2012년, 캐나다 토론토대학 교수인 제프리 힌턴(Geoffrey Hinton)의 연구팀이 개발한 심층 신경망 모델은 기존의 기술을 뛰어넘는 정확도를 보여 주었고, 이는 딥러닝의 가능성을 전 세계에 알리는 계기가 되었다. 이 모델은 합성곱 신경망(CNN, Convolutional Neural Network)을 사용해 이미지 데이터를 효과적으로 처리했으며, 이후 컴퓨터비전 분야에서 표준 기술로 자리 잡았다. 합성곱 신경망은 이미지 데이터를 학습하고 인식하는 데에 특화된 알고리즘이다.
-01_“인공지능 교육의 역사와 발전” 중에서
실습과 프로젝트 기반 학습 도구로는 캐글 경진 대회(Kaggle Competitions)와 깃허브(GitHub)를 들 수 있다. 캐글 커뮤니티는 경진 대회뿐만 아니라 활발한 지식 공유와 협업이 가능해 학생들이 다른 사람들과 협력하며 문제를 해결하는 능력을 키워 준다. 이로써 학생들은 실질적 데이터 분석과 모델 개발 능력을 길러 준다. 깃허브는 코드 공유와 협업을 위한 플랫폼으로, 오픈소스 프로젝트에 기여하거나 다른 개발자의 코드를 학습할 수 있다. 학생들이 실제 개발 환경을 경험하고, 협업 능력을 키우는 데 유용하다.
-04_“인공지능 교육의 자료와 도구” 중에서
칸아카데미(Khan Academy)는 세계에서 가장 인기 있고 영향력 있는 온라인 플랫폼 중 하나다. 여기서는 파이선 프로그래밍과 데이터과학을 포함한 다양한 스템(STEM) 과목의 교육 자료를 제공한다. 스템은 과학, 기술, 공학 및 수학(science, technology, engineering, and math)의 약어다. 학생들은 단계별로 학습하며, AI의 기본 개념을 이해한다.
-06_“인공지능과 초중등 교육” 중에서
AI 교육의 접근성과 공정성을 높이기 위해서는 정부 및 국제기구의 지원을 받아 교육 인프라를 확충하고, 저비용이나 무료 온라인 교육 자원을 제공하는 것이 중요하다. 특히 저소득층과 개벌도상국의 학생들이 AI 교육에 접근하기 쉽게 하는 것이 필요하다. 또한 다양성과 포용성을 증진하기 위해 교육 콘텐츠와 교육 환경을 다양한 문화적, 경제적 배경을 고려해 설계하고 제공해야 한다.
-09_“인공지능 교육의 도전과 과제” 중에서