PAAL 학회에서는 2026년 동계 워크숍을 개최합니다. 이번 워크숍의 주제는 “생성형 AI를 이용한 연구 방법: 데이터 분석과 시각화”이며, 컴퓨터 교육을 전공하신 최승윤 교수님께서 교육 및 연구 현장에서 활용할 수 있는 생성형 AI 적용 방법과 실제 사례를 소개해주실 예정입니다. 본 워크숍은 응용언어학과 AI 융합의 관점에서 연구의 효율을 높이고 연구의 확장 가능성을 모색하는 의미 있는 시간이 될 것입니다.
세부 사항을 아래에 안내드리며 워크샵 포스터도 이메일에 함께 첨부하오니, 관심 있는 분들의 많은 참여 부탁드립니다.
교육부(장관 최교진)는 학생 평가의 공정성 및 신뢰성을 높이기 위해 전국의 시‧도교육청과 함께 ｢수행평가 시, 인공지능(AI) 활용 관리 방안｣을 마련하였다.
교육부와 시‧도교육청은 최근 일부 학교에서 수행평가 중에 발생한 인공지능(AI) 활용 부정행위가 반복되지 않도록, 현장 전문가의 의견 수렴을 거쳐 수행평가 관리의 원칙과 기준을 확정하였다. 확정된 내용은 12월 중 교육부에서 시‧도교육청으로 안내될 계획이다.
교육청은 이번 관리 방안을 바탕으로 2026학년도 ｢시도 학업성적관리 시행지침｣을 개정하고 신학기 전 관할 학교에 안내할 예정이다.
이번 관리 방안은 수업과 연계해서 이루어지는 수행평가의 특성을 고려하여, 인공지능(AI) 활용을 일률적으로 금지하기보다는 안전하고 교육적으로 활용하도록 하는 데에 주안점을 두었다.
관리 방안은 ①인공지능(AI) 활용 범위 설정, ②인공지능(AI) 활용 과정 표기 지도, ③학생 유의 사항 안내 및 사전교육, ④평가 설계 방향, ⑤개인정보보호의 5가지 영역으로 구성되어 있다.
교사는 수행평가 시행 전에 과목별 평가 요소와 채점 기준 등을 고려하여 인공지능(AI) 활용에 대한 구체적인 기준을 마련한다. 또한, 수행평가에서 인공지능(AI)을 활용할 경우, 출처 등 활용 과정을 명확히 표기하고 개인정보 입력 및 처리에 각별히 주의하도록 지도한다.
학교는 인공지능(AI)를 활용한 평가에서 학생들이 유의해야 할 사항을 충분히 안내하고, 올바른 인공지능(AI) 활용 역량을 기를 수 있도록 관련 교육을 실시한다.
아울러, 교사가 수업 시간에 학생의 수행 과정을 직접 관찰할 수 있는 실시간 활동 중심의 평가를 운영함으로써 평가의 신뢰성을 높인다.
교육부는 이번 관리 방안과 더불어 과학기술정보통신부와 공동으로 수업과 평가에서의 올바른 인공지능(AI) 활용 절차 및 사례 등을 담은 별도의 가이드라인을 마련하여, 2026년 2월 중에 안내할 예정이다.
장홍재 책임교육정책실장은 “인공지능(AI)은 교육 혁신을 이끌 필수 도구이지만, 그 활용에는 명확한 기준과 윤리적 책임이 함께해야 한다.”라며, “이번 관리 방안을 통해 학교가 인공지능(AI) 시대에 맞는 공정하고 신뢰할 수 있는 평가 모델을 마련함으로써, 우리 학생들이 미래 사회의 핵심 역량을 갖춘 인재로 성장해 나가길 기대한다.”라고 밝혔다.
담당 부서
책임교육정책관
책임자
과 장
김한승
044-203-6699
수업혁신융합교윢과
담당자
연구관
이승택
044-203-6743
담당자
연구사
최가영
044-203-6744
붙임
〔교육부-교육청 공동〕수행평가 시, AI 활용 관리 방안
□ 목적
◦학교 수행평가에서 AI 활용 시, 평가 관리 방안을 안내함으로써 학교가 AI 기술을 안전하고 교육적으로 활용할 수 있도록 지원
□ 기본 원칙
✔ AI는 맞춤형 피드백 제공 등을 위해 수업‧평가에서 보조적으로 활용할 수 있으나, 평가의 공정성‧신뢰성을 훼손하지 않도록 유의해야 함✔ 교사가 직접 학생의 활동을 관찰할 수 있는 평가를 통해 학생의독자적사고에 따른 결과물이 평가에 반영될 수 있도록 해야 함✔ 실제 평가 상황에서AI 활용이 금지되는 행위를명확히 설정하고, 관련 유의사항을 학생‧학부모에게 사전 안내해야 함
□ 수행평가 운영 기준
AI 활용 범위 설정
◦ 수행평가 중 AI 활용 가능 여부를 명확히 구분하고, AI의 활용을 허용하는 경우에는 AI 활용 범위에 대한 구체적 기준 마련
–교과(목)별성취기준, 평가 목표, 과제 유형, 평가 요소, 채점 기준 등을 고려하여 AI 활용이 금지*되는 행위 설정
* <예시> AI가 생성한 글, 이미지 등을 자신의 창작물로 제출하는 행위, AI 문제풀이 앱 등을 활용하여 수행평가 문항을 입력하고 생성된 답안을 그대로 제출하는 행위 등
AI 활용 과정 표기 지도
◦ 학생이 자료 탐색 등을 위해 AI를 활용한 경우, 수행평가 결과물에 AI 활용 범위와 내용, 출처를 표기하도록 안내
– 사용한 AI 종류, 입력한 질문(프롬프트), 결과물에 반영한 방식*, 부분 등을 기재하도록 하고, 필요시 제출 내용에 대한 구술 설명 요구
* <예시> 직접 활용, 요약, 수정, 참고 등
AI 활용 관련 유의사항 안내 및 사전교육실시
◦ 학기 초, 교과(목)별 평가계획 안내 시 모든 교과(목)에서 통용되는 AI 활용 관련학생 유의사항 안내
–수행평가 전, 해당 평가에서의 AI 활용 관련상세 기준 및 유의사항 안내, 필요시 올바른 AI 활용 교육(할루시네이션* 주의 등) 실시
* 챗GPT와 같은 거대언어모델이 만들어내는 ‘지어낸 말’, ‘사실과 다른 말’을 의미함
※ AI는 학습데이터에 내재 된 사회‧문화적 편향성이나 고정관념을 그대로 반영할 수 있으므로 AI 생성물을 비판적으로 해석할 수 있도록 지도
< AI 활용 관련 유의사항 안내 예시 >
▪다양한 자료를 수집하기 위해 AI 등 디지털 도구를 활용할 수 있으나, AI를 활용하여 △△, △△하는 행위는 금지되며 적발 시 부정행위로 간주함▪AI 활용 시에는 사용 기록(사용한 AI 종류, 질문 내용, 출처 표기 등)을 표기해야 함▪AI 생성물을 사용 기록없이 그대로 제출하거나, 결과물의 내용을 묻는 교사의 질의에 적절한 답변을 하지 못하는 경우, 해당 내용은 채점에서 제외될 수 있음
실시간 활동 중심의 개별화된 평가 설계
◦ 수행평가의 ‘수업시간 중 실시 원칙’은 교과(목)별 성취기준에 따른 수업-평가 설계에 기반한 과정 중심의 평가를 강조하는 것으로,
– 최종 결과물 뿐만 아니라 수업시간에 교사가 직접 학생의 산출 과정을 관찰할 수 있는 형태의 평가 실시
◦ 학생이 AI에만 의존하지 않고 학습자 주도성 및 책무성, 창의적‧비판적 사고를 기를 수 있도록 지원하는 것이 중요하며,
– 동일 주제라도 학교·지역의 특성 및 개인적 경험에 기반한 성찰을 탐구 과정에 반영하고, 이를 주요 평가 요소로 하는 등 AI가 일반적·표준적인 답변을 생성하기 어려운 형태의 평가 설계 권장
학생 개인정보 입력 및 취급 주의
◦ AI 도구는 학생이 입력한 정보를 저장·활용할 수 있으므로 평가 시작 전, AI 입력창에 개인 식별 정보*를 입력하지 않도록 지도
* 이름, 학번, 생년월일, 주소, 연락처, 가족관계, 타인의 사진 등
◦ AI를 활용한 자료 분석 등의 활동 시, 파일 내용 및 파일 속성(메타데이터)에 학생의 학번이나 이름 등이 포함되지 않도록 유의
◦ AI 활용하여 학생 개인별 맞춤형 피드백을 제공하거나 학생이 작성한 내용을 온라인 플랫폼을 활용하여 제출받는 경우,
– 학생 개인 식별 정보의포함 여부를 사전에 꼼꼼히 확인하고 발견 시즉시 삭제 처리
참고
수행평가에서의 AI 활용 예시 <중학교 국어>
□
1단계
수행평가 계획서 작성 및 학생 유의사항 안내
과목
국어
단원
2. 간추리고 쓰고 (2) 정보를 전달하는 글 쓰기
성취기준
[9국02-02] 읽기 목적과 글의 구조를 고려하여 글을 효과적으로 요약한다.[9국03-02] 복수의 자료를 활용하여 다양한 형식으로 정보를 전달하는 글을 쓴다.[9국03-09] 언어 공동체의 구성원인 필자로서 자신에 대해 성찰하며, 윤리적 소통 문화를 형성하는 데에 기여한다.
평가요소
‣읽기 목적과 글의 구조를 고려하여 요약하기‣다양한 자료를 활용하기‣정보를 전달하는 글쓰기
평가방법
서‧논술형 평가
평가의도
본 수행평가는 인공지능 시대에 더욱 요구되는 ‘비판적 문해력’, ‘윤리적 소통 역량’을 기르는 것을 목표로 한다. 학생은 이번 수행평가를 통해 1)자신의 집필 의도에 부합하는 정교한 프롬프트를 설계함으로써 AI를 자신의 사고를 확장하는 도구로 활용하는 방법을 익힌다. 2)또한, AI가 제공한 정보를 맹신하지 않고 사실 여부를 확인하고, 활용 과정을 명확히 밝힘으로써 언어 공동체의 일원으로 책임있는 태도를 기르도록 돕는다. 3)마지막으로 인공지능 시대에 자칫 소홀해질 수 있는 학습자 간 상호작용을 활성화하기 위해 수행평가 과제를 동료 간의 피드백을 통해 협력적으로 완성하도록 한다.
학생 유의사항
‣AI는 허용된 범위 내에서만 활용해야 하며, 수행평가 과제를 수행하는 시간에는 모든 전자기기와 인터넷 사용이 금지되며, 적발 시 부정행위로 간주함‣AI 입력창에 본인이나 타인의 학번, 이름, 학교명 등 개인정보를 입력해서는 안됨‣AI 활용 시에는 수행평가 과제 활동지의 서식에 맞게 활용 과정을 표기해야 함‣AI 생성물을 출처 표기없이 그대로 제출하거나, 결과물의 내용을 묻는 교사의 질의에 적절한 답변을 하지 못하는 경우, 해당 내용은 채점에서 제외될 수 있음
□
2단계
수행평가 시행 계획 수립
차시
교수‧학습활동 및 평가
AI 활용 범위 및 유의사항
1~2
‣요약하며 읽는 방법 이해하기-중심 내용이 그대로 드러난 문장 선택하기-덜 중요하거나 반복되는 내용 삭제하기-주요 내용과 단어들을 묶어 일반화하기-내용을 종합하여 중심 문장으로 재구성하기‣정보를 전달하는 글 이해하기-글의 유형 알기-정보를 전달하는 글을 쓸 때 유의할 점 알기
‣AI 활용 금지-학생이 성취기준에 도달하기 위한 기초·기본 내용을 배우는 단계이므로, 교사는 학생들이 AI의 도움없이 학습 내용을 깊이있게 이해하고 내면화할 수 있도록 지도
3
활동1‣정보를 전달하는 글 쓰기 계획하기 -글의 주제와 정보 전달의 대상 정하기-예상 독자를 고려하여 글의 유형 정하기-AI가 제안한 아이디어(주제, 대상, 유형) 중 나의 집필 의도에 가장 부합하는(또는 부합하지 않는) 것을 선정하고 그 이유를 기록하기
‣AI와 대화하며 아이디어 구체화 하기-글의 주제, 정보 전달의 대상, 글의 유형을 정하기 위해 AI와 대화하며 브레인스토밍하기※학생이 AI가 제안한 아이디어를 그대로 수용하는 것이 아니라, AI에게 구체적이고 정교한 질문을 반복하며 자신의 사고를 확장할 수 있도록 지도
4~5
활동2‣다양한 자료를 탐색하고 분석하기‣찾은 자료를 요약하기(출처 기록)
‣AI를 활용하여 자료 탐색하기-정보를 전달하는 글을 작성하기 위해 필요한 자료를 AI에게 탐색하도록 요청하기-AI가 제공한 자료의 출처를 직접 확인하여 신뢰할 수 있는 자료(공신력있는 기관에서 생산한 문서 등)인지 판단하고 사용 여부 결정하기
‣모둠활동요약·정리한 자료를 모둠친구에게 서로 설명하고 피드백 주고 받기
6
활동3‣글의 개요 작성하기-글의 처음, 중간, 끝에 들어갈 내용과 각 단계에서 활용할 자료를 정리하여 개요 작성하기
‣AI 활용 금지-학생이 AI의 도움이 스스로 개요를 작성하도록 지도
7
수행평가 과제‣정보를 전달하는 글쓰기-‘활동-1,2,3’을 바탕으로 온전한 한 편의 글을 스스로 완성하기
‣AI 활용 금지-모든 종류의 전자기기 및 인터넷 활용을 차단하고 교사가 직접 대면 관찰하여 평가
8
‣모둠활동서로의 글을 교환하여 읽고, AI의 도움을 받아 피드백 주고 받기‣피드백을 반영하여 고쳐쓰기-맞춤법, 어색한 표현, 논리적 비약 등 확인
‣AI를 활용한 동료 피드백 활동-AI를 활용하여 친구가 작성한 글에 대한 피드백 제공-학생은 피드백을 무비판적으로 수용하기 보다는 글의 완성도를 높이기 위한 참고 자료로 활용
□
3단계
수행평가 과제 및 채점기준 개발
◦ 학습 활동지 <예시>
활동1정보를 전달하는 글 쓰기 계획하기 ◈ 정보를 전달하는 글을 쓰기 위한 계획을 세워 보세요.AI에게 던진 질문프롬프트 기록AI 답변 중 내가 채택한 아이디어와 그 이유선별 과정 기록AI 답변 중 내가 불채택한 아이디어와 그 이유선별 과정 기록▼글의 유형 글의 주제 및 선정 이유주제 선정 과정 기록정보 전달 대상 및 선정 이유독자 분석 기록활동2자료 탐색‧분석‧요약하기◈ 자신이 선택한 대상에게 정보를 전달하기 위해 필요한 자료를 탐색‧분석‧요약해 보세요.(AI가 제공한 정보에 대한 출처 확인 및 표기 필수)AI가 제공한 주요 정보 AI가 제공한 정보의 출처 확인AI 제공 정보의 신뢰성 확인 과정 AI가 제공한 정보의 활용 방식 및 이유직접 활용/요약/수정/참고 등⁞⁞ ▼자료 요약‧정리AI 제공 정보의 출처 표기 포함활동3글의 개요 작성하기◈ 글의 처음, 중간, 끝에 들어갈 내용과 각 단계에서 활용할 자료를 정리해 보세요.단계주요 내용활용할 자료처음 중간 끝
◦ 수행평가 과제 <예시>
수행평가 과제정보를 전달하는 글쓰기 ◈ 자신이 선정한 정보를 전달하는 글의 유형·대상·주제를 쓰고, 활동지-1,2,3을 바탕으로 정보를 전달하는 글을 완성하세요 ※ 모든 종류의 전자기기 및 인터넷 활용이 금지되며, 적발시 부정행위로 간주됨글의 유형 정보 전달 대상 주제 내용⁞
◦ 채점 기준표 <예시>
채점 요소
정보를 전달하는 글쓰기의 완결성 및 효과성
상
20점
설명 대상에 적합한 설명 방법을 효과적으로 사용하여 내용을 체계적으로 조직함. 독자의 수준과 흥미를 고려하여 명료하고 정확한 문장으로 한 편의 완결된 글을 완성함
중
15점
주제와 형식에 맞게 글을 구성하였으나, 정보의 배치가 다소 산만하거나 설명 방법의 활용이 단조로움. 글의 전반적인 완성도는 있으나 독자의 이해를 돕기 위한 전략적 표현이 부족함
하
10점
글의 형식은 갖추었으나 주제가 불분명하거나 핵심 정보가 누락됨. 문장 성분의 호응이 어색하거나 맞춤법 오류가 잦아 정보 전달의 효과가 현저히 낮음
지원 규모: 프로젝트당 US $100,000 ~ $800,000 (한화 약 1억 4천만 원 ~ 11억 원 상당)
마감일:2026년 3월 13일
+ 공동 연구 책임자(Co-PIs) 구성: 반드시 인문학 분야 전문가와 AI 분야 전문가가 공동 책임자로 참여해야 합니다.
+ 양방향 연구 목표:
AI를 활용하여 인류의 역사와 문화를 새롭게 이해하는 것
인문학적 질문, 방법론, 원천 소스를 통해 AI 기술 자체를 발전시키는 것
Dear KADH,
Here at Schmidt Sciences, we just released a new DH RFP called HAVI. It is open to researchers globally. May I ask you to share this with your members? Thank you!
Schmidt Sciences’ HAVI 2026 RFP
Schmidt Sciences is requesting proposals to the Humanities and AI Virtual Institute (HAVI), aimed at fostering research in the digital humanities with a particular focus on artificial intelligence. Ideal projects will have co-PIs with expertises from both the humanities and AI and will address research questions from both domains. This request is open to universities and non-profits globally.
Funding ranges from US $100,000 to US $800,000. Applications are due March 13, 2026.
To get a sense for what kinds of projects we funded last year, we are also excited to announce 23 new HAVI projects (look under “Featured Projects”). The projects span disciplines such as archaeology, history, literature, linguistics, art history, music, law, and film/media studies. Together, they reflect HAVI’s dual mission to apply AI to the humanities in ways that open new understandings of human history and culture, and to advance AI itself using humanistic questions, methods, and sources. You can also join the HAVI mailing list.
이은수. 인강지능의 역사. 문학동네. 2025.12.01. ISBN : 9791141614041
목차
시작하며-다시, 인간지능을 묻다
1부 발견하다-인간의 발견 vs. AI의 발견
1장 신의 흔적을 발견한 인간 존재의 기원을 찾는 과정 | 유레카, 자연의 질서를 발견하다 | 신의 흔적에서 인간의 흔적으로 2장 무지에서 앎으로 시간의 도서관을 거닐다 | 자연을 관찰하고 권위에 도전하다 | 미지의 세계를 걷다 | 단절을 넘어 만남으로 3장 볼 수 있지만 닿을 순 없는 세계 한계 인식과 극복의 여정 | 볼 수 없었던 우주를 열다 | 보이지 않는 세계를 드러내다 | AI라는 또다른 지능의 눈 4장 발견의 희열, 설렘, 경이감 인간지능을 넘어서는 지능 | 유예할 것인가 통제할 것인가 | 인간만의 배움과 발견의 의미 | 인간과 AI의 협력적 발견
2부 수집하다-인간의 수집 vs. AI의 수집
1장 지식, 전수에서 수집으로 지식 수집, 문명의 토대를 놓다 | 최초의 체계적 지식 저장고 | 모든 지식을 수집한다는 것 | 지식의 보고가 사라지다 2장 흩어진 지식을 모으다 고전을 되살리다 | 문서를 사냥하고 복원하다 | 다시 모인 지식의 사회적 의미 | 르네상스가 혁신한 지식의 가치 3장 지식의 두 얼굴, 호기심과 욕망 호기심과 욕망의 방, 분더카머 | 지식의 체계화, 권력화, 진화 | 실험실의 등장과 지식 수집의 전환 | 공공 지식 시스템의 형성 4장 지식 큐레이션 시대 지식의 체계화와 대중화를 연 백과사전 | 살아 있는 백과사전, 위키피디아 | 나만의 지식 정원 가꾸기 | AI 주도 큐레이션의 미래 | 지식의 바다, 안전하게 항해하는 법 5장 디지털 정원을 가꾸는 지혜 명확한 역할과 유기적 결합 | 건강한 지식 생태계를 위한 파트너십
3부 읽고 쓰다-인간의 읽고 쓰기 vs. AI의 읽고 쓰기
1장 ‘듣고 말하기’와 ‘읽고 쓰기’ 구술 문화에서 문자 문화로의 전환 | 역동적인 구술 문화에서 체계적인 문자 문화로 | 문자, 스스로 기억하는 능력을 빼앗다 | 부정과 적응을 거쳐 내재화로 | 문자, 구술과 함께 길을 열다 2장 자유로운 읽기가 가능해지다 기록 매체의 진화, 두루마리에서 코덱스로 | 그리스도교와 코덱스의 운명적 만남 | 지식 구조화의 혁명 | 선형적 사고에서 비선형적 사고로 3장 지식의 확산과 상식의 탄생 192 인쇄술의 혁명과 전통의 저항 | 상품이 된 지식, 출판 | 상식의 형성과 지식의 민주화 | 인쇄술이 만든 새로운 지식 생태계 4장 읽기와 쓰기의 미래 기술 변화 속에서 인간이 잃은 것과 얻은 것 | 디지털 기술과 인간적 가치의 재발견 5장 창의적이고 생산적인 공동 창작 AI시대의 읽기와 쓰기 | AI를 활용한 의식적 독서 | 모두에게 열린 지식 생산 | 인류 지성사의 유산이 만나는 지점
4부 소통하다-인간의 소통 vs. AI의 소통
1장 경쟁적으로, 자유롭게, 진실하게 지식 소통의 토대가 된 그리스 문화 | 경쟁 문화에서 연마된 소통의 기술 | 알레테이아와 소통의 목적 | 자유로운 소통의 조건, 이세고리아와 파레시아 | 헬레니즘시대 지식 소통의 변화 | 공적 대화에서 내적 대화로의 변화 2장 권위 아래, 침묵 속에서 신의 말씀과 교회의 그늘 | 길 위에서, 글 속에서 | 대학, 지식 소통의 새로운 중심 | 중세가 남긴 몰입의 가치 3장 경계를 넘는 지식, 편지공화국 보이지 않는 공화국의 설계 | 느리고 불확실하지만 믿을 만한 | 조용하고 격렬한 펜 끝 논쟁 | 편지공화국의 위태로운 학자들 | 사적 소통에서 공적 토론으로 | 편지공화국 너머, 만인의 지식을 향해 4장 당신은 AI와 우정을 나눌 수 있습니까 디지털 광장의 소음 | AI와의 소통은 우리를 어디로 이끄는가 | AI는 이해하지 않고, 의도하지 않는다 | 예측 가능한 대화의 예측 불가능성 | 영원한 내 편 AI, 그럼에도 불구하고 5장 지혜로운 소통을 위한 길 찾기 고대·중세·근대에서 배우는 소통의 핵심 | 미완의 여정, 인간적인 소통을 향해
5부 재정의하다-지식 생산자 인간과 AI의 공존방정식
1장 지식이 탄생하는 곳 목격, 지식 생산의 마지막 키워드 | 실험실에서 가상세계로 | AI 가상환경 속 이차적 목격의 시대 | 인간은 지식 생성에 어떻게 기여할 수 있을까 2장 다시, 지성이란 무엇인가 지성의 작동 조건을 만들다 | 함께 만드는 지성, 희미해지는 책임 | 지식의 연결자이자 통합자, 인간 | 단독 창조자에서 협력적 창조자로 | 창의적 지성은 과연 인간의 고유한 능력일까 | 인공지능시대, 지성이란 무엇인가 3장 다시, 지식이란 무엇인가 ‘있을 법한’ 세계와 진릿값의 문제 | AI가 생성한 현실은 얼마나 ‘참’인가 | 네트워크의 지혜와 파편화의 그늘 | 융합의 창조성과 환원의 위험 | 상호작용의 산물과 평가의 딜레마 | 새로운 지식의 지형도를 그리다 4장 다시, 인간이란 무엇인가 경계의 재설정과 고유성의 재발견 | 체화하고 관계 맺고 책임지는 존재 | 인간 정체성과 자기 이해의 재창조 | 기술과 함께 진화하는 인간 | 질문을 멈추지 않는 고유한 인간으로 5장 창조하는 인간, 그 불완전함의 힘 불완전한 창조자의 역설 | 인간적인 약점에서 인간적인 강점으로
단순 어학 넘어 ‘디지털 인문학’으로 체질 개선, 졸업장 ‘AI 전문가’ 표기… 로스쿨·대기업 진출 다각화
데이터로서의 인문학: 중국 문학과 언어 데이터를 AI로 분석하고 가공하는 능력은 빅데이터, 번역 알고리즘, 문화 콘텐츠 기획 등 고부가가치 산업과 직결된다. 서유진 학과장(중국현대문학/문화)을 비롯한 교수진은 이를 통해 학생들이 창의적 커리큘럼을 스스로 개발할 수 있도록 독려하고 있다.
Meta AI가 1,600개 이상의 언어를 지원하는 새로운 자동 음성 인식(ASR) 기술인 ‘옴니링구얼 ASR(Omnilingual ASR)’을 공개했습니다. 이 기술의 주요 내용은 다음과 같습니다.
핵심 기능 및 성과:
광범위한 언어 지원: 1,600개 이상의 언어에 대한 음성-텍스트 변환을 지원합니다. 이는 기존 ASR 시스템이 지원하지 못했던 500개 이상의 ‘저자원 언어'(데이터가 부족한 언어)를 포함하는 규모입니다.
높은 정확도: 대규모(최대 7B 파라미터) 모델과 방대한 학습 데이터를 기반으로, 적은 학습 데이터로도 높은 인식 정확도를 달성합니다.
확장성 (In-context Learning): LLM(거대 언어 모델)에서 영감을 받은 아키텍처를 채택하여, ‘제로샷 학습’ 또는 ‘인컨텍스트 학습’이 가능합니다. 이는 모델이 공식적으로 학습하지 않은 새로운 언어라도 단 몇 개의 예시(샘플)만으로도 인식하고 확장할 수 있음을 의미합니다.
기술적 특징:
자기 지도 학습(Self-supervised learning): 라벨이 지정된 데이터가 적더라도 음성의 보편적인 패턴을 학습할 수 있습니다.
인코더-디코더 아키텍처: 견고한 음성 표현을 학습하는 인코더와 이를 텍스트로 변환하는 디코더 구조를 사용합니다.
다양한 모델 크기: 클라우드 환경을 위한 고성능 7B 모델부터 저전력 기기(온디바이스)에서 실행 가능한 300M 크기의 경량 모델까지 다양한 버전을 제공합니다.
의의 및 목표:
오픈소스 및 커뮤니티 기반: 옴니링구얼 ASR 모델과 ‘옴니링구얼 ASR 코퍼스’ 데이터셋을 아파치 2.0 라이선스로 오픈소스로 공개했습니다.
디지털 접근성 향상: 전 세계의 더 많은 언어 커뮤니티가 음성 기술의 혜택을 누릴 수 있도록 장벽을 낮추고, 커뮤니티가 직접 자신의 언어를 기술에 추가할 수 있도록 지원하는 것을 목표로 합니다.
fMRI 뇌 활동 기록을 통해 사람이 본 이미지를 재구성하는 기술은 인간의 뇌를 비침습적으로 들여다볼 수 있는 창을 제공합니다. 최근 확산 모델(diffusion models)을 통해 진전이 있었음에도 불구하고, 현재의 방법들은 실제 본 이미지에 대한 충실도가 부족한 경우가 많습니다.
우리는 이러한 문제를 해결하기 위해 뇌에서 영감을 받은 접근 방식인 “Brain-IT”를 제시합니다. 이 방법은 기능적으로 유사한 뇌 복셀(voxel) 클러스터 간의 효과적인 상호작용을 가능하게 하는 ‘뇌 상호작용 트랜스포머(Brain Interaction Transformer, BIT)’를 사용합니다. 이러한 기능적 클러스터는 모든 피험자에게 공유되며, 뇌 내부 및 뇌 간의 정보를 통합하기 위한 구성 요소 역할을 합니다. 모든 모델 구성 요소는 모든 클러스터 및 피험자에게 공유되므로 제한된 양의 데이터로도 효율적인 학습이 가능합니다.
이미지 재구성을 유도하기 위해, BIT는 두 가지 상호 보완적인 국소적 패치 수준 이미지 특징을 예측합니다. 즉, (i) 확산 모델이 이미지의 정확한 의미론적 콘텐츠를 향하도록 이끄는 ‘고수준 의미론적 특징’과 (ii) 이미지의 정확한 대략적 레이아웃으로 확산 과정을 초기화하는 데 도움이 되는 ‘저수준 구조적 특징’입니다.
BIT의 설계는 뇌 복셀 클러스터에서 국소적 이미지 특징으로 정보가 직접 흐를 수 있게 합니다. 이러한 원리를 통해, 우리 방법은 fMRI로부터 본 이미지를 충실하게 재구성하며, 시각적으로나 표준 객관 지표로나 현재의 최고 수준(SotA) 접근 방식들을 능가합니다.
더욱이, 새로운 피험자로부터 단 1시간 분량의 fMRI 데이터만으로도, 40시간 전체 기록으로 학습된 현재의 방법들과 비슷한 수준의 결과를 달성합니다.
인문사회교육이 AI의 ‘핵심 재료’인 데이터를 직접 탐구·가공하는 교육으로 전환해야 한다는 주장이 나왔다. 유인태 전남대 교수(중어중문학과)는 「인문사회교육은 AI를 어떻게 만나야 하는가?: ‘데이터’, ‘경험’ 중심 인재 양성과 인문사회교육의 미래」를 발표했다. “AI의 성능과 정체성을 결정하는 가장 근본적인 재료는 데이터이다.” 유 교수는 “학문별 AI 교육은 요리에 비교된다”라며 “인문사회학은 식재료(데이터), 공학은 조리도구(하드웨어), 자연과학은 레시피(알고리즘)”이라고 설명했다.
그래서 그는 “인문사회 학문은 ‘핵심 재료’를 탐구하고 가공함으로써 AI의 방향성을 설계한다”라며 “데이터를 직접 다루는 인문사회교육으로의 전환”을 제시했다. 그 방향성은 두 가지다. 첫째, ‘무엇을 가르칠 것인가?’의 차원에서 도구가 아닌 ‘과정’과 ‘철학’으로서의 데이터 교육이다. 둘째, ‘어떻게 가르칠 것인가?’에 대해서는 이론이 아닌 ‘적용’과 ‘경험’으로서 데이터 교육이다. 유 교수는 “이 때문에 교수자도 더욱 데이터 교육의 역량을 갖춰야 한다”라고 말했다.
EuroLLM은 유럽 내 연구기관이 공동 개발한 24개 공식 EU 언어 지원 대형언어모델(LLM) 로, 유럽의 AI 주권과 기술 자립을 목표로 함
유럽연합의 공식 언어는 총 24개: 불가리아어, 크로아티아어, 체코어, 덴마크어, 네덜란드어, 영어, 에스토니아어, 핀란드어, 프랑스어, 독일어, 그리스어, 헝가리어, 아일랜드어, 이탈리아어, 라트비아어, 리투아니아어, 몰타어, 폴란드어, 포르투갈어, 루마니아어, 슬로바키아어, 슬로베니아어, 스페인어, 스웨덴어. 실제 사용 RAWDATA 미공개
9B 파라미터 모델로, 35개 언어에서 4조 개 이상의 토큰으로 학습되어 질문응답, 요약, 번역 등 언어 과제에 강점을 보인다고 하지만…실제 성능은…별로라는 평.
EuroLLM 9B Base는 파인튜닝용으로 공개되었으며, EuroLLM 9B Instruct는 대화형 지시 수행 기능을 갖춘 버전으로 Hugging Face에서 사용 가능
바로: 현재 한국에서 진행중인 승자 선정형으로 진행된 것으로 보임. 승자 선정형은 정부 정보 비대칭, 시강 왜곡, 도덕적 해이 등의 분명한 문제가 있음. 그런데 한국처럼 기본적인 체급이 현실적으로 한계가 있는 상황에서는 반도체 시장 처럼 승자 선정형으로 갈 수 밖에 없는 한계도 분명히 있음…
登录
