아이들을 위한 AI 리터러시: 탄 것을 이해하게 하기, 타게 하지 말기

대부분의 아이들이 AI를 만나는 방식은 자판기를 만나는 방식과 같다: 질문을 넣고, 답변을 받고, 나아간다. 이런 습관은 일찍부터 깨뜨릴 가치가 있다. 도구의 결과물을 수동으로 받아들이는 대신 조종법을 배운 아이들이 실제로 이 도구들로부터 이득을 볼 수 있기 때문이다. AI를 조종한다는 것은 그것이 할 수 있는 것과 할 수 없는 것을 이해하고, 그 답변에 의문을 제기하며, 그것을 생각의 대체물이 아닌 생각의 도구로 사용하는 것을 의미한다.

수동적 사용이 기본이 되는 이유

챗봇과 이미지 생성기는 노력이 거의 들지 않도록 설계되었다. 프롬프트를 입력하면 수초 안에 완성도 높은 결과가 나온다. 숙제를 하는 아이에게는 그 즉각성이 유혹적이다 — AI가 에세이를 작성하고, 수학 문제를 풀고, 그림을 그리면, 과제가 "끝난다." 하지만 그 과정에서 아무것도 배우지 않았다. 도구가 생각을 했고, 아이는 요청을 전달하는 통로일 뿐이었다.

이것은 아이들이 계산기를 사용하는 방식과 다르다. 계산기의 경우 기본이 되는 수학 실력이 보통 먼저 가르쳐진다. 생성형 AI의 경우, 아이들은 독립적으로 실력을 쌓기 전에 이미 그것에 손을 뻗어 있다. 그것이 어른들이 메워야 할 간격이다.

프롬프팅을 지름길이 아닌 기술로 가르치기

좋은 프롬프트는 구체적이고 범위가 명확한 요청이며, 그것을 쓰는 것은 의도적으로 연습할 가치 있는 실제 기술이다. 아이가 "용에 관한 이야기를 써줘"라고 입력하도록 놔두지 말고, 단계적으로 프롬프트를 구성하게 해라: 용의 성격은 어떤가? 어떤 갈등에 직면해 있는가? 톤은 어떤가 — 재미있게, 무섭게, 슬프게? 추가된 각 세부사항은 AI가 아닌 아이가 내린 결정이다.

구체적인 연습: 같은 기본 프롬프트를 두 아이에게 주고 실행하기 전에 각각 자신이 선택한 제약을 세 개씩 추가하게 하라. 그 후 결과를 비교해보라. 이것은 결과의 얼마나 많은 부분이 인간의 조종에서 나오고 얼마나 많은 부분이 모델이 추측하는 것에서 나오는지 눈에 띄게 한다.

팩트 체크는 선택 사항이 아니다

모델은 환각을 본다 — 완전한 자신감으로 잘못된 정보를 말한다. 아이들은 그것이 말로만 전해 듣는 것이 아니라 직접 일어나는 것을 봐야 한다. 유용한 연습은 AI 도구에게 아이가 이미 잘 알고 있는 것, 예를 들어 그들이 좋아하는 책 시리즈나 취미에 관한 질문을 던지고, 그들이 알고 있는 것을 기준으로 답변을 확인하게 하는 것이다. 모델이 무언가를 잘못 하는 것을 잡을 때, 그것이 교훈이다.

습관으로 만들어라: AI로 생성된 어떤 사실, 답변, 또는 요약 이후에 "이것을 어떻게 확인할 텐가?"라고 물어라. 때로는 빠른 검색이고, 때로는 선생님이나 부모에게 묻는 것이고, 때로는 그 주장이 상식과 맞지 않는다는 것을 알아채는 것이다.

도구가 할 수 없는 것을 보여주기

아이들은 한계를 직접 볼 때 AI의 정확한 정신 모델을 더 빠르게 구축한다. AI 챗봇에게 그것이 알 수 없는 아주 최근의 사건에 관한 질문을 하거나, 신중한 여러 단계가 필요한 수학 문제를 던져 주고 그것이 어려워하는 것을 지켜보라. 이미지 생성기에게 손을 그리거나, 그림 안의 텍스트를 생성하라고 하고, 나오는 것을 봐라. 이것들은 함정이 아니다 — 도구가 진짜 문제점이 있는 패턴 매칭기이지, 마음이 아니라는 것을 솔직히 보여주는 것이다.

AI를 도구로 써서 그들의 작업을 대신하지 말고 검토하게 하기

강력한 패턴 하나: 아이가 먼저 과제를 하고, 그 다음 AI를 검토자로 사용한다. "여기 내 에세이가 있어 — 불명확한 한 가지가 있어?"라든지 "여기 내 코드가 있어 — 이 루프가 실제로 내가 생각하는 것을 하나?"라고 한다. 이것은 관계를 뒤집는다. AI는 저자가 아닌 두 번째 의견이 되고, 아이는 결정을 내리고 최종 결과를 소유한 사람으로 남는다.

아이들이 코딩을 배우는 경우에는 이것이 특히 유용하다. AI에게 도움을 요청하기 전에 먼저 작은 스크립트를 작성하게 해라 — 손상된 것이라도. 그들은 자신의 말로, 각 수정된 줄이 무엇을 하는지 설명할 수 있어야 한다. 할 수 없다면, 최종 코드가 아무리 올바르게 보이든 그들은 아직 실제로 배운 것이 아니다.

훈련 데이터가 어디에서 오는지 말하기

이 대화의 간단한 버전이라도 중요하다: 이 모델들은 실제 사람이 만든 엄청난 양의 텍스트와 이미지를 읽음으로써 배웠다. 그것은 그들이 그 데이터에서 발견된 편견, 실수, 시대 지난 생각들을 반복할 수 있다는 뜻이다. 나이가 더 많은 아이들은 약간 더 깊은 버전을 처리할 수 있다 — 이미지 생성기가 별다른 지시가 없으면 "의사" 또는 "CEO"가 어떻게 생겼는지에 관해 특정한 가정으로 기본값을 정할 수 있는 이유를 물어보고, 그 패턴이 어디서 나왔을 수 있는지를 묻는 것이다.

모든 연령대에 적용되는 간단한 가정 규칙

모든 연령대에 잘 확장되는 규칙 하나: AI 결과물이 집을 떠나기 전에 아이가 그것을 자신의 말로 설명할 수 있어야 한다. 학교 프로젝트, 생일 카드 메시지, 또는 코드 조각이든 상관없다. 그들이 그것을 말할 수 있고 그것을 옹호할 수 있다면, 그들은 도구를 잘 사용한 것이다. 할 수 없다면, 도구가 그들을 사용한 것이다.

AI 도구가 실제로 내부적으로 어떻게 작동하는지, 그리고 그들의 한계가 어디서 나오는지에 관해 더 자세히 알아보려면, Korra Studio의 AI 및 데이터 사이언스 섹션을 확인하라.