Home
1회차
2회차
3회차
4회차
활용 사례&후기
Q&A
Subscribe
읽기자료1-1. AI vs ML, 무엇이 다를까요?
📘 이 자료를 왜 읽어야 하나요?
"AI가 생활기록부도 써준다는데, 도대체 어떻게 가능하지?" "GPT가 똑똑하다는 건 알겠는데, 도대체 원리가 뭔데?"
이런 궁금증, 있으셨죠? 이번 자료에서는 'AI'와 '머신러닝'의 차이를 아주 쉽게 풀어드립니다.
"복잡한 원리는 몰라도 그냥 쓰면 되는 거 아닌가요?"라고 생각할 수 있어요. 하지만 기본 개념을 알고 있으면, 어떤 AI 도구가 내 업무에 더 적합한지, 결과물이 왜 그렇게 나왔는지를 스스로 판단할 수 있는 힘이 생깁니다.
즉, 단발성 '사용자'가 아니라, AI와 함께 '성장하는 교육자'가 되는 첫걸음이 되는 거예요.
AI 도구는 점점 늘어나고, 그 작동 방식은 점점 다양해지고 있어요. 기초 개념을 익히는 지금 이 시간이, 앞으로의 AI 활용 역량에 큰 차이를 만들 수 있습니다!
🧠 AI와 ML, 헷갈리는 이 둘의 차이점을 알아봅시다
AI와 머신러닝, 뭐가 다를까요? 교육 현장에서 자주 듣게 되는 'AI'와 '머신러닝(ML)', 과연 어떤 차이가 있을까요? 마치 '운동'과 '축구'의 관계처럼, AI는 큰 범주이고 머신러닝은 그 안의 하나의 방법이라고 생각하시면 됩니다.
구분 | 인공지능(AI) | 머신러닝(ML) |
📌 정의 | 기계가 인간처럼 '생각하고 판단'하도록 만든 기술 | 기계가 '데이터로부터 스스로 학습'하는 기술 |
🔍 관계 | AI는 큰 범위, ML은 AI 안의 하위 개념 | ML은 AI를 실현하는 한 가지 방법 |
🎯 목표 | 사람처럼 복잡한 문제 해결 | 데이터를 통해 정확한 예측 및 분류 |
🧩 예시 | ChatGPT로 학부모 공문 초안 작성<br>AI 상담 코멘트 자동 생성 | 출결표에서 이상 패턴 학습<br>학생 성적 예측 모델 |
📦 데이터 활용 | 구조화+비구조화 데이터 모두 활용 가능<br>(예: 문서, 사진, 음성 등) | 주로 구조화된 숫자/표 데이터 활용 |
💡 교사 실무에서는 어떻게 활용될까요?
생활기록부 작성
•
AI 활용: 키워드 입력 → 자연스러운 문장 자동 생성
•
ML 활용: 과거 기록 패턴을 분석해서 코멘트 추천
성적 관리
•
AI 활용: 학급 전체 성적을 한 번에 요약한 문장 생성
•
ML 활용: 출결과 성적의 상관관계를 분석해서 예측
상담 업무
•
AI 활용: 상담 내용을 자동으로 요약하고 분류
•
ML 활용: 상담 텍스트에서 학생의 정서 경향 분석
📚 용어를 쉽게 이해해볼까요?
용어 | 쉬운 설명 | 예시 |
AI(인공지능) | 기계가 '사람처럼 생각하고 말하는 것' | ChatGPT, 자율주행차, 이미지 생성기 |
ML(머신러닝) | 기계가 '경험을 통해 스스로 배우는 것' | 추천 알고리즘, 예측 모델 |
구조화 데이터 | 표처럼 정리된 숫자/항목 데이터 | 성적표, 출결기록 |
비구조화 데이터 | 문장, 음성, 이미지 등 자유형식 데이터 | 상담일지, 생활기록부 문장 |
참고: 데이터 유형별 정의
•
구조화된 데이터: 미리 정해 놓은 형식과 구조에 따라 저장된 데이터
◦
예시: 스프레드시트 데이터, CSV 데이터 등
•
반구조화된 데이터: 데이터의 형식과 구조가 변경될 수 있는 데이터로 데이터의 구조 정보를 데이터와 함께 제공하는 파일 형식의 데이터
◦
예시: HTML, JSON, XML 등
•
비구조화된 데이터: 정해진 구조가 없이 저장된 데이터
◦
예시: SNS 게시물, 워드나 메일 본문, PDF, 이미지, 동영상 등
출처) terms.tta.or.kr(정보통신용어사전)
💡 그런데, AI가 똑똑하다고 해서 모든 걸 완벽하게 할 수 있을까요?
AI는 인간처럼 '감정'을 느낄 수 없고, 때로는 **그럴듯하지만 틀린 정보(=할루시네이션)**를 만들어내기도 합니다. 그렇기 때문에 우리가 AI를 사용할 때는, 이해하고 판단하는 힘이 꼭 필요합니다.
아래 영상에서 AI의 감정 유무와, 할루시네이션 현상에 대해 더 자세히 알아보실 수 있어요:
🔶 정리해 볼까요?
오늘 읽으신 내용이 다소 생소하게 느껴졌을 수도 있어요. 하지만 AI의 기초 개념, 그리고 머신러닝이 어떤 방식으로 학습하고 결과를 만들어내는지를 이해하게 되면, 향후 ChatGPT나 다양한 생성형 AI 도구를 사용할 때 "왜 이런 답변이 나왔지?", "이건 신뢰해도 될까?" 하는 의문을 스스로 점검할 수 있는 힘이 생깁니다.
1-2에서는 생성형 AI에 초점을 맞춰 '실제로 무엇을 할 수 있는지'를 소개해드릴 예정이고, 이 1-1 자료는 그보다 한걸음 앞선 기초 이해의 뿌리를 만들어주는 내용입니다.
이제 AI 도구를 '그냥 쓰는 사람'이 아니라 AI를 목적에 따라, 원리에 맞게, 내 교육에 맞춰 활용하는 사람이 되어볼까요? 함께 시작해봅시다. 🌱