핵심 비유
머신러닝 3종 학습은 '공부하는 방식'에 비유할 수 있다. 지도학습은 선생님이 문제와 정답을 함께 알려주는 교과서 공부, 비지도학습은 정답 없이 도서관 책을 스스로 장르별로 정리하는 것, 강화학습은 게임을 수없이 반복하며 점수를 올리는 방법을 스스로 터득하는 것이다. 셋 다 '배운다'는 점은 같지만, 도움의 방식이 다르다.
핵심 포인트
- 지도학습(Supervised Learning) — '정답지가 있는 공부'. 고양이 사진 1만 장에 '고양이'라고 이름표(라벨)를 붙여 학습시키면, AI가 새 사진을 보고 고양이인지 판별한다. 스팸 메일 필터, 이미지 분류가 대표 사례다.
- 비지도학습(Unsupervised Learning) — '정답지 없이 스스로 분류'. 이름표 없이 쇼핑 데이터만 넣으면 AI가 '비슷한 구매 패턴'끼리 알아서 무리 지어 묶는다(클러스터링). 유튜브·넷플릭스 추천 알고리즘이 이 방식을 활용한다.
- 강화학습(Reinforcement Learning) — '보상과 벌칙으로 배우기'. 게임 AI가 이기면 +점수, 지면 -점수를 받으며 수백만 번 반복해 최적 전략을 스스로 찾는다. 알파고와 자율주행 자동차가 대표 사례다.
- 세 방식의 핵심 차이는 '정답 데이터의 유무'와 '학습 방식'이다. 지도학습=정답 있음, 비지도학습=정답 없음(패턴 발견), 강화학습=시행착오+보상(환경과 상호작용).
- 실생활 연결: 지도학습=선생님이 채점해 주는 시험, 비지도학습=비슷한 친구끼리 자연스럽게 모이는 것, 강화학습=게임 레벨업하며 요령을 터득하는 것으로 비유하면 13~15세가 직관적으로 이해한다.
교사 팁
도입(5분): 교사가 학생들에게 동물 카드 10장을 나눠주고 "기준을 스스로 정해 분류해 봐"라고 요청한다. 이름표(라벨)를 주면 지도학습, 안 주면 비지도학습임을 체험으로 느끼게 한다. 이후 Teachable Machine(teachablemachine.withgoogle.com)에서 웹캠으로 손 모양 2~3가지를 직접 가르치는 15분 실습으로 연결하면, 학생들이 '내가 AI의 선생님 역할을 했다'는 감각을 얻는다.