학습 목표

이 강의를 마치면 다음을 할 수 있습니다:

• 현재 생성형 AI의 주요 역량과 한계를 파악한다

역량과 한계

(7분)

이 영상에서는 현시점에서 생성형 AI가 효과적으로 할 수 있는 것과 없는 것을 살펴봅니다. 언어 작업 전반에 걸친 생성형 AI의 다재다능함, 대화 흐름을 유지하는 능력, 추가 학습 없이 다양한 작업 간에 전환하는 능력을 중점적으로 다룹니다. 또한 지식 기준일(knowledge cutoff), 환각(hallucination, 사실과 다른 출력), 컨텍스트 윈도우 제약, 추론의 한계 등 생성형 AI의 제한 사항도 다룹니다. 이 분야가 빠르게 발전하고 있음을 강조하며, 가장 효과적인 활용 방법은 인간과 AI가 서로의 강점을 보완하며 함께 작업하는 것임을 설명합니다.

핵심 내용

• 생성형 AI는 기존 데이터를 분석하는 것에 그치지 않고 새로운 콘텐츠(텍스트, 이미지, 코드)를 만들어 낸다
• LLM과 같은 현대적 시스템은 세 가지 핵심 발전이 있었기에 가능해졌다:
  • 알고리즘 및 아키텍처의 획기적인 발전 (특히 트랜스포머 아키텍처)
  • 방대한 양의 디지털 학습 데이터
  • 컴퓨팅 파워의 급격한 향상
• 생성형 AI는 두 단계로 학습한다: 수십억 개의 예시에서 패턴을 분석하는 사전 학습(pre-training)과 지시를 따르고 유용한 응답을 제공하도록 하는 파인튜닝(fine-tuning)
• 현재 역량으로는 다양한 작업에서의 유연성, 대화 맥락 인식, 외부 도구와의 연결 능력이 포함된다
• 현재 한계로는 지식 기준일, 환각 가능성, 컨텍스트 윈도우 제약, 복잡한 추론의 어려움이 있다
• 가장 효과적인 활용은 인간과 AI의 강점을 결합하는 것이며, 인간은 비판적 사고, 판단력, 창의성, 윤리적 감독을 담당한다

연습 문제

성찰

다음 내용으로 넘어가기 전에 잠시 생각해 보세요:

• 생성형 AI의 기술적 기반(학습 데이터, 사전 학습/파인튜닝 등)을 이해하는 것이 이러한 시스템과 협력하는 방식에 대한 생각을 어떻게 바꾸나요?
• 이 시스템의 작동 방식과 현재의 한계를 배운 후 어떤 윤리적 고려 사항이 떠오르나요?

다음 강의 안내

다음 강의에서는 4D 역량 중 첫 번째인 위임(Delegation)을 자세히 살펴봅니다. 자신의 목표와 AI의 역량을 모두 이해하여 자신과 AI 사이에서 업무를 나누는 전략적 결정을 내리는 방법을 배웁니다. 이 기초를 통해 창의적이고 문제 해결적인 과정에 AI를 언제, 어떻게 활용할지 신중하게 결정할 수 있습니다.

피드백

강의를 진행하면서 일상생활, 업무, 수업 등에서 강의 내용을 어떻게 활용하고 있는지, 그리고 어떤 의견이든 자유롭게 알려 주세요. 여기서 피드백을 공유하세요.

감사의 말 및 라이선스

Copyright 2025 Rick Dakan, Joseph Feller, and Anthropic. CC BY-NC-SA 4.0 라이선스 하에 배포됩니다. 이 강의는 Dakan과 Feller의 AI Fluency Framework를 기반으로 합니다. 아일랜드 고등교육청(Higher Education Authority, Ireland)이 국가 교수학습 향상 포럼(National Forum for the Enhancement of Teaching and Learning)을 통해 일부 지원합니다.