2016년 일본의 한 중학교에서 AI로봇을 영어수업에 활용한다는 소식이 들려왔다. AI로봇과 직접 대화를 통해, 외국인교사가 없는 교실에서 보다 정확한 영어발음을 배울 수 있게 됐다는 것이다. 이 AI로봇은 2017년 이후 다수의 중학교와 고등학교에서 활용되기 시작했다. 

중국에서도 다양한 온라인 교육기업들이 AI기술을 기반으로 한 학습프로그램을 선보였다. AI를 통해 학습수준을 파악해 개인별 맞춤형 학습이 가능토록 하는 기술이 각광받고 있다. 

그러나 교육분야에서 AI 활용 수준은 높지 않다. 5일 열린 2019 이러닝 코리아 컨퍼런스에서 ‘인공지능, 교육을 바꾸다’라는 주제로 강연에 나선 뤼이드의 노현빈 수석연구원은 “맥킨지는 AI가 가장 적용이 덜 된 분야를 교육이라고 했다”며, 교육분야에서 AI 활용 속도가 다른 분야에 비해 느리다고 지적했다. 

노현빈 수석연구원은 교육분야의 AI 활용이 2018년에 비로소 본격화됐다고 진단했다. 알파고와 이세돌 9단의 대국 이후, AI에 대한 관심이 급증한 시점이 2016년이다. 다양한 산업분야에서 AI가 이미 도입됐다는 점을 고려하면 상당히 늦었다. 

더욱이 교육분야는 AI의 도입이 쉽지 않은 특수성이 있다. 사람이 사람을 가르쳐야 한다는 인식을 단순히 편견이라고 볼 수만은 없다. 실제로 AI가 교육분야에서 활용되기 위해서는 넘어야 할 벽들이 낮지 않다. 

노현빈 수석연구원이 속한 스타트업 뤼이드는 AI기술을 교육분야에 적용한 서비스 ‘산타토익’을 출시했다. 토익 문제풀이 모바일 앱인데, AI 기술을 적용해 필요한 문제를 맞춤형으로 추천한다. 이날 노 수석연구원은 이 서비스에 적용한 AI기술 개념인 ‘AI Tutor’를 소개했는데, 이를 통해 AI가 교육에 적용되기 위해서는 어떤 점이 필수적인지, 또 어떤 어려움이 있는지를 엿볼 수 있다.

AI 스타트업 뤼이드의 노현빈 수석연구원은 자사의 AI 프로그램에 담은 개념을 소개하며, AI가 교육분야에 활용되기 위해 넘어야 할 벽들을 짚었다.   ©중기이코노미 이창호 기자

◇확장 가능성, 적은 수의 데이터 등이 난점=노 수석연구원은 자사의 AI가 “점수를 최대화 하는 방식”으로 최적화됐다고 말했다. 교육에 필요한 다양한 요소들이 “점수에 반영돼 있을 것”이란 전제 하에 이같은 방향을 선택했다고 설명했다. 교육을 통해 무엇을 최대화할 것인지와, 이를 위해 AI를 어떻게 최적화할지가 중요한 과제임을 시사한 대목이다. 

노 수석연구원은 이어 “모든 AI모델은 도메인과 무관해야 확장이 가능하다”고 말했다. 예를 들어 바둑을 두는데 최적화된 AI를 개발한 경우, 다른 분야에 적용하기 위해서는 모든 것을 새롭게 다시 구축해야한다. 노 연구원은 이런 AI에 대해 “확정성이 없다”고 규정하고 “모든 모델을 만들 때 도메인과 독립적으로 만들고자 노력했다”고 설명했다. 산타토익 역시 모든 알고리즘이 토익과 무관하게 개발돼, 동일한 플랫폼을 다른 분야로 쉽게 확장할 수 있다.

교육분야 AI는 “적은 수의 데이터로 매칭을 할 수 있는 모델을 만들어야한다”고 설명도 덧붙였다. 쇼핑이나 핸드폰 사용 등의 경우 지속적으로 반복되기 때문에 빅데이터를 구축하는 게 가능하다. 하지만 교육의 경우 1학년 문제를 푸는 학생은 1학년을 마치면 2학년 문제로 옮겨간다. 또 토익의 경우에도 목표점수를 달성하면 문제풀이를 중단한다. 학생의 문제풀이 성향과 결과 등을 분석해 맞춤형 학습을 제시하는 AI는, 다른 분야와 달리 데이터 축적 정도가 낮을 수 있다는 의미다. 교육분야에 AI를 적용하는데 난점인 동시에, 해결해야할 과제다.  

◇AI로 동기부여 어떻게 할 수 있나=노 수석연구원은 동기부여도 중요한 과제라고 설명했다. 사실 동기부여는 AI가 아닌 다른 모든 형태의 교육에서도 가장 중요한 키워드다. 학원이나 과외의 경우 선생님이 동기부여를 도와준다. 그러나 모바일교육이나 인터넷으로 자기주도 학습을 할 때는 동기부여를 받기가 쉽지 않다. 뤼이드는 문제풀이를 중단하려 할 경우 몇 문제만 더 풀어보라는 팝업메시지를 띄운다거나, 문제를 풀면 자체 개발한 코인을 제공하는 등의 방식을 도입했다. 

동기부여는 또 다른 문제와도 연관돼 있다. 노 수석연구원은 “사람이 기계를 대한다고 느낄 때보다 사람을 대한다고 느낄 때 훨씬 더 기꺼이 참여한다”고 말했다. 사람이 AI를 상대하고 있다는 것을 알더라도, 마치 사람처럼 느낄 수 있는 요소가 필요하다는 것이다. 교육 이외에 다른 분야에서 AI를 적용할 때 고려해야 할 팁이다.  

설명 가능성도 중요한 이슈다. 노 수석연구원은 “교육에서는 왜, 어떤 문제를 추천했는지를 설명해주는 것이 교육효과 자체에도 차이가 있다”며, 문제 추천 알고리즘과 별도로 추천된 문제를 왜 줬는지 분석하는 모델이 따로 있다고 말했다. 

노현빈 수석연구원은 “정보를 전달하는 단위가 작아졌다”며, 교육에서도 교실에서 수업을 듣던 과거의 모습이 온라인강의를 거쳐 모바일교육으로 옮겨갈 것으로 전망했다. 단, “SNS가 생겼다고 해서 편지나 전화가 없어진 것은 아니”듯이, 다른 교육방식이 없어지지는 않고 상호보완적인 관계에서 무게중심이 모바일로 이동해 갈 것이라고 말했다. AI와 모바일 시대의 교육을 전망해볼 수 있는 지점이다. 중기이코노미 이창호 기자

<저작권자 ⓒ 중기이코노미. 무단전재 및 재배포 금지>