동아사이언스는 올 가을 특별한 생성AI, ‘과학동아AiR’를 선보였습니다. 과학동아AiR는 과학동아의 약 40년치 기사와 동아사이언스 닷컴 과학기사 10만 건을 모조리 학습해 질문을 던지면 기사를 바탕으로 답변을 하는 AI챗봇인데요. 과학동아AiR의 다양한 기능을 어떻게 학습에 활용할 수 있을까요? 14년간 교단에서 학생들을 가르친 오세준 교수님이 직접 해설해드립니다.

Tip 1. 궁금할 때 바로 물어보자

과학기술의 발전 속도가 ‘기하급수적’으로 빨라지고 있습니다. 생성형AI, 빅데이터 같은 최신 기술들은 우리가 제대로 경험해 보기도 전에 더 빠른 속도로 발전하는데요. 이에 따라 오늘날 교육 현장 또한 혁명을 겪고 있습니다. 가장 큰 변화는 정보의 접근성 향상입니다. 과거에는 정보를 습득하기 위해 도서관이나 교과서에 의존해야 했던 반면, 이제는 인터넷과 디지털 기기를 통해 언제 어디서나 정보에 접근할 수 있습니다.

특히 과학동아AiR와 같은 AI 기반 학습 도구는 학생들이 개인 맞춤형 학습을 경험할 수 있게 지원합니다. 예를 들어 이 글 첫 문장에 나오는 ‘기하급수적’이라는 말이 정확히 무슨 뜻인지 이해가 되지 않는다면, 묵혀두지 않고 과학동아AiR의 ‘튜터’ 서비스에 즉시 물어볼 수 있습니다.

‘기하급수란?’ 하고요.

‘기하급수란 일정한 수가 곱해져 그 결과가 엄청나게 커지는 것을 의미해요.’ 과학동아AiR는 위 문장을 시작으로 실제 기하급수 수열과 기하급수적 증가를 관찰할 수 있는 사회 현상, 빅데이터 시대 기하급수의 중요성에 관해 설명합니다.

기하급수적이라는 말을 요즘 이야기로 조금 각색해 보면 이렇습니다. 어느 가게에 알바비를 주지 않기로 유명한 사장이 있습니다. 30일 동안 근무하면 월급을 주기로 한 날 온갖 트집을 잡아서 월급을 주지 않는 사장입니다. 어느 날 똑똑한 아르바이트생이 찾아와 첫날에는 1원, 둘째 날에는 2원, 셋째 날에는 4원매일 전날의 2배 알바비를 받겠다고 합니다. ‘10일이 지나도 알바비는 1024원만 주면 되는군’ 사장은 이런 생각을 하며 아르바이트생을 채용하죠. 하지만 30일 근무했을 때 지급할 하루 일당은, 놀라지 마세요. 10억 7000만 원입니다. 어쩌면 가게를 통째로 넘겨야 할지도 모르는 금액입니다.

이렇게 제가 만들어낸 이야기 속의 수학도 과학동아AiR의 튜터가 정확히 분석해 낼 수 있을까요? 과학동아AiR에 넣어보니 “재밌는 이야기”라며 이전 항의 2배가 되는 등비수열의 규칙성을 바로 알아차립니다. 이처럼 생성AI에 묻고 답하는 과정은 단순히 정보를 제공하는 것을 넘어, 더 깊은 탐구로 이어질 수 있습니다. 이와 같은 생성AI 시대를 살고 있는 우리에게 중요한 역량 중 하나는 나에게 필요한 지식을 효율적으로 찾고, 파악하는 것이라 생각합니다.

대규모 언어모델 ‘챗GPT’ vs. 과학 특화AI ‘과학동아AiR’

챗GPT와 과학동아AiR에 각각 ‘함수가 무엇인지’ 물었다. 챗GPT는 컴퓨터 프로그래밍에 사용되는 일반적인 함수에 대해 설명하는 반면, 과학･수학 지식으로 미세조정된 과학동아AiR는 정확히 수학에서 쓰이는 함수의 개념을 설명한다.

Tip 2. 기본 개념 공부에 활용하자

과학동아AiR는 수십 년간 축적된 동아사이언스의 빅데이터, 즉, 양질의 검증된 과학과 수학 콘텐츠를 학습한 개인 맞춤형 생성AI입니다. 현재까지 발행된 과학동아, 어린이과학동아, 수학동아, 어린이수학동아 잡지와 동아사이언스 닷컴에 있는 10만 여 건의 기사로 ‘미세 조정(Fine-tuning)’돼 과학과 수학 분야에 특화된 지식을 제공하죠.

과학동아AiR의 튜터는 복잡한 과학 개념을 사용자의 이해 수준에 맞게 쉽게 풀어 설명해 줍니다. 일반적인 대규모 언어모델과는 차별화된 특성입니다. 예를 들어 챗GPT와 과학동아AiR에 각각 ‘함수’에 대해서 설명해달라고 요청하면 다른 답변을 내놓습니다.

챗GPT는 정보 교과, 프로그래밍에서 다루는 함수에 대해서 설명합니다. 수학의 함수에 대해 알기 원했던 사용자들은 예상치 못한 답변에 당황할 수도 있겠죠. 챗GPT가 이런 답변을 한 이유는 인공지능 모델의 특성 때문입니다. GPT는 ‘Generative Pre-trained Transformer’의 약자로 사전 훈련(Pre-training)을 바탕으로 텍스트를 생성(Generative)합니다. 여기서 사전 학습은 대량의 텍스트 데이터를 사전에 학습하는 것으로, 대규모 언어모델은 인터넷의 글, 책, 논문 등을 사전 학습했습니다. 이를 통해 언어 패턴을 인식하고 문맥을 이해해 사용자의 질문에 척척박사처럼 답할 수 있죠.

하지만 척척박사이기에 우리가 원하지 않는 답변까지도 할 수 있습니다. 사용자가 원하는 특정한 작업에 맞게 미세 조정이 필요한 이유입니다. 과학동아AiR는 과학, 수학 분야 지식에 맞춰 미세 조정돼 있어서 과학에 관심이 많은 사용자에게 유용합니다. 함수와 같은 과학, 수학 개념에 대해 원하는 답변을 내놓는 것은 물론이고, 해당 개념에 대해서 추가로 더 알아보고 싶을 때는 과학동아AiR가 답변과 연관해 추천해 준 다른 질문들을 통해 심화된 내용을 알 수 있습니다.

또한 과학동아AiR는 답변에 활용된 근거자료 기사를 따로 보여주기 때문에 출처가 명확한 자료로부터 원하는 결과를 쉽게 탐구할 수 있습니다.

이와 같은 과학동아AiR의 특성은 ‘지식 발견 엔진’이라는 별명을 갖고 있는 검색 특화 생성AI ‘퍼플렉시티(perplexity)’와 유사합니다. 퍼플렉시티는 사용자의 질문에 직접적인 답변을 제공하고, 관련 자료에 대한 링크와 요약을 보여줘 사용자들에게 인기를 끌고 있는데요. 차이점은 과학동아AiR는 과학동아 데이터베이스를 활용해 대답하고, 퍼플렉시티는 온라인상의 글 혹은 논문을 활용해 대답을 한다는 점이었습니다.

과학동아AiR에게 과학, 수학 분야 탐구 주제를 추천받았다. 구체적인 주제와 과학동아, 수학동아에서 찾아낸 참고 자료 목록을 함께 보여준다.

TIp 3. 탐구 주제를 추천받자

과학동아AiR를 통해 수학, 과학 분야의 다양한 탐구 주제를 추천받을 수도 있습니다. 실제로 과학동아AiR에게 ‘주제 탐구 보고서를 작성할 거야. 과학 또는 수학 주제를 추천해 줘’라고 말했더니 ‘기후변화와 지구 환경 보호’나 ‘유전공학 기술을 이용한 식량 생산 증진’과 같은, 최근에 이슈가 되고 있거나 미래 전망이 밝은 분야의 탐구 주제들을 제안하더군요. ‘보고서 작성 시 논리적인 전개와 명확한 결론 도출도 잊지 말아야 한다’는 작성 요령과 함께요. 이런 기능은 학생들의 자기 주도적 학습을 촉진할 수 있습니다.

저희와 같은 교사들에게도 생성AI는 멋진 도구입니다. 더욱 창의적이고 효과적인 수업을 준비할 수 있게 해주니까요. 저의 경우에는 최근 홍익대 수학교육과의 전공 수업에서 예비교사들과 ‘기후, 환경, 인구’를 주제로 수학 수업을 설계할 때 과학동아AiR를 활용해 봤습니다.

예비교사들은 모둠별로 수업계획안을 짰습니다. 한 모둠에서는 과학동아AiR에 ‘인구와 관련된 수학적 주제에는 어떤 것들이 있나요?’라는 질문을 던졌습니다. 과학동아AiR는 ‘인구 통계학은 인구의 구조와 특성을 분석하는 학문이고, 출생률과 사망률은 인구 변화의 주요 요인이며, 기대 수명은 미래 생존 기간을 예측하는 지표다’라는 답변을 내놨습니다. 예비교사들은 그 답변을 바탕으로 출생률, 인구 감소 등의 키워드를 다시 검색하고, 인구와 관련된 수학 함수 등을 찾아나갔습니다. 그리고 함수, 무리함수 등의 세부 주제로 연결 지으며 해당 지역의 미래 인구 추이를 예측하는 수업을 설계했습니다.

다른 한 모둠은 대기오염을 주제로 선택했습니다. 이 모둠에서는 과학동아AiR에 ‘기후, 환경과 관련된 수학이 궁금해요’라고 질문했습니다. 그러자 과학동아AiR는 ‘미국 청소년, 기후 소송 첫 승리!, 기후변화에너지 고갈강력범죄를 막아라! 지구를 위한 수학’ 등의 참고 자료를 추천했습니다. 이 모둠은 과학동아AiR의 추천자료를 토대로 숲과 도시 지역의 대기오염 농도 차이를 수학적 모델링으로 분석하는 수업을 설계했습니다.

미래의 학습 환경은 더욱 개인화되고 상호작용적일 것으로 예상됩니다. AI 기술의 발전으로 학습 스타일, 속도, 관심사가 모두 개인화된 수업이 가능해질 것입니다. 이런 미래의 학습 환경에서 생성AI는 단순한 정보 제공을 넘어 심화 학습의 도구로도 활용될 수 있습니다. 가령 ‘환경 문제 해결을 위해 수학과 과학이 어떻게 협력하고 있나요?’, ‘AI가 기후변화 예측에 어떻게 활용되고 있으며, 앞으로의 전망은 어떤가요?’와 같은 질문들을 통해 학생들은 현재 진행 중인 연구에 대한 이해를 높이고, 미래의 연구 방향을 예측할 수 있습니다.

과학동아AiR와 같은 생성AI를 효과적으로 활용하기 위해서는 열린 질문으로 시작해 질문을 점차 구체화하고, AI의 답변을 비판적으로 검토하며 추가 질문을 하는 능력이 필요합니다. AI와의 대화 내용을 과학적, 수학적, 사회적 관점 등 다양한 관점으로 분석해 보세요. AI의 답변을 바탕으로 자신만의 아이디어를 발전시키고, AI와의 대화 내용을 정리하며 반성적 사고를 하는 데 큰 도움이 될 겁니다.

다음 호에는 과학동아AiR의 또 다른 주요 기능, ‘소크라테스’ 서비스를 소개할 예정입니다. 이 서비스는 과학고, 영재원, 대학 입시를 준비하는 학생들을 위한 맞춤형 면접 준비 도구로, AI가 어떻게 자신의 꿈을 실현할 때 도움이 되는지 확인할 수 있을 겁니다. 많은 기대 바랍니다.

▲김태희

오세준 홍익대 수학교육과 교수가 과학동아AiR를 활용해 작성한 수학 교과 수업계획안을 살펴보고 있다.

오세준

서울대 수학교육과에서 기계학습과 네트워크를 이용한 수학교육 연구를 메타분석해 박사학위를 받았다. 이후 홍익대 수학교육과에서 예비교사들을 지도하며, AI를 활용한 수학교육, AI 수학, AI-DT, 수학적 모델링, 수학의 정의적 영역, 평가, 피드백 등을 연구하고 있다. soh@hongik.ac.kr