10월 24일 TELD 오픈세미나: AI Agent

 

 10월 24일 진행된 TELD 오픈세미나에서는 이주영, 조민선, 김찬희 선생님께서 최근 인공지능 분야의 핵심 동향인 AI Agent(에이전트) 기술에 대한 발표를 진행해 주셨습니다. 단순히 명령을 수행하는 것을 넘어, 자율적으로 목표를 설정하고 행동하는 AI Agent가 교육 분야에 가져올 변화를 집중적으로 살펴볼 수 있었는데요!

 먼저 이주영 선생님께서 AI Agent의 개념에 대해 전반적으로 설명해 주셨습니다. AI Agent는 환경으로부터 센서(Sensors)를 통해 정보를 수집하고, 목표(Goals)와 도메인 지식(Domain knowledge)을 바탕으로 행동(Actions)을 결정하며, 액추에이터(Actuators)를 통해 환경에 영향을 미치는 시스템을 의미한다고 하는데요. 사실 에이전트를 정의하는 방식은 학자마다 다양하지만, 최근 대규모 언어 모델(LLM)이 발전하면서 AI Agent의 자율성, 적응력, 의사소통, 추론 능력이 비약적으로 향상되며 분야 자체가 급격한 성장을 이루고 있다고 합니다. 이러한 고도화된 Agent들은 단순한 반사적 행동을 넘어, 효용성에 기반하여 최적의 행동을 스스로 수행할 수 있는 수준으로 나아가고 있다고 하네요🧐

 조민선 선생님께서는 AI Agent의 주요 구조에 대해 알기 쉽게 설명해 주셨는데요! AI Agent는 기존 컴퓨터의 폰 노이만 구조에 비유될 수 있으며 , 복잡한 문제를 해결하기 위해 4가지 핵심 구조를 통해 작동한다고 합니다. 첫째는 과제 분해(Task Deconstruction)입니다. 과제 분해는 복잡한 과제를 작고 다룰 수 있는 하위 과제로 나누는 것으로, Chain of Thought 등의 기술을 활용합니다. 둘째, 자기 성찰(Self-Reflection)은 자신의 행동과 결정을 평가하고 숙고하도록 촉진하여, 일관성 있는 검토를 통해 능력을 증진시키는 핵심 메커니즘입니다. 특히 Multi-Agent Debate와 같이 여러 에이전트가 토론하고 교차 검증하는 방식을 통해 생성형 인공지능의 최대 단점인 환각(Hallucination) 문제를 상당히 감소시킬 수 있다고 합니다. 셋째, 기억 처리(Memory Processing)는 과거의 경험과 축적된 지식을 활용하여 현재의 의사결정과 행동 수행에 반영하는 방식이며, 넷째, 도구 호출(Tool Invocation)은 과업 완료를 위해 외부 도구나 자원(웹 검색, 데이터베이스 등)을 활용하는 구조입니다.

 김찬희 선생님께서는 교육 분야에서 에이전트의 자율성(Autonomy)과 인간-AI 상호작용의 깊이(Depth of Interaction)를 기준으로 AI Agent의 활용 사례를 네 가지 유형(General Type, Instruction Execute, AI Assistant, Human-AI Collaboration)으로 분류하는 Agent4EDU 프레임워크를 소개해 주셨습니다. 실제 이 프레임워크를 바탕으로 교육적 AI Agent를 설계하려는 연구가 활발히 이루어지고 있다고 하는데요. 이와 더불어 소개해주신 다중 에이전트 강의실 시뮬레이션 연구 또한 흥미로웠습니다. 이 연구에서는 교사, 보조교사, 그리고 다양한 성격의 급우 역할을 하는 AI Agent들을 설정하여 실제와 같은 교실 상호작용을 구현했다고 합니다🧐

 이러한 기술적 흐름 속에서 앞으로 AI Agent가 어떤 목적으로, 어떤 기능을 수행해야 교육적으로 이로울지에 대한 질문을 계속해서 던져나가야 할 것 같습니다. 흥미로운 세미나를 진행해주신 세 선생님들께 감사드립니다!

10월 10일 TELD 오픈세미나: AI+XR

 

 지난 10월 10일, 추영선, 조연우 선생님께서 XR과 AI의 만남이라는 흥미로운 주제로 2학기 오픈 세미나를 진행해 주셨습니다. 증강현실(AR), 가상현실(VR), 혼합현실(MR)을 포괄하는 확장현실(Extended Reality, XR) 기술이 인공지능(AI)을 만나 어떻게 교육의 새로운 지평을 열어갈 수 있을지 흥미로운 논의를 나눌 수 있었는데요! 

 발표에서는 먼저 XR 기술이 무엇인지 정의하고, 현실과 가상 환경을 넘나드는 이 기술이 교육적으로 갖는 잠재력에 대해 살펴보았습니다. XR은 사용자의 몰입감을 극대화하고 시공간의 제약을 넘어선 학습 경험을 제공하는 핵심 기술입니다. 이러한 XR 환경에 AI가 통합되면서, 기술은 단순히 학습 내용을 보여주는 것을 넘어 학습자의 상황과 반응에 따라 실시간으로 피드백하고 경험을 맞춤화할 수 있는 방향으로 발전하고 있습니다. 즉, 오늘날 AI는 XR 환경을 단순한 체험 공간이 아닌 지능적인 학습 공간으로 전환하는 핵심 엔진 역할을 담당하고 있습니다.

 추영선 선생님과 조연우 선생님은 XR과 AI가 결합된 다양한 연구 사례를 크게 세 가지 방향으로 나누어 제시해 주셨습니다. 첫째는 데이터 기반 분석 결과를 제공인데요! XR 환경에서 수집된 학습자의 복잡하고 다양한 행동 데이터를 AI가 분석하여, 학습 효과를 정량화하고 학습의 상태를 심층적으로 파악하는 데 활용하는 것입니다. 둘째는 바로 맞춤형 학습 지원입니다. AI를 통해 학습자 행동 분석 결과를 바탕으로 학습의 난이도를 실시간으로 조절하거나, 개인별 취약점을 보완하는 맞춤형 가이드라인을 제공하는 등 개인화된 학습 경험을 구현하려는 시도가 이미 활발히 이루어지고 있습니다. 셋째는 대화형 AI입니다. XR 환경 내에서 AI 튜터나 캐릭터가 학습자와 직접 대화하고 상호작용하며 학습 동기나 문제 해결 과정을 촉진하는 형태로 구현되고 있다고 합니다. 교사 교육에서 VR 시뮬레이션을 활용하는 사례를 소개해 주신 것이 기억에 남습니다🥰

 

 두 선생님께서는 현재 직접 수행하고 계신, XR을 활용해 체화된 감정을 연구하는 프로젝트를 간단하게 소개해 주셨는데요. XR 기반 학습의 중요성은 단순히 시각적인 몰입에만 있는 것이 아니라, 학습자가 가상 환경에서 실제 행동을 수행하며 지식을 '몸으로 익히는' 체화(Embodied) 학습을 가능하게 한다는 점에 있습니다. 선생님들께서는 앞으로 학습 불안에 대한 심층적 이해와 조절을 위한 실질적인 지원 방안을 마련하기 위해, 체화된 감정 이론에 기반해 학습자의 신체 반응을 포함한 멀티모달 데이터를 통합적으로 분석함으로써 학습 불안을 실시간으로 측정·조절할 수 있도록 지원하는 시뮬레이션을 개발할 계획이라고 합니다.

 앞으로도 TELD 연구실은 XR과 AI라는 첨단 기술을 활용하여 미래 교육에 실질적으로 기여할 수 있는 시스템을 구축하는 연구를 지속해 나갈 것입니다.

다음 연구실 소식도 기대해주세요! 😄