단원 마무리 — 1단원 인공지능의 이해

🧠

핵심 정리 — 개념 지도

가지를 클릭하면 핵심 요약이 나타나요!

🧭 단원의 큰 그림 — 인공지능에는 두 기둥이 있다. 데이터로 배우는 학습(2단원), 그리고 사람이 설계한 절차로 판단하는 탐색과 추론(이 단원). 이 단원에서 우리는 '지능적 판단'의 정체를 밝히고(1차시), 길을 찾고(2·3차시), 결론을 끌어내는(4차시) 원리를 직접 만져 봤다. 이제 AI가 더 이상 마법으로 보이지 않을 것이다!

🧠 지능적 판단 [12인기01-01]
· 지능적 판단 = 가능성 중 목표에 가장 알맞은 답·행동을 골라내기
· 튜링 테스트: 대화로 사람과 구별 안 되면 지능적이라 봄 — '행동'으로 판정
· 약한 AI(특정 분야, 현존 전부) vs 강한 AI(범용, 아직 없음)
· 사례 비교·분석의 틀: 어떤 문제·데이터·왜 AI가 유리·사람 역할·주의점

🔍 탐색 [12인기01-02·03]
· 문제를 상태 공간(상태·행동·목표)으로 표현 → 탐색으로 해결
· 상태 폭발 때문에 '적게 둘러보고 찾기'가 핵심 능력
· 맹목적 탐색(무정보): BFS(최단 보장·많이 둘러봄), DFS(깊이 우선)
· 정보 이용 탐색: 휴리스틱(남은 거리 어림)으로 목표 쪽 우선 — 빠르나 최단 미보장

🧭 A* 알고리즘 [12인기01-04]
· f = g + h (지나온 비용 + 남은 거리 추정 = 예상 총비용)
· f가 가장 작은 칸부터 살펴봄 → 빠르면서도 최단 경로 보장(허용 가능 휴리스틱일 때)
· h=0이면 다익스트라, g 무시하면 탐욕적 — A*는 둘의 균형
· 적용: 내비게이션 · 게임 NPC · 로봇 · 퍼즐 (상태·행동·목표·비용·휴리스틱으로 번역)

📐 지식 표현과 추론 [12인기01-05]
· 지식 표현: 사실(fact) + 규칙(IF–THEN)
· 추론: 규칙 + 사실 → 새 사실 (전건 긍정). 사슬로 이어지는 전향 추론
· 전문가 시스템(규칙 기반): 설명 가능성 높음, 규칙 다 적기 어려움(지식 획득 병목)
· 규칙 기반(사람이 적음) vs 학습 기반(데이터가 가르침) — AI의 두 기둥

🏆

단원평가

10문항 · 모두 풀고 [채점하기]를 누르세요. 해설과 함께 결과가 나와요!

🏆

1단원 종합 평가

객관식 8 + OX 2 · 일괄 채점

1튜링 테스트가 인공지능을 판정하는 기준은?

2현재 존재하는 모든 인공지능이 속하는 유형은?

3문제 해결을 위해 '상태·행동·목표'로 문제를 표현한 것을 무엇이라 할까?

4가중치가 모두 같은 미로에서 '최단 경로'를 항상 보장하는 맹목적 탐색은?

5맹목적 탐색과 정보 이용 탐색을 가르는 핵심 차이는?

6A* 알고리즘의 f = g + h에서 h가 의미하는 것은?

7탐욕적 탐색(h만 사용)과 비교한 A*의 핵심 장점은?

8다음 중 지식 표현에서 '규칙'에 해당하는 것은?

9[OX] 깊이 우선 탐색(DFS)은 언제나 최단 경로를 찾아낸다.

10[OX] 규칙 기반 인공지능은 '왜 그런 결론을 내렸는지'를 규칙으로 설명하기 쉽다.

0 / 10

✍️

서·논술형 자기 점검

먼저 스스로 써 본 뒤 예시 답안과 비교해 보세요.

1. 맹목적 탐색과 정보 이용 탐색의 차이를 '휴리스틱'을 중심으로 설명하고, 각각의 장점과 단점을 한 가지씩 제시하시오. 12인기01-03

📖 예시 답안 맹목적 탐색은 목표의 위치에 대한 힌트 없이 정해진 순서로 상태를 살펴보는 방법(BFS·DFS)이고, 정보 이용 탐색은 목표까지 남은 거리의 어림짐작인 휴리스틱을 이용해 목표에 가까워 보이는 상태를 먼저 살펴보는 방법이다. 맹목적 탐색(BFS)은 최단 경로를 보장하는 장점이 있으나 둘러보는 칸이 많아 느린 단점이 있고, 정보 이용 탐색은 대체로 적은 칸만 둘러봐 빠른 장점이 있으나 (탐욕적인 경우) 최단 경로를 보장하지 못하는 단점이 있다. — 휴리스틱의 정의, 두 방식의 차이, 장단점이 모두 들어가면 만점 답안!

2. 우리 생활 속 문제 하나를 골라 A*로 풀 수 있도록 ① 상태 ② 행동 ③ 목표 ④ 비용(g) ⑤ 휴리스틱(h)으로 표현하시오. 12인기01-02 12인기01-04

📖 예시 답안 (학교 안 길찾기) 문제: 우리 교실에서 급식실까지 가장 빠른 경로 찾기. ① 상태: 내가 서 있는 위치(복도·계단의 한 지점). ② 행동: 인접한 다음 지점으로 이동(앞·뒤·계단 오르내리기). ③ 목표: 급식실 입구에 도착한 상태. ④ 비용(g): 시작 교실에서 지금까지 이동한 거리(또는 걸린 시간; 계단은 비용을 크게). ⑤ 휴리스틱(h): 현재 위치에서 급식실까지의 직선거리(실제 길이보다 부풀지 않으므로 안전한 휴리스틱). — 다섯 요소가 문제와 구체적으로 연결되고, 휴리스틱이 '남은 거리 추정'이면 성취기준 완성!

🪞

성취기준 자가평가

스스로 솔직하게 점검해 보세요. 선택은 자동 저장됩니다.

12인기01-01 지능적 판단을 이해하고, 인공지능 활용 사례를 비교·분석할 수 있다.

12인기01-02 탐색의 중요성을 이해하고 문제 해결을 위한 탐색 과정을 설계할 수 있다.

12인기01-03 맹목적 탐색과 정보 이용 탐색의 차이를 설명할 수 있다.

12인기01-04 정보 이용 탐색 알고리즘(A*)을 문제에 적용할 수 있다.

12인기01-05 규칙과 사실로 지식을 표현하고, 추론으로 새 지식을 생성할 수 있다.

💡 다시 보면 좋은 곳

탐색이 헷갈리면 미로 탐색 시뮬레이터에서 BFS·DFS·휴리스틱을 다시 돌려 보고, A*가 어렵다면 A* 시뮬레이터로 g·h·f 숫자를 직접 보세요. 추론이 헷갈리면 추론 엔진에서 규칙이 연쇄 발동하는 과정을 관찰하면 특효약 — 만져 본 만큼 남습니다!

🧭

진로 연계 — 이 단원이 통하는 직업들

🤖

인공지능 연구원

탐색·추론·학습의 원리를 발전시켜 새로운 AI 기술을 만들어요.

🎮

게임 AI 개발자

A* 경로 탐색과 행동 규칙으로 똑똑한 게임 캐릭터를 설계해요.

🚗

자율주행·로봇 엔지니어

실시간 경로 탐색과 판단으로 차·로봇을 스스로 움직이게 해요.

🗺️

지도·내비게이션 개발자

거대한 도로망에서 최적 경로를 찾는 탐색 알고리즘을 만들어요.

📚

지식 엔지니어

전문가의 지식을 규칙·지식 그래프로 정리해 AI가 추론하게 해요.

👀 다음 단원 예고 — 2단원 「인공지능과 학습」

이 단원의 인공지능은 사람이 규칙을 적어 줘야 똑똑해졌어요. 하지만 고양이 사진을 알아보는 규칙을 사람이 다 적을 수 있을까요? 다음 단원에서는 AI의 또 다른 기둥, '데이터로 스스로 배우는' 기계학습과 딥러닝의 세계로 들어갑니다. 데이터를 모으고, 다듬고, 모델을 학습시켜 성능을 평가하는 — 인공지능을 직접 길러 내는 여정이 기다립니다!