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!