅈ로 유용한 것이어서 아이들이 듣고 싶은 교육이 되었다. 학교에서도 이렇게 못할 이유가 있겠는가?

9학년 이후엔 학교들이 더 많은 관심을 가지고 있거나 컴퓨터 과학자가 되려는 학생들 혹은 다른 분야에서 일을 더 잘 하기 위해 컴퓨터가 필요할 수도 있는 학생들에게 로봇공학, 전산 수학, 컴퓨터 예술 등의 선택과정을 재공해야 한다. APCS-A시험을 준비하는데 필요한 핵심 과정을 넘어서는 학교들이 매우 적다. 그나마 토마스 제퍼슨 고등학교, 댈러스에 있는 TAG 등이 이들 과정에서 성공적인 성과를 보이고 있다. 이들 학교들엔 컴퓨터 과학에 경험이 있거나 교육을 받은 선생님들이 소속되어 있음을 자랑스럽게 말한다.

또한 수학분야에 있어서도 고급 미적분학에 초점이 맞추어져 있는 것을 통계학, 확률, 그래프 및 논리와 같은 컴퓨터 과학 관련 분야 수학으로 옮겨가게 해야 한다. 이러한 과목들은 미래 데이터 기반 일터에 가장 유용한 기술이 될 것이다.

주된 장애물은 컴퓨터 과학 분야에서 교육을 받은 선생님들이 심각하게 부족한 것이다. 미국의 기술 기업들이 이러한 점에 도움을 줄 수 있다. 예를 들어 마이크로소프트는 컴퓨터 전문가들과 고등학교 선생님들을 일주일에 몇 시간씩 만나게 해주는 TEALS 프로그램을 후원한다. 하지만 여전히 선생님들이 부족하다. 학계에서도 노력이 이루어지고 있다. 텍사스 대학교(오스틴)에서는 STEM 선생님들을 준비시키기위해 UTeach 프로그램을 운영했는데 이것이 21개 주에 있는 44개 대학으로도 확장되고 있다.

과학과 수학을 위해 교재, 교과목, 컴퓨터 과학 선생님들에 대한 정부 차원의 표준화 노력도 있어야 한다. 이 부문에 있어선 컴퓨터 과학 선생님 연합이 역할을 해주고 있다.

다음 세대가 빅데이터와 인공지능을 어떻게 이해하고 상호작용할 것인지에 투자하는 것은 우리들 모두가 장기적으로 잘 살아가기 위한 투자가 될 것이다.

출처: David Kosbie, Andrew W. Moore, and Mark Stehlik, How to prepare the next generation for jobs in the AI economy, HBR, 2017.06.05.