핵심 비유
AI 학습은 시험 족보 공부와 같다. 선생님이 정답(레이블)이 달린 족보 문제(훈련 데이터)를 수백 장 풀게 하면, AI는 '이런 유형에는 이런 정답'이라는 패턴을 외운다. 나중에 처음 보는 문제(새 데이터)가 나와도 족보에서 익힌 패턴으로 답을 추측한다. 족보가 많을수록, 유형이 다양할수록 시험을 잘 본다.
핵심 포인트
- AI는 규칙을 프로그래밍하는 것이 아니라 수많은 예시(데이터)를 보여줘서 스스로 패턴을 찾아내도록 훈련시키는 것이다.
- 패턴 인식이란 기계가 데이터 안에서 반복되는 공통된 특징을 찾아내는 능력으로, 이것이 예측의 출발점이다.
- 학습에는 세 단계가 있다: 데이터 수집 → 패턴 학습(훈련) → 새 데이터에 적용(예측). 이 순환이 AI의 핵심 작동 원리다.
- 데이터가 많고 다양할수록 AI는 더 정확하게 맞힌다. 편향된 데이터만 주면 편향된 예측을 한다(쓰레기 입력 → 쓰레기 출력).
- 우리가 매일 쓰는 유튜브 추천, 스팸 메일 필터, 얼굴 인식 잠금해제가 모두 같은 '패턴 학습 → 예측' 원리로 작동한다.
교사 팁
구글 Teachable Machine(teachablemachine.withgoogle.com)을 수업 도입 활동으로 활용하라. 학생 2~3명이 한 모둠이 되어 각자 손 모양(가위·바위·보) 사진을 10장씩 찍어 모델을 훈련시킨 뒤, 서로의 모델을 교환해 테스트해본다. '사진이 많을수록 정확도가 올라가는가?', '어두운 곳에서 찍은 사진만 주면 어떻게 되는가?'를 직접 실험하게 하면 데이터 품질·다양성의 중요성을 15분 안에 체험으로 학습할 수 있다.