단원 마무리 — 4단원 인공지능

🧠

핵심 정리 — 개념 지도

가지를 클릭하면 핵심 요약이 나타나요!

🧭 단원의 큰 그림 — 3단원까지는 사람이 규칙을 적었다(전통적 프로그래밍). 이 단원에서 패러다임이 뒤집혔다: 데이터를 주고 스스로 배우게 한다(기계학습). 배우고 추론하는 시스템(지능 에이전트)을 이해하고, 직접 학습시켜 보고, 사회문제에 적용하는 눈까지 — 이제 AI 뉴스가 다르게 들릴 것이다!

🤖 지능 에이전트 [12정04-01]
· 에이전트 = 환경을 인식하고 행동하는 시스템 (1단원 센서·액추에이터의 후예!)
· 지능 에이전트 = 인식 + 학습 + 추론 + 행동 — 청소 로봇 대결에서 본 그 차이
· 발전: 규칙·탐색(딥블루) → 데이터 학습(알파고) → 생성형 AI
· 인간과 AI: 패턴·속도는 AI, 목표·맥락·윤리적 책임은 인간 — 대체가 아닌 협업

📚 기계학습 [12정04-02]
· 기계학습 = 데이터에서 규칙(모델)을 스스로 찾기 — 입출력의 역전!
· 지도학습: 정답(레이블) 있는 데이터로 예측 — 분류(범주) · 회귀(수치)
· 비지도학습: 정답 없이 구조 발견 — 군집화(k-평균: 배정↔이동 반복)
· 구분 기준은 "정답표가 있는가?" / 모델의 품질 = 데이터의 품질(편향 주의!)

🌍 기계학습의 적용 [12정04-03]
· 잘 푸는 문제: 패턴 있음 + 데이터 충분 + 규칙으로 적기 어려움
· 규칙이 명확하면 일반 프로그래밍(3단원), 가치 판단·책임은 사람
· 유형 선택: 숫자면 회귀, 범주면 분류, 정답 없이 묶으면 군집
· 사회문제 적용(산불·진단·수어·전력) + 윤리 점검 3종: 편향 · 개인정보 · 오판 대비

🏆

단원평가

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

🏆

4단원 종합 평가

객관식 9 + OX 1 · 일괄 채점

1지능 에이전트의 4요소 중 "기억하고 배운 것을 바탕으로 최선의 행동을 판단하는 것"은?

2단순 반사 에이전트와 지능 에이전트의 결정적 차이는?

3인간과 인공지능의 관계 분석으로 가장 적절한 것은?

4기계학습이 데이터에서 찾아낸 '규칙의 덩어리'를 무엇이라고 하는가?

5지도학습과 비지도학습을 나누는 기준은?

6"정답표 없이, 시청 기록이 비슷한 사용자끼리 자동으로 묶기"는 어떤 학습인가?

7기계학습에서 데이터 편향이 위험한 이유는?

8"과거 날씨 데이터로 내일 최고 기온(숫자)을 예측"하는 기계학습 유형은?

9감시 영상으로 산불 연기를 조기 감지하는 AI를 만들 때, 함께 점검할 사항으로 적절하지 않은 것은?

10[OX] 시험 점수의 평균을 구하는 문제도 기계학습으로 해결하는 것이 가장 적합하다.

0 / 10

✍️

서·논술형 자기 점검

먼저 스스로 써 본 뒤 예시 답안과 비교해 보세요.

1. 지도학습과 비지도학습의 차이를 '학습 데이터'의 관점에서 설명하고, 각각이 어울리는 사례를 한 가지씩 제시하시오. 12정04-02

📖 예시 답안 지도학습은 입력마다 정답(레이블)이 붙은 데이터로 학습하여 새 데이터의 답을 예측한다 — 예: '스팸/정상'이 표시된 메일 수만 통으로 스팸 필터(분류) 만들기. 비지도학습은 정답 없는 데이터에서 숨은 구조를 스스로 발견한다 — 예: 구매 기록만으로 고객을 비슷한 유형끼리 묶기(군집). — 핵심 기준 '정답표의 유무'를 명시하고, 분류·군집 같은 유형 용어까지 쓰면 만점 답안!

2. 우리 지역의 사회문제 하나를 골라 기계학습 적용 방안을 설계하시오. (① 문제와 그것이 기계학습에 적합한 이유 ② 필요한 데이터 ③ 기계학습 유형과 근거 ④ 윤리적으로 점검할 점) 12정04-02 12정04-03

📖 예시 답안 (한 가지 예) ① 문제: 등하굣길 어린이 교통사고 — 사고 위험 순간의 패턴(속도, 시간대, 무단횡단)이 데이터에 존재하고, 규칙으로 일일이 적기 어려워 기계학습에 적합하다. ② 데이터: 통학로 CCTV 영상과 과거 사고·아차사고 기록(정답표), 시간대·날씨 정보. ③ 유형: 분류 — 각 장면을 '위험/안전' 범주로 판별하여 위험 시 보행 신호를 연장하거나 경고음을 울린다. ④ 윤리: 행인 얼굴은 비식별화(2단원)하고, 특정 시간대·지역 데이터에 치우치지 않았는지 편향을 점검하며, 오판에 대비해 경고는 사람(교통지도)의 판단을 보조하는 수준으로 설계한다. — 적합성 근거(패턴·데이터·규칙 곤란)와 윤리 3종 점검이 모두 들어가면 성취기준 완성!

🪞

성취기준 자가평가

스스로 솔직하게 점검해 보세요. 선택은 자동 저장됩니다.

12정04-01 지능 에이전트의 개념과 특성을 이해하고, 인간과 인공지능의 관계를 분석할 수 있다.

12정04-02 기계학습의 개념을 이해하고, 지도학습과 비지도학습의 차이를 비교·분석할 수 있다.

12정04-03 기계학습으로 풀 수 있는 문제를 구분하고, 사회문제 해결에 적용할 수 있다.

💡 다시 보면 좋은 곳

에이전트가 헷갈리면 청소 로봇 대결을 다시 돌려 보고, 지도/비지도가 헷갈리면 분류기 실험실과 매점 군집을 직접 다시 학습시켜 보세요. 유형 선택이 어렵다면 회귀선 맞추기와 문제 선별 게임이 특효약 — 만져 본 만큼 남습니다!

🧭

진로 연계 — 이 단원이 통하는 직업들

🤖

기계학습(머신러닝) 엔지니어

데이터로 모델을 만들고 서비스에 탑재해요.

📊

데이터 사이언티스트

데이터에서 문제 해결의 통찰을 캐내요. (진로 과목 「데이터 과학」 직결!)

🏷️

데이터 라벨러·품질 관리자

AI의 교과서(학습 데이터)를 만들고 검수해요.

⚖️

AI 윤리·정책 전문가

편향·책임·규제 — 기술과 사회 사이에 다리를 놓아요.

🩺

도메인 × AI 전문가

의료·농업·금융 지식에 AI를 더해 현장의 문제를 풀어요.

👀 다음 단원 예고 — 5단원 「디지털 문화」 (정보 과목의 피날레!)

네트워크, 데이터, 프로그래밍, 인공지능 — 강력한 기술을 손에 넣은 여러분에게 마지막 질문이 남았습니다. "이 기술과 함께 어떻게 살아갈 것인가?" 디지털 기술이 바꾸는 직업과 나의 진로, 지켜야 할 정보와 나눠야 할 정보, 그리고 해킹으로부터 나를 지키는 보안까지 — 디지털 세상의 민주시민으로 서는 마지막 단원이 기다립니다.