AI를 사용하여 교육을 개선하려면 어떻게 해야 합니까?

우선, 저는 생명과학 대학 중 한 곳의 신입 교수라는 점을 말씀드리고 싶습니다. IT 역할에서 약 20년의 경력을 쌓았고, 그 중 마지막 5명은 교육 및 컨설팅에 집중했습니다. 그리고 내 경험에 비추어 볼 때 우리의 교육적 접근 방식은 미래에 개선될 수 있습니다. 그리고 제 개인적인 관심 영역이 AI 및 ML 기술의 세계와 밀접하게 관련되어 있기 때문에 이러한 도구를 사용하여 생명 과학 교육을 개선하는 방법에 대해 논의하고 싶습니다.

우선 고등 교육의 일반적인 목적을 말하겠습니다. 학생이 특정 직업적 행동을 수행할 수 있는 새로운 능력을 개발하는 것입니다. 그리고 새로운 능력을 습득하는 유일한 방법은 그것이 무엇인지에 대한 이론적 정보를 얻은 다음 교수의 감독하에 스스로 관련된 행동을 연습하는 것입니다. 이 프로세스는 일반적으로 교육의 성공 여부를 평가하기 위한 테스트 또는 시험으로 끝납니다.

현재 대부분의 경우 이러한 모든 단계는 사람이 제공합니다. 그러나 각 세대의 학생에게 매 학기 동일한 교육을 반복해야합니까? 그리고 인류가 별에 먼 식민지를 건설해야 할 필요성에 직면하면 어떻게 될까요? 옥스퍼드와 MIT 교수진 전체를 그곳으로 데려가야 합니까? 아니면 적어도 대부분의 나이든 교수들이 우주 비행사 훈련을 받도록 설득하기 어려울 것입니다.

여기에 구조를 추가해 봅시다.

이론적 정보

강의는 인간이 직접 수행하는 대면 지식 전달에서 제외되어야 할 교육 과정에서 가장 관련성이 높은 부분이라고 생각합니다. 대부분의 경우 사전 녹화된 강의와 교재로 이미 이뤄지고 있다. 그리고 많은 상황에서 우리는 수업 시간에 놓쳤을 때 YouTube의 임의의 사람이 필요할 때 설명할 수 있다는 것을 알게 되었습니다.

여기서 AI로 무언가를 개선해야 합니까, 아니면 이미 완벽합니까? 물론이죠! 그리고 지금은 이것을 위한 완벽한 시간입니다. 우리는 Midjourney 및 Stable Diffusion AI 모델을 사용하여 사실적인 이미지 및 비디오 생성을 보았습니다. 예술과 오락에 관한 것만은 아닙니다. 우리는 강사와 상호 작용할 수 있는 기능을 갖춘 생성형 주문형 강의에 거의 근접했습니다.

한 걸음 뒤로 물러서자. 우선 강의를 위해 이 모든 지식을 얻기 위해서는 출처가 필요합니다.

그것이 될 수 있는 것:

강의의 텍스트 버전(AI 기반 텍스트 음성 변환 도구로 소리내어 읽을 수 있음)

과정을 위한 교과서(텍스트에서 추상화 알고리즘으로 강의에서 사실을 요약하기 위해)

특정 쿼리로 데이터를 추출하는 지식 체계, 예: 과학 출판물 데이터베이스(GPT-3와 같은 변환기 모델을 사용하여 텍스트에서 의미 관련 답변을 식별하기 위해)

이것은 한 단계 발전으로 간주될 수 있으며 먼 미래를 위한 기술이 아닙니다. 모든 구성 요소는 이미 사용 가능합니다. 교수가 스스로 간단한 도구를 제공할 수 있도록 학생과 자격을 갖춘 AI 엔지니어의 요구만 기다리고 있습니다. 실제로는 모든 자료를 받기 위해 개인 또는 소그룹에서 실제 대화처럼 보여야 하며, 세부 정보가 필요하거나 이전 수업의 내용을 반복하는 경우 중단하는 것을 두려워하지 마십시오. 이 접근 방식은 마지막 줄에 있는 수줍음 많은 학생들의 문제를 제거할 것입니다. 그것은 단지 여러분이 말하는 알고리즘일 뿐이고 여러분이 Siri나 Alexa와 대화할 때처럼 어리석은 질문을 해도 해가 되지 않기 때문입니다. 시각적 측면에서는 원하는 대로 VR 헬멧을 사용하거나 화면만 사용할 수 있습니다. 화면에서는 세상의 어떤 사람도 볼 수 있고, 알버트 아인슈타인을 닮은 노인이나 젊은 숙녀와 같은. 유일한 목표는 관심을 유지하고 코스에서 가능한 한 많은 데이터를 얻는 것입니다. 물론 여기에는 제한이 없습니다. 시각적 발표자를 전혀 피하고 알고리즘에 의해 정렬된 적절한 시각적 자료를 볼 수 있습니다.

실습

확실히 가상 환경에서 인체 또는 화학 실험실 장비를 나타내는 수학적 모델을 연습할 수 있습니다. AI가 없거나 약간의 AI 기반 개선만으로 이미 가능합니다. 그러나 누구에게나 물어보십시오. 가상 병원에서만 모든 경험을 쌓은 의사를 방문하고 싶습니까? 물론 대답은 '아니오'일 것입니다. 그 이유는 매우 객관적입니다.

당신의 감정은 시뮬레이션에서와 실생활에서 다르게 작용합니다.

시뮬레이션의 상황은 특정 변형 목록으로 제한됩니다.

교과서나 교육 과정에는 포함할 수 없는 많은 추가 요소가 있으며 이러한 요소를 다루는 데 필요한 기술은 실제 경험을 통해서만 얻을 수 있습니다.

AI가 시뮬레이션에서 감정을 향상시키기 위해 아직 할 수 있는 일이 많지 않으므로 현재로서는 이 제한이 여전히 존재합니다. 그러나 상황의 변화와 갑작스런 변화에 관해서는 AI가 높은 수준의 무작위 요인이 관련된 절차 생성 상황을 제공하는 데 도움이 될 수 있습니다. 그리고 이러한 절차에 대한 데이터는 이전 부분에서 논의한 것처럼 다양한 데이터 소스에서 수집할 수 있습니다. 따라서 AI는 최소한 현재의 가상 연습을 개선할 것입니다.

실제 사례로 전환하여 여기에서 AI가 우리를 어떻게 도울 수 있는지 생각해 봅시다. 시작하려면 실제 작업에서 앞서 설명한 것처럼 필요에 따라 설명과 이론적 데이터를 제공할 수 있습니다. 소파에 앉아 강의를 들으면서 질문이 없는 것이 일반적이지만, 스스로 무언가를 해야 하는 순간에는 질문이 많아진다. 질문을 할 선생님이 항상 옆에 있는 것은 아니므로 가상 강사가 매우 도움이 될 것입니다.

모든 진행 상황과 결과를 확인하는 것은 교사의 가장 많은 노력이 필요한 연습의 또 다른 측면입니다. 대부분의 경우 학생은 작업이 끝날 때가 아니라 작업을 시작할 때 자신이 잘못했음을 깨닫게 됩니다. 결과적으로 그는 처음부터 모든 것을 시작해야 할 것입니다. AI는 프로세스 모니터링 도구로 사용되어 쉽게 수정할 수 있는 오류가 있는 경우 학생에게 보고할 수 있습니다. 잘못된 패턴이 학생의 뇌에 각인되지 않기 때문에 교육적 관점에서 볼 때 좋은 방법입니다. AI 프로세스 모니터링은 비디오 또는 오디오 스트림 분석 또는 관련 데이터를 수신하는 다른 방법으로 수행할 수 있습니다. 현재 우리는 생산 공정을 제어하거나 예를 들어 외국어 학습자의 말하기 능력을 확인하는 데 이러한 솔루션을 사용하고 있습니다.

이러한 교육 환경을 개발하는 것은 쉬운 일이 아니며 이를 최신 상태로 유지하는 것은 더 어려울 것입니다. 그러나 제 관점에서는 그만한 가치가 있으며 관련 조정을 통해 여러 대학에서 사용할 수 있는 통합 플랫폼이 될 수 있습니다.

기술 평가

많은 경우에 기술 평가 프로세스는 자동화되고 다양한 유형의 테스트와 연습으로 수행됩니다. 이 상황에서 인공 지능은 어떤 역할을 할 수 있습니까?

테스트 생성은 부정 행위를 방지하기 위해 오답을 생성하고 다양한 작업을 제공해야 하므로 교수가 선호하지 않는 활동 유형 중 하나입니다.

구술 시험은 가장 시간이 많이 걸리는 시험입니다.

필기시험을 확인하는 노력도 필요할 것입니다. 또한 학생들이 부정 행위를 하지 않도록 방을 주시해야 합니다.

이론적 부분에서 설명한 AI 모델은 강의 자료, 교과서 또는 기타 데이터 소스에서 질문과 답변을 생성하는 데 사용할 수 있습니다. 이러한 테스트는 주문형으로 생성할 수 있으므로 정답을 암기할 방법이 없습니다. 그리고 오답을 생성하는 데 문제가 없습니다. 또한 GAN(Generative Adversarial Network)을 사용하여 테스트를 평가할 수 있습니다. 예를 들어 테스트 결과가 교육에 사용되는 데이터의 양과 어떤 관련이 있는지 확인합니다.

구술 시험은 첫 번째 부분에서 가상 강사가 수행할 수 있습니다. 기술면에서는 차이가 없습니다. 질문을 생성하고, 답변을 처리하고, 필요한 경우 설명을 요청하고, 답변이 생성된 답변과 얼마나 가까운지 비교해야 합니다(정확한 단어가 아닌 의미 기준). 이 프로세스는 GAN 모델을 사용하여 확인하고 개선할 수도 있습니다.

조립 라인에서 직원이 유니폼을 입도록 제어하는 ​​것과 유사하게 부정 행위를 방지하기 위해 AI 기반 비디오 감시 시스템으로 필기 시험을 제어할 수 있습니다. 그리고 서면 답변은 물론 음성인식의 필요성을 제외하고 구두 답변과 유사한 방식으로 AI 도구로 확인할 수 있다.

결론

저는 우리가 완전히 자동화된 학습 과정을 만들 준비가 되었다고 믿습니다. 수백 년 동안 많이 변하지 않은 시스템을 바꾸는 것은 그들에게 도전이 될 것이기 때문에 많은 학계 오피니언 리더들이 이것을 허용하는 것을 달가워하지 않을 것이 확실합니다. 그러나 이것이 우리에게 더 이상 교수와 교육 과정 전문가가 필요하지 않다는 의미는 아닙니다. 이러한 도구를 최적화하고 기술적인 관점뿐만 아니라 교육적 측면과 필수적인 측면에서도 항상 최신 상태로 유지해야 할 필요가 있습니다. 이러한 자동화를 제공할 수 있다면 교육 가용성 및 기술 평가에 대한 편견을 제거하는 데 도움이 될 것입니다. 그것은 모든 인류에게 완전히 새로운 도약을 가져올 것입니다.