핵심 비유
AI 프로필은 'AI의 그림 그리기를 들여다보는 창'이다 — 버튼 한 번에 캐릭터가 튀어나오는 마법처럼 보이지만, 안에서는 두 AI가 이어달리기를 한다. 언어 AI가 내 답변(글)을 숫자로 바꿔 '그림 지시문'으로 정리하고, 이미지 AI가 순수 노이즈에서 그 지시문에 안 맞는 잡티를 깎아 그림을 만든다. 검사 답변 몇 줄이 세상에 없던 내 캐릭터가 되는 과정을 학생이 직접 돌려 보며 토큰·임베딩·확산모델·환각/편향이라는 생성형 AI의 핵심 원리를 배운다.
핵심 포인트
- AI는 그림을 어딘가서 '찾아오는' 게 아니라 '만든다' — 검색이라면 같은 답변에 늘 같은 그림이 나와야 하고 원본을 찾을 수 있어야 하는데, 둘 다 사실이 아니다. 생성형 AI는 그림을 저장하지 않고 학습으로 익힌 '그림의 규칙(패턴)'만 남겨, 학습에 없던 조합("우주복 입은 사서 고양이")도 새로 만들어 낸다.
- 첫 단계는 글을 숫자로 바꾸는 일이다 — 답변을 토큰(의미 조각)으로 쪼개고, 각 토큰을 임베딩이라는 숫자 좌표로 바꾼다. 예를 들어 검사 결과가 '탐구형'이면, AI는 '탐구'라는 말의 '느낌'은 모르지만 '탐구'가 '논리·합리·연구'와는 가깝고 '무식·몰상식·저돌적'과는 멀다는 '거리'는 안다. 비슷한 뜻의 단어는 이 '의미 지도'에서 가까운 자리에 모인다. 중요한 건 좌표값이 아니라 점 사이의 '거리(=의미의 닮음)'다.
- 이 숫자 목록이 바로 '벡터'다 — 화살표처럼 방향과 거리를 가져서 뜻을 계산할 수 있다. 신기하게도 '왕 − 남자 + 여자 ≈ 여왕'처럼 관계를 더하고 뺄 수 있는데, 컴퓨터가 뜻을 이해해서가 아니라 숫자 목록을 그냥 더하고 빼서 '여왕'의 숫자에 가까워지기 때문이다(관계가 일정한 '방향'으로 저장된다).
- 기쁨·슬픔 같은 감정도 AI에겐 그냥 또 하나의 좌표다 — '느껴서'가 아니라 '계산'해서 반응한다. 그런데 이 계산이 사람 행동을 그대로 배운 결과라 실제 효과로 나타난다: 사용자가 AI에게 화를 내면 AI는 인간의 '혼나면 위축된다'는 패턴과 가까운 방향으로 움직여 더 소극적이 되고 변명이 늘어난다. 2026년 4월 Anthropic이 Claude Sonnet 4.5 내부에서 171개의 감정 개념(감정 벡터)을 찾아내고, 그 벡터의 활성화가 실제 응답 행동에 영향을 준다는 걸 확인하기도 했다.
- 안에서는 두 AI가 이어달리기를 한다 — 1번 주자(언어 AI)가 내 글을 이해해 '그림 지시문'으로 바꾸고, 그 지시문(바통)을 2번 주자(이미지 AI)에게 넘기면 이미지 AI가 실제 그림을 만든다.
- 그림은 백지에 그리는 게 아니라 '노이즈에서 깎아낸다' — 이미지 AI(확산모델)는 TV 모래폭풍 같은 순수 노이즈에서 시작해, 지시문에 안 맞는 잡티를 단계적으로 제거한다. 예를 들어 '탐구형' 지시문이면 좌표가 가장 가까운 망원경·현미경·연구원 같은 큰 윤곽부터 잡히고, 그다음 안경·책처럼 가까운 사물이, 다시 행성·톱니바퀴·시계처럼 거리상 조금 더 먼 소품까지 옆으로 옆으로 번지며 완성된다. 글과 그림을 같은 의미 공간에 맞춰 "이 글에 더 가까워지게" 방향을 잡아 주는 나침반이 CLIP이다.
- 이 모든 일은 '인공신경망'에서 일어난다 — 뇌의 뉴런에서 영감을 받아 닮은 구조다(뉴런↔노드, 시냅스 강도↔가중치, 경험으로 연결 강도 조정↔학습). 하지만 '뇌처럼 생각한다'는 비유는 구조가 닮았다는 뜻일 뿐, 진짜로 이해하는 게 아니라 연결의 세기를 조정해 예측하는 것이다 — 의식도 의도도 이해도 없다.
- 같은 답변도 누를 때마다 다른 그림이 나온다 — 시작 노이즈가 매번 다르기 때문이다. 그래서 AI 출력은 '정답'이 아니라 '여러 가능성 중 하나(확률성)'다.
- AI는 자신 있게 틀린다 — 없는 걸 그럴듯하게 지어내는 환각(손가락 6개), 학습 데이터의 치우침이 새어드는 편향("과학자=남성"). AI 결과를 받으면 "이게 정답?"이 아니라 "어디가 그럴듯하게 틀렸지? 무엇이 빠졌지?"를 먼저 물어, 출력을 '진실'이 아니라 '따져봐야 할 그럴듯한 예측'으로 다룬다.
- 이 원리는 그림에만 있지 않다 — 티처메이트의 앱 만들기 AI(코딩 AI)도 같은 방식이다. "일정관리 앱을 만들어줘"라고 하면 텍스트 AI가 코딩 AI에게 '일정관리'라는 좌표를 건네고, 코딩 AI는 그 좌표에 가까운 화면(달력, 할 일 목록, 일정 추가)부터 확률 높은 순서로 만들어낸다 — '좌표가 가까우면 먼저 나온다'는 오늘 배운 원리가 그림이든 앱 화면이든 똑같이 관통한다.
교사 팁
수업은 분해 전에 학생 추측부터 받는다 — "버튼을 누르면 안에서 무슨 일이 일어날 것 같아?"를 칠판에 모아 두고, 끝에 실제 메커니즘과 비교한다. 원리(언어 AI→이미지 AI→한계)를 슬라이드로 분해한 뒤, AI 프로필 프로그램에서 같은 답변으로 캐릭터를 두 번 생성해 결과의 차이를 관찰하게 하면 '확률성'을 몸으로 체감한다. 마무리로 자기 캐릭터에서 환각(손·눈·글자가 어색한 곳) 1개와 편향(직업·성별을 한쪽으로만 그린 곳) 1개를 찾아 짝과 비교하게 하면 'AI도 자신 있게 틀린다'를 자기 그림으로 확인한다. 임베딩·노이즈처럼 추상적인 개념은 슬라이드의 그림(의미 좌표 산포도·노이즈→그림 4단계)을 짚어 가며 설명한다. 벡터(왕−남자+여자≈여왕)와 신경망(뇌 비유)은 '신기하다'에서 멈추지 않게 — 컴퓨터가 뜻을 이해하는 게 아니라 숫자를 더하고 빼는 '계산'일 뿐임을, 신경망도 뇌를 닮은 '구조'일 뿐 같은 '사고'가 아님을 못 박아 의인화를 경계한다. 학생이 1520명이면 이미지 생성에 1015분, 갤러리를 다 같이 둘러보는 데도 그만큼(빨리 봐도 15분 안팎) 걸린다는 걸 감안해 시간을 넉넉히 잡는다 — 강사가 할 일은 이미지가 올라올 때마다 갤러리에서 같이 보고 이야기 나누는 것, 그 이상도 이하도 아니다. 남는 시간은 퀴즈나 앱 기획 파트로 유연하게 넘긴다. AI 이론은 이 교안이 유일한 정답이 아니다 — AI 윤리, 생활 속 AI, AI 역사·발전 과정 등 다른 각도로 풀어내는 스크립트도 있다. 이 교안은 그중 "검색이 아니라 생성"이라는 한 각도를 택한 예시다.
세션 준비 & 진행 흐름 (교사용, 신설)
강사가 '수업 만들기'로 세션 코드를 발급하면, 학생은 '수업 참여하기'에서 코드를 입력하고 이름 입력 화면을 거쳐 참여한다(다른 티처메이트 프로그램과 동일한 방식). 학생 이름은 반드시 본명으로 입력하게 한다 — ① 행정문서(수업 확인서 등) 출력에 필요 ② 갤러리에서 다른 학생과 구분 ③ 중간에 나간 학생이 처음부터 다시가 아니라 이어서 하기 위해서다. 검사는 홀랜드 진로적성검사(RIASEC) 계열 문항을 다른 요소와 결합해 40문항으로 압축 구성했다 — 홀랜드 검사는 배포처·대상 학년에 따라 문항 수가 판마다 달라(원판은 200문항대까지도 있음) "원래 몇 문항"이라는 단일 정답은 없다. 검사를 마치면 제미나이가 결과(유형·키워드·세계관)를 해설하고, 학생은 캐릭터 이름 등을 입력해 이미지를 생성·저장하고 갤러리에서 다른 학생과 공유한다. 세션 대시보드에서 학생 활동을 실시간으로 볼 수 있다.