- 인공지능의 '지능적 판단'이 무엇을 의미하는지 설명할 수 있다.
- 튜링 테스트의 아이디어와 그 의의·한계를 설명할 수 있다.
- 여러 분야의 인공지능 활용 사례를 일정한 기준으로 비교·분석할 수 있다.
생각 열기 — 한 수학자의 위험한 질문
1950년, 수학자 앨런 튜링은 당시로선 황당한 논문을 발표합니다. 제목은 "계산 기계와 지능". 그는 "기계가 진짜로 생각하는가?"라는 답하기 어려운 철학 질문 대신, 더 영리한 질문으로 바꿨어요 — "기계가 사람처럼 행동해서, 사람과 구별할 수 없게 만들 수 있는가?"
이 질문은 오늘날 챗봇과 대화해 본 우리에게 더 이상 남의 이야기가 아니죠. 화면 너머의 상대가 사람인지 인공지능인지, 여러분은 자신 있게 구별할 수 있나요? 직접 시험해 봅시다.
만약 어떤 프로그램과 한 시간을 대화했는데 끝까지 사람인지 기계인지 몰랐다면, 그 프로그램은 '생각한다'고 말할 수 있을까요? 아니면 '생각하는 척'을 잘하는 것일 뿐일까요?
'지능적 판단'이란 무엇인가
그리고 튜링 테스트라는 영리한 우회로
인공지능에서 지능적 판단이란, 주어진 상황(입력)에서 목표에 가장 알맞은 행동이나 답을 스스로 골라내는 것을 말해요. 길찾기 앱이 수많은 경로 중 가장 빠른 길을 고르고, 번역기가 문맥에 맞는 단어를 선택하고, 추천 시스템이 내가 좋아할 영상을 짚어 내는 것 — 모두 '판단'입니다. 이 판단을 가능하게 하는 방법이 바로 이 단원에서 배울 탐색과 추론, 그리고 다음 단원의 학습이에요.
튜링은 지능을 직접 정의하는 대신 흉내 내기 게임(imitation game)을 제안했어요. 오늘날 튜링 테스트라고 부르는 이 방법은 이렇습니다.
심사자
벽 너머의 둘과 문자로만 대화해요. 한쪽은 사람, 한쪽은 기계입니다.
대화
무엇이든 물어볼 수 있어요. 농담, 계산, 고민 상담까지.
판정
심사자가 누가 기계인지 가려내지 못하면, 그 기계는 테스트를 '통과'한 거예요.
핵심은 '속을 들여다보지 않고 겉으로 드러난 행동만으로' 지능을 판정한다는 점이에요. 이는 인공지능을 바라보는 중요한 관점 하나를 보여 줍니다 — 우리는 기계의 '마음'을 알 수 없으니, 그것이 하는 일(행동)로 똑똑함을 평가한다는 것이죠.
짧은 글 6개가 있습니다. 각각 사람이 쓴 걸까요, 인공지능이 쓴 걸까요? 직접 심사자가 되어 판정해 보세요. (정답률에 너무 자책하지 마세요 — 구별이 어렵다는 게 핵심이에요!)
생각보다 구별이 어렵지 않았나요? 오늘날 생성형 AI는 튜링 테스트를 사실상 통과하는 수준에 이르렀어요. 하지만 "튜링 테스트 통과 = 진짜로 생각함"은 아닙니다. 사람을 잘 흉내 내는 것과 정말로 이해하는 것은 다를 수 있거든요(→ 더 알아보기의 '중국어 방'). 그래서 현대의 인공지능 연구는 '사람 흉내'보다 '문제를 실제로 잘 푸는가'에 더 집중합니다.
지금의 인공지능, 어디까지 왔나
약한 AI와 강한 AI, 그리고 분야별 현장
인공지능은 능력의 범위에 따라 둘로 나눠 생각해요. 약한 AI(좁은 AI)는 바둑, 번역, 얼굴 인식처럼 정해진 한 가지 일을 잘하는 인공지능이에요. 지금 우리가 쓰는 모든 AI가 여기 속하죠. 반면 강한 AI(범용 AI)는 사람처럼 어떤 문제든 스스로 이해하고 해결하는 인공지능으로, 아직 영화 속에만 있습니다.
중요한 건 약한 AI만으로도 세상이 크게 바뀌고 있다는 사실이에요. 분야별로 직접 둘러봅시다.
분야를 눌러, 그곳에서 인공지능이 어떤 문제를 어떻게 푸는지 살펴보세요.
사례를 그냥 "신기하다"로 끝내면 분석이 아니에요. 성취기준이 요구하는 비교·분석은 일정한 기준으로 사례를 나란히 놓고 따져 보는 것입니다. 아래 틀을 써 보세요.
| 분석 기준 | 예: 의료 영상 진단 AI | 예: 번역 AI |
|---|---|---|
| 어떤 문제? | X선·CT에서 병변 찾기(분류) | 한 언어를 다른 언어로 바꾸기 |
| 무슨 데이터로? | 의사가 판독해 둔 영상 수십만 장 | 나란히 짝지어진 두 언어 문장들 |
| 왜 AI가 유리? | 패턴이 있고 데이터가 많으며 규칙으로 적기 어려움 | 문맥에 따라 규칙이 너무 많고 예외도 많음 |
| 사람의 역할은? | 최종 진단·책임, 애매한 사례 판단 | 전문 번역의 감수, 뉘앙스·문화 조정 |
| 주의할 점은? | 학습 데이터 편향, 오진 책임 | 차별·혐오 표현 학습, 오역 |
정보 4단원에서 배운 기준을 기억하나요? 인공지능이 빛나는 문제는 ① 패턴이 존재하고 ② 데이터가 충분하며 ③ 규칙으로 일일이 적기는 어려운 문제예요. 사례를 분석할 때 "이 문제가 왜 AI에게 잘 맞는가?"를 꼭 물어보세요. 거꾸로, 정답이 명확하고 규칙이 단순한 문제(예: 세금 계산)는 일반 프로그램이 더 낫습니다!
'대신'이 아니라 '함께'
인공지능 시대, 사람의 자리
인공지능이 잘하는 일이 늘수록 "그럼 사람은?"이라는 질문이 따라옵니다. 답의 실마리는 AI의 한계에 있어요. 약한 AI는 정해진 목표 안에서만 똑똑할 뿐, 무엇을 목표로 삼을지, 그 결과가 옳은지는 판단하지 못해요. 진단 AI는 "이 영상은 위험"이라고 짚어 줄 수 있어도, 환자에게 어떻게 알릴지, 무엇이 최선의 치료인지를 결정하고 책임지는 것은 사람의 몫입니다.
AI가 잘하는 일
방대한 데이터에서 패턴 찾기, 빠르고 지치지 않는 반복, 수많은 경우의 수 탐색.
사람이 해야 하는 일
문제와 목표 정하기, 가치·윤리 판단, 결과에 대한 책임, 공감과 창의적 도약.
가장 강한 조합
AI의 속도·규모 + 사람의 판단·책임 = 어느 한쪽보다 나은 결과(인간-AI 협업).
확인 문제
바로바로 채점!
1차시 확인 문제
4문항 · 즉시 채점
1튜링 테스트에 대한 설명으로 가장 적절한 것은?
2현재 우리가 사용하는 인공지능(번역기, 바둑 AI, 얼굴 인식 등)은 어디에 해당할까?
3[OX] 튜링 테스트를 통과한 인공지능은 사람처럼 진짜로 생각하고 이해한다고 확신할 수 있다.
4다음 중 인공지능(기계학습)보다 일반 프로그램으로 푸는 것이 더 적절한 문제는?
더 알아보기
교과서 너머의 이야기 — 클릭해서 펼쳐 보세요
인물암호를 깨고 컴퓨터를 상상한 사람 — 앨런 튜링
앨런 튜링은 인공지능만의 인물이 아니에요. 그는 제2차 세계대전 때 독일군의 암호 기계 에니그마를 해독하는 기계를 설계해 전쟁을 몇 년 앞당겼다고 평가받습니다(영화 「이미테이션 게임」의 그 이야기예요). 또 1936년에는 '튜링 기계'라는 상상의 장치로 "계산이란 무엇인가"를 수학적으로 정의했는데, 이것이 바로 오늘날 모든 컴퓨터의 이론적 뿌리예요. 안타깝게도 그는 당시 영국 사회의 편견 속에서 부당한 박해를 받고 1954년 세상을 떠났고, 2013년에야 영국 정부의 공식 사면을 받았습니다. 컴퓨터 과학의 노벨상이라 불리는 '튜링상'은 그의 이름을 딴 것이랍니다.
철학중국어 방 — '흉내'와 '이해'는 같을까
철학자 존 설은 튜링 테스트에 이런 반론을 던졌어요. '중국어 방' 사고 실험입니다. 중국어를 전혀 모르는 사람이 방 안에 갇혀 있어요. 방에는 "이런 기호가 들어오면 저런 기호를 내보내라"는 두꺼운 규칙책이 있습니다. 밖에서 중국어 질문을 종이로 넣으면, 그는 뜻은 몰라도 규칙책대로 완벽한 중국어 답을 만들어 내보내요. 밖에서 보면 '중국어를 이해하는 사람'처럼 보이지만, 정작 본인은 한 글자도 이해하지 못합니다. 설은 "컴퓨터도 이와 같아서, 기호를 규칙대로 처리할 뿐 진짜로 이해하는 건 아니다"라고 주장했어요. 이 논쟁은 지금도 끝나지 않았습니다 — 여러분의 생각은 어떤가요? 규칙을 완벽하게 따르는 것과 이해하는 것은 정말 다른 걸까요?
최신글 쓰고 그림 그리는 AI — 생성형 인공지능
최근의 생성형 AI(ChatGPT, 이미지 생성 AI 등)는 질문에 답하고, 글·그림·코드·음악을 '새로' 만들어 내요. 이전의 AI가 주로 '분류·판단'(이 사진은 고양이다)을 했다면, 생성형 AI는 '창작'(고양이 그림을 그려 줘)까지 합니다. 비결은 인터넷의 방대한 텍스트·이미지로 학습한 거대 언어 모델(LLM)이에요 (2단원 딥러닝에서 자세히!). 다만 그럴듯하게 틀린 답을 자신 있게 지어내는 '환각(hallucination)'이 큰 약점이에요. 그래서 생성형 AI의 답은 늘 사람이 사실 확인을 해야 합니다 — 게임에서 봤듯 매끄럽다고 옳은 건 아니니까요!
생각'그건 AI가 아니야' — 사라지는 마법, AI 효과
재미있는 현상이 있어요. 어떤 기술이 처음 나오면 "와, 인공지능이다!"라며 놀라지만, 익숙해지면 "이건 그냥 계산이지, 진짜 AI는 아니야"라고 깎아내리는 경향입니다. 이것을 'AI 효과(AI effect)'라고 해요. 체스 AI, 길찾기, 스팸 필터, 음성 인식 — 한때 모두 인공지능의 최첨단이었지만, 지금은 너무 당연해서 AI라고 잘 부르지도 않죠. 한 연구자는 농담처럼 말했어요. "AI는 아직 해내지 못한 일을 가리키는 말"이라고요. 이 효과는 우리에게 알려 줘요 — 인공지능은 먼 미래의 로봇이 아니라, 이미 우리 일상에 스며들어 '평범한 도구'가 된 기술이라는 것을요(단원 열기의 등굣길 게임을 떠올려 보세요!).