재➊ 듈형 교 모 육 SW교 능 인공지 software 의 능 지 공 인! 전 도 한 무 software education module 반복하면서 배우는 딥러닝 몬테카를로 트리 탐색 인공지능 세상에 살다 01 education module
컴퓨팅사고력맵 1. 반복하면서배우는딥러닝 2. 몬테카를로트리탐색 활동 1 활동 2 문제분해하기개와고양이이미지를작은부분으로잘라섞은뒤비슷한부분 ( 눈, 귀, 코, 입 ) 골라내기 문제분해하기 삼목게임의초기상태와목표상태알아보기 패턴인식하기 개와고양이의특징을찾고, 개를나타내는공통점을찾아보기 패턴인식하기 삼목게임결과에영향을주는첫수의위치알아보기 추상화하기 각부분의특징을삼각형, 동그라미등으로기술하기 3. 인공지능세상에살다 추상화하기 두는순서와위치에따른게임결과분석해보기 활동 3 활동 4 문제분해하기 패턴인식하기 패턴인식하기 문제분해하기 로봇청소기를구성하고있는요소와센서를이용해동작하는원리에대해알아보기 로봇청소기가장애물을피하는일정한방법생각해보기 반복되는핵심단어나문장의어미를결합해문장작성해보기 다양한야구기사를찾아읽어보고, 기사에서반복되는단어나문장찾아보기 알고리즘만들기 추상화하기 추상화하기 알고리즘만들기 로봇청소기가장애물을피하고청소할수있도록알고리즘작성하기 로봇청소기가청소를하기위해어떤방법을사용할지표현하기 야구기사에서작성할핵심단어를변수로정하기 순서에따라핵심단어를입력하면, 어미를맞춰문장을만들고출력하는순서작성하기 자동화하기 자동화하기 로봇청소기프로그램만들기 엔트리를이용해자동으로기사쓰는프로그램만들기
인공지능의 무한도전! 프로바둑 기사를 꺾고, 영화 시나리오를 쓰고, 음악 연주를 하고! 요즘 인공지능이 하는 일들입니다. 이렇게 고도의 사고력과 창의력을 필요로 하는 분야까지 진출한 인공지능은 지금도 그 능력을 더 키우기 위해 무한도전 중에 있답니다. 인공지능이란 무엇일까요? 그리고 지적 능력이 있는 우리 인간만이 할 수 있다는 일들을 어떻게 척척 해낼까요? 지금부터 그 원리를 알아봅니다. 2 3
지금은 인공지능 시대~! 2016년 봄, 우리나라의 이세돌 9단과 구글의 인공 구현하는 기술입니다. 스스로 생각하는 컴퓨터, 사 하는 동안, 채팅 상대가 사람인지 컴퓨터인지 알아 2년 후에는 수학을 토대로 인공지능의 기본 컴퓨 지능 바둑프로그램 알파고 의 역사적인 대국이 있 람보다 똑똑하다는 이미지가 워낙 강하다 보니, 인 맞혀 보는 것입니다. 만약 채팅하는 사람이 상대가 터 언어인 리스프 를 개발했어요. 리스프는 인공지 었습니다. 1승 4패로 이세돌 9단이 알파고에 지면 공지능이 사람을 공격하지는 않을까 걱정하는 사람 컴퓨터인지 사람인지를 능뿐만 아니라 정보 검색, 게임 등 컴퓨터에 관련된 서, 인공지능이 전 세계의 주목을 받았지요. 인공 도 많습니다. 실제로 인공지능을 제멋대로 판단하 구분하기 힘들다고 한 여러 분야에 영향을 끼쳤지요. 지능의 활약은 사실 어제오늘의 일이 아닙니다. 고 세상을 파괴하려는 악당 같은 존재로 그린 영화 다면, 그 컴퓨터 프로그 매카시는 1970년대가 되면 체스 경기에서 컴퓨터 들도 여럿 있으니까요. 램은 튜링 테스트를 통 가 사람을 이길 것으로 예측했는데, 그의 예상과 애플이 개발한 시리 는 주인과 대화를 하며, 전화 도 걸고 인터넷 검색까지 해 줍니다. 인공지능이 탑 하지만 지금까지 개발된 모든 인공지능은 사람처 과해서 진정한 인공지능 달리 체스에서 컴퓨터가 사람을 이긴 것은 1997년 재된 구글의 무인자동차는 사람 대신 운전을 합니 럼 스스로 생각하고 판단하지는 못하니, 아직은 그 으로 인정을 받는 것이 의 일이었습니다. IBM의 슈퍼컴퓨터 딥블루가 세 다. 또 IBM의 왓슨 은 방대한 환자 데이터를 분석 런 걱정을 할 필요가 없다고 전문가들은 말합니다. 지요. 안타깝게도 아직 계 체스 챔피언인 게리 카스파로프를 상대로 승리 해서 의사에게 도움이 될 만한 자료를 찾아주며, 다만 기술이 인류에 해를 끼치는 방향으로 개발, 까지 튜링 테스트를 통 했거든요. 앞으로는 병의 진단도 할 예정이라고 해요. 왓슨은 적용되지 않도록 경계를 해야겠지요. 이미 2011년 미국의 퀴즈쇼에서 퀴즈 챔피언을 가 볍게 이기면서 사람들을 놀라게 한 바 있지요. 인공지능의 아버지라 불리는 영국의 수학자 앨런 튜링은 컴퓨터가 사람과 같이 생각할 수 있는지를 판단하는 튜링 테스트를 제안했다. 위키피디아 인공지능의 아버지는 수학자? 과한 컴퓨터는 없다고 1950년대 컴퓨터 과학자들은 매카시처럼 인공지 합니다. 2014년 유진 구 능이 매우 빠르게 발전할 것이라고 했지만, 예상만 스트만 이라는 컴퓨터가 큼 성과가 나지 않았습니다. 그래서 1970년대에는 한편, 인공지능은 예술가의 영역도 넘보고 있어 인공지능 연구는 1950년대부터 활발하게 진행됐어 심사위원 33%를 속이는 데 성공했지만, 이는 튜링 연구에 관한 지원이 뚝 끊겼으나 1980년대부터 연 요. 작곡을 하고, 그림을 그리며, 영화 시나리오 작 요. 그전에도 인공지능에 관한 아이디어가 있었지 테스트의 허점을 찾았을 뿐, 큰 의미는 없었습니다. 구가 다시 활발해지면서 오늘날의 인공지능시대를 가로도 데뷔했거든요. 2016년 6월에 인터넷에 공개 만 학문으로서 연구가 시작된 것은 이때부터라고 튜링 테스트는 인공지능 개념에 대한 최초의 연구 맞이하게 됐어요. 된 단편 영화, 태양샘 의 시나리오 작가가 바로 인 할 수 있습니다. 라고도 할 수 있습니다. 튜링을 인공지능 공지능 벤자민 이랍니다. 이쯤 되면 21세기는 인공 지능의 시대라고 할 만하죠? 인공지능은 인간의 지적 능력을 컴퓨터를 통해 영국의 천재 수학자 앨런 튜링은 1950년에 컴퓨 터가 사람처럼 생각할 수 있는지 판단할 수 있는 튜링 테스트 를 제안했어요. 사람이 컴퓨터로 채팅 의 아버지라고 부르는 이유도 바로 이 때 문이고요. 한편, 인공지능의 아버지라 불리는 또 다른 사람이 있어요. 미국의 컴퓨터 과학 영화감독 오스카 샤프와 인공지능 연구자 로스 굿윈은 시나리오를 쓰는 인공지능 벤자민 을 개발했다. 스마트폰으로 QR 코드를 읽으면 태양샘 을 감상할 수 있다. 구글에서 개발 중인 무인자동차, 구글카는 각종 카메라와 센서로 운전하는 사람 없이도 자이자 수학자인 존 매카시입니다. 그는 혼자서 도로 위를 달린다. 구글 1956년 미국 다트머스에서 열린 학회에서 인공지능 이라는 용어를 처음 사용했고, 게리 카스파로프는 1985년부터 2000년까지 15년간 세계 체스 챔피언 자리를 지킨 역사상 가장 뛰어난 체스 선수이지만, 1997년, IBM의 체스 프로그램, 딥블루에게 지고 말았다. 4 5
인공지능의 끝없는 도전~! 이용해 0.3초 만에 기사를 작성합니다. 이미 짜놓 알파고가 이세돌 9단을 꺾을 수 있었던 것은 스 바둑은 모두 361개의 교차점으로 이루어진 격 스로 공부하는 딥러닝 덕분입니다. 딥러닝은 실패 자 모양 판에서 흑과 백, 단 두 가지 돌이 자신의 집 와 성공을 반복하면서 스스로 무언가를 터득하는 을 넓혀가면서 대결하는 경기입니다. 이때 빈 바둑 해외에서는 증권가 소식 말고도 스포츠 경기, 날 기계학습 방법인데, 컴퓨터에게 데이터를 많이 주 판에 흑이 첫 번째로 놓일 수 있는 자리는 361가지, 씨, 재난재해 등 데이터를 토대로 쓰는 기사를 로 고, 데이터 사이의 일반적인 규칙을 찾아내 새로운 다음 차례인 백의 경우는 흑이 놓인 자리를 뺀 360 봇 기자가 도맡아 하고 있어요. 아직 깊이 있는 분 것을 알게 하는 것이지요. 가지가 되겠지요. 따라서 흑과 백이 각각 첫 번째로 석 기사까지는 쓰지 못하지만, 딥러닝 기술을 토대 놓이는 조합의 수는 361 360=12만 9,960개가 됩 로 기존 기사에 나온 어휘를 학습하면, 로봇 기자 니다. 여기에 두 번째 흑이 놓이는 경우까지 따지면 도 감성이 담긴 스토리텔링 기사까지 쓰게 될 것입 바둑돌 3개가 바둑판에 놓이는 경우의 수는 무려 니다. 스스로 공부하는 딥러닝 2012년 구글은 딥러닝 방식을 적용해 인공지능에 게 고양이를 구분할 수 있도록 가르쳤어요. 어떻게 이세돌 9단과 대국에 나선 구글의 인공지능 알파고는 실패와 성공을 반 복하면서 스스로 학습하는 딥러닝 방식으로 바둑 실력을 쌓았다. 4,600만 가지가 넘습니다. 이렇게 바둑에서는 대국이 끝날 때까지 했을까요? 연구팀은 인공지능에게 1,000만 개의 유튜브 영상을 보여 주었습니다. 그러자 인공지능 개에 이르는 착점을 학습시켜, 아마 3단 정도의 바 만들어질 수 있는 경우의 수가 상상을 초월 은 영상과 함께 영상 제목, 그 아래 달린 태그를 보 둑 실력이 되도록 학습시킵니다. 여기서 기보란 바 할 정도로 많습니다. 그래서 컴퓨터가 아무 고 규칙을 찾기 시작했어요. 그 결과 고양이는 몸이 둑 한 판을 둔 내용을 기록한 것으로, 한 수 한 수 리 계산을 빨리한다고 해도 모든 경우를 따 털로 덮여 있고, 귀가 뾰족하며 입 옆에 수염이 있 가 순서대로 표시되어 있으므로, 기보를 보면 바둑 져본 뒤 유리한 곳을 골라 바둑돌을 둘 수 는 동물이라는 기준을 세우게 되었지요. 그리고 이 의 기술을 배울 수 있지요. 또 착점은 바둑돌을 놓 가 없어요. 따라서 컴퓨터는 어느 자리에 바 기준을 활용해 수많은 동물 사진 중에서 고양이를 는 위치를 말해요. 어느 정도 바둑을 둘 줄 알게 된 둑돌을 뒀을 때 이길 확률이 높은지를 계산 구분해내는 정확도는 무려 75%나 됐답니다. 알파고는 엄청난 양의 바둑 데이터를 바탕으로 자 해서 다음 수를 결정하는 것이 최선입니다. 구글은 매년 인공지능 이미지 분석 대회를 열고 기 스스로 대국 연습을 합니다. 처음 실력이야 보잘 이것이 바로 몬테카를로 트리 탐색의 핵심 있어요. 이 대회는 인공지능 컴퓨터가 사진 100만 것 없을지 몰라도 경기가 100번, 200번 반복되면서 개념입니다. 개를 카테고리 1,000개로 얼마나 빨리 분류하는지 바둑 실력이 무서운 속도로 쌓였지요. 그리고 어느 겨루는 것으로, 사람은 약 95% 정확도로 사진을 순간에 이르러, 알파고는 전력을 스스로 터득해 아 로봇 기자를 아시나요? 마추어로서는 최고 수준에 도달하게 됐습니다. 인공지능의 도전은 여기서 끝이 아니에요. 로봇 ❶ 분류해냅니다. 그런데 2016년 우승팀의 정확도가 97%나 된다고 하니, 오늘날 인공지능의 수준이❷어 여기에 몬테카를로 트리 탐색 이라는 비장의 무기 기자라고 들어봤나요? 경제 전문 신문인 파이낸 를 도입하면 프로 기사도 꺾을 수 있는 실력을 갖출 셜뉴스는 2016년 1월부터 인공지능 로봇이 작성 그러면 알파고는 어떤 방식으로 바둑을 배웠을 수 있지요. 몬테카를로 트리 탐색은 어디에 바둑돌 한, 증권가 소식 기사를 보도하고 있어요. 주식시 까요? 우선 알파고에게 16만 개의 기보와 3,000만 을 둬야 이길 확률이 높은지 계산하는 기술이에요. 장이 마감되면 로봇 기자가 증시와 관련된 자료를 디까지 올라와 있는지 짐작할 수 있습니다. 6 은 기본 문장을 이용해서 쓰는 것이지만요. 7
part 1 추천대상초등창의적체험활동관련교과초등학교실과 반복하면서배우는딥러닝 그런데이번엔사과를설명할상대방이컴퓨터라면어떻게해야할 까요? 그러려면먼저컴퓨터처럼생각해야, 즉컴퓨터가어떻게데이터를처리해서저장하는지이해해야합니다. 인공지능의핵심기술중하나는 딥러닝 입니다. 딥러닝은사람이보고듣고체험하면서새로운것을배우는것처럼, 컴퓨터가수많은데이터를바탕으로실패와성공을반복하면서배우는학습방법이지요. 딥러닝이가장많이쓰이는분야는이미지분석입니다. 이미지분석은사진을보고사물을구별하는것인데, 딥러닝을통한이미지분석은사진속여러물체중에서사람의얼굴을구분해낼뿐만아니라, 누구인지도알아내는수준에와있습니다. 똑똑한컴퓨터를만들려면, 먼저컴퓨터를이해하라포털사이트에 사과 라고검색해서사진을찾아봅시다. 어떤사과는빨갛고, 어떤사과는푸르며, 꼭지에잎사귀가달려있기도하는등모습이조금씩다릅니다. 그런데도우리는그사진을보고한눈에 사과 라는것을압니다. 사과의모양이나색깔등여러가지특징이종합적으로머릿속에기억되어있기때문이지요. 그런데만약사과를한번도본적이없는사람에게사과의모습을설명하려면어떻게해야할까요? 상대방이오직글씨만읽을수있다고가정하고, 아래빈칸에그림없이오직글로만표현해보세요. 이때맛이나향은설명하지말고, 사과의모습만자세하게설명해보세요. 데이터사이의관계를캐내는데이터마이닝데이터로부터컴퓨터가스스로학습하는것을 기계학습 (machine learning, 머신러닝 ) 이라고합니다. 컴퓨터는데이터를많이가지고있을수록판단을정확하고빨리할수있습니다. 이때데이터를그저모아두기만하는것이아니라, 각데이터에 성공 또는 실패 같은꼬리표를달아놓으면앞으로컴퓨터가어떤판단을하는데중요한역할을하게되지요. 예를들어, 수많은사진중에 사과 를가려내는일을할때 이사진은사과인가? 라는질문에 예 라고답해 성공 이라는꼬리표를단데이터가많다면, 컴퓨터는쉽게사과를가려낼수있을거예요. 또데이터사이에서 사과- 빨간색, 사과- 둥글다 처럼깊은관련이있는내용도찾아놓으면, 이역시사과를가려낼때도움이됩니다. 이렇게데이터속에서성공이나실패같은의미를찾고, 데이터사이의관계를찾아내는것을 데이터마이닝 (data mining) 이라고부릅니다. 마이닝 (mining) 이란영어로 캐내다 라는뜻입니다. 사람은장소와시간, 환경에따라, 다양한주제를여러가지방식으로학습할수있습니다. 하지만컴퓨터는사람이애초에설계한프로그램대로만학습할수밖에없어요. 그래도컴퓨터는밤낮쉬지않고초고속으로학습할수있어서, 학습한분야에서는사람을뛰어넘는결과를낼수있습니다. 이세돌 9단을이긴알파고처럼말입니다. 컴퓨터는스스로판단하는능력이없으므로학습분야와방법이제한되어있지만, 학습속도가사람과는비교할수없이빠르다는큰장점이있다. 8 9
사람들이 알파고의 경기 결과를 보고 놀란 이유는 바둑이 다른 게 첫 번째 사진은 불가사리, 두 번째는 야구공, 세 번째는 기타의 줄 어떤 이미지를 작게 자른 임과는 달리 매우 통합적인 학습을 필요로 하기 때문입니다. 인공지 입니다. 이처럼 물체의 특징적인 부분을 뽑아 단순하게 만드는 것을 다음, 불필요한 부분은 없애고 능이 지금까지 알려진 제한된 분야에만 쓰이는 것이 아니라, 종합적 이미지 추상화 라고 부릅니다. 컴퓨터는 이미지 추상화 과정을 거쳐 인 사고를 필요로 하는 곳에서도 제대로 작동한다는 것을 증명해 보 서 이미지를 구분할 수 있습니다. + 이미지 추상화란 뭘까요? 특징적인 패턴만 남겨서, 문제를 단순하게 만드는 것을 말합니다. 문제가 단순해지면, 해결하기도 였으니, 모두 놀랄 수밖에요. 쉬워집니다. 이미지 구분 전략 3단계 추상화의 예 딥러닝과 이미지 추상화 그렇다면 컴퓨터가 이미지를 구분하는 과정을 고양이 사진을 예로 들 ① 자전거 작동원리를 핸들, 페달, 알파고에는 다양한 인공지능 기법이 동시에 사용되었는데, 그 중 딥 어 조금 자세히 살펴봅시다. 브레이크만으로 설명한다. ② 공통적인 특성을 갖는 요리를 러닝 이라는 방법도 사용되었습니다. 딥러닝의 개념은 사실 조금 복잡 컴퓨터는 먼저 1단계, 이미지를 잘게 자릅니다. 이때 이미지를 작게 통틀어 비빔밥, 불고기, 김치 한데, 여기에서는 컴퓨터가 이미지를 구분하는 방법을 살펴보면서 딥 자를수록, 표본이 되는 이미지의 수가 많을수록 이미지를 더 정확하 러닝의 개념을 이해해 봅시다. 게 구분할 수 있습니다. 때에 따라 적게는 2단계, 많게는 수십, 수백 등으로 명명한다. 다음 이미지는 어떤 사물을 찍은 사진을 변형해서 만든 것입니다. 단계까지 쪼개기도 하지요. 2단계는 작게 자른 이미지 데이터에서 특 원래 사진이 뭐였을지 추측해 봅시다. 아랫줄에서 원래 사진이라고 징과 규칙을 찾아내서 고양이가 맞다, 아니다 등 데이터에 앞에서 말 생각하는 것을 골라 선으로 이어보세요. 한 꼬리표 를 다는 것이죠. 그리고 3단계는 이미지들을 다시 합쳐서 우리가 원하는 정답을 찾았는지 확인하는 과정입니다. 고양이의 눈, 코, 입, 귀 데이터를 합쳤을 때 고양이입니까? 라는 질문에 예 라고 답할 수 있는지를 점수로 나타내는 것이지요. 점수가 높으면 컴퓨터 는 그 조합을 고양이로 인식하고, 점수가 낮으면 고양이가 아니라고 판단합니다. 이렇게 컴퓨터는 이미지를 작게 나누고, 각각의 특징과 규칙을 찾 은 다음, 이미지를 다시 합쳐서, 본래 이미지에 근접한 이미지인지 아 닌지를 판단하는 딥러닝 과정을 통해 이미지를 구분합니다. + 딥러닝 자세히 보기 위 QR코드를 통해 들어가면 컴퓨터가 딥러닝을 통해 어떻게 고양이 이미지를 구분하는지 볼 수 있습니다. 10 11
활동 ❶ 컴퓨터가 개와 고양이를 구분하려면? 딥러닝을 이용해서 이미지를 구분하려면, 먼저 주어진 여러 이미지에서 규칙을 찾아내야 합니다. 그러기 위해서는 이미지를 매우 작게 쪼갠 뒤, 각각의 특징을 뽑아 단순화합니다. 이것을 이미지 추상화 라고 하는데, 이 단계가 많을수록 이미지를 구분하는 정확도가 높아집니다. 여기 고양이와 개 사진이 있어요. 3등분으로 쪼갠 다음, 각 조각의 공통점과 차이점을 비교해 보세요. 사진의 수가 늘어날수록, 이미지를 더 작게 쪼갤수록 정확도는 높아집니다. 활동자료 1-① 점선에 따라 이미지를 자른 다음 섞으세요. 이미지를 3등분 했을 때 고양이와 개의 특징을 구별할 수 있을까요? 준비물 활동자료 1-①, 칼 또는 가위 활동하기 1 [활동자료 1-①]을 뜯어낸 다음 점선에 따라 자릅니다. 2 잘라 놓은 사진들을 섞어 놓습니다. 12 13
3 모양이 비슷한 부분(귀, 눈, 코/입)끼리 모아봅니다. 4 잘라진 조각에서 고양이와 개의 특징을 정리하고 비교합니다. 구분 특징 고양이 개 귀 눈 코/입 14 5 귀, 눈, 코/입 조각들을 순서대로 맞춰 동물 얼굴을 만들어 봅니다. 가능한 다양한 사진을 만든 다음 고양이입니까? 라는 질문에 1~10점까지 점수를 매겨보세요. 6 8점 이상 높은 점수를 받은 동물 얼굴만 모아보세요. 딥러닝은 높은 점수를 받은 조합만 고양이라고 기억하고, 이를 수없이 반복해 정확도를 높이는 방법입니다. 15
part 2 추천 대상 초중등 교과과정 관련 교과 초등학교 6학년 수학(경우의 수와 확률), 중학교 2학년 수학(확률) 몬테카를로 트리 탐색 1997년 IBM의 체스 프로그램인 딥블루 가 세계 체스 챔피언인 게리 카스파로프를 물리치고, 챔피언 자리에 올랐습니다. 2011년에는 퀴 즈쇼에 출연한 왓슨 이 다른 두 명의 출연자를 여유 있게 앞서며 우승 을 거뒀고요. 이렇게 체스처럼 규칙이 있는 보드게임이나 방대한 지 식을 필요로 하는 퀴즈쇼에서 컴퓨터는 이미 인간을 앞질렀습니다. 바둑을 둘 때 일어나는 경우의 수를 나타낸 개념도. 바둑 의 경우, 바둑돌을 놓는 경우의 수가 많이 나와 컴퓨터가 계산해서 처리하는 것이 불가능하다. 구글 보드게임의 경우의 수 사람과 컴퓨터가 체스를 둘 때, 사람이 먼저 한 수를 두면, 컴퓨터는 그 수부터 게임이 끝날 때까지 이어질 모든 수를 따져본 다음, 이길 수 있는 곳에 체스 말을 옮깁니다. 경우의 수가 많지만 슈퍼컴퓨터가 계산할 수 없는 정도는 아닙니다. 실제로 딥블루는 매초 2억 개가 넘 IBM의 인공지능 왓슨 은 사람이 사용하는 비유적인 표현까지 정확히 이해하는 슈퍼컴퓨터이다. 2011년에는 퀴즈쇼에서 다른 참가자를 여유있게 따돌리고 우승했다. IBM 는 말의 이동을 계산할 수 있었습니다. 인간이 도저히 따라갈 수 없는 수준이 하지만 바둑은 오랫동안 컴퓨터가 감히 넘볼 수 없는 복잡한 세상 16 지요. 이었습니다. 바둑에서 컴퓨터가 인간을 이기려면 딥블루처럼 계산을 그러나 바둑은 컴퓨터조차 계산할 수 빨리하고, 왓슨처럼 많이 아는 것과는 다른 전략이 필요했습니다. 그 없을 정도로 경우의 수가 많습니다. 상 것은 바로 영리하게 빨리 계산 하는 것이었죠. 대방과 첫수를 주고받는 경우만 무려 마침내 구글의 알파고가 몬테카를로 트리 탐색 이라는 핵심 전략을 12만 9960가지나 되니까요. 게다가 한 가지고 바둑계에 도전장을 내밀었습니다. 도전 결과는 알파고의 승! 참 전에 뒀던 수가 나중에 영향을 미치 알파고의 전략은 통했고, 알파고는 최고의 바둑기사 자리에 올랐습 기도 하고, 죽은 돌을 들어낸 자리에 다 니다. 알파고가 가진 비장의 무기, 몬테카를로 트리 탐색이란 무엇일 시 둘 수도 있어 따져야 할 것이 너무나 까요? 많지요. 바둑은 모두 361개의 교차점으로 이루어진 네모난 판에서 흑과 백이 각각 집을 만들어, 집을 많이 만든 쪽이 이기는 경기이다. 이때 집은 같은 색깔의 바둑돌로 둘러싸인 곳을 말한다. 17
어떤계산에따르면바둑의경우의수는우주에있는원자만큼이나많다고합니다. 이러니컴퓨터가아무리빨라도대국이끝날때까지매수가어떻게이어질지경기전체를계산하는것은거의불가능하지요. 그래서모든경우의수를따져계산하는체스프로그램의전통적인전략으로는이길수가없는것입니다. 아니, 그런전략을쓸수가없는것이지요. 그래서컴퓨터과학자들은새로운전략으로알고리즘을짰습니다. 여기서알고리즘은문제를해결하기위한순서나방법을말하는데, 주로컴퓨터가어떤일을수행하기위해거치는각단계를순서대로늘어놓은것으로생각하면됩니다. 알파고의전략, 몬테카를로트리탐색그새로운전략의핵심이바로 몬테카를로트리탐색 이라는것입니다. 몬테카를로트리탐색은간단히말해 경우의수 를줄이는전략입니다. 즉, 모든경우의수를따져볼수없으니, 상대방이바둑돌을놓흑돌을오른쪽그림과같은위치에두었을때백돌을두는위치에따라이기는경우의수가몇번나오는지세어본다고하자. 모든데이터를다따져본것이나일부데이터 ( 표본 ) 를뽑아그안에서따져본것이나이기는경우의수가가장많은백돌의위치는같다. 결국무작위로표본을뽑으면결과는거의같으면서도경우의수는줄어든다. 으면내가놓을수있는무수한경우의수중에서아무렇게나표본을뽑아경기를치러봅니다. 그리고가지고있는수많은대국데이터를바탕으로, 어디에돌을놓으면승리할확률이높은지를계산합니다. 이런식으로매번자기차례가되면어떤수가최선인지를알아보는것이지요. 확실하게이기는수를알아내는것이아니라, 이길확률이높은수를골라낸다고생각하면됩니다. 삼목게임으로알아보는몬테카를로트리탐색몬테카를로트리탐색의예를삼목게임을통해살펴봅시다. 삼목게임은 틱택토 (tic-tac-toe) 게임 으로도널리알려진게임입니다. 두사람이가로와세로가각각 3칸으로이루어진판에 O와 X를번갈아놓는게임이지요. 가로나세로, 대각선으로같은모양이 3개연결되어한줄이만들어지면이깁니다. 예를들어, X를놓는사람부터게임을시작해봅시다. 9칸중아무데나놓아도되지만, 먼저 ❶의위치에놓았다고해요. 그다음에상대방은 O를 2의위치에놓습니다. 이렇게두사람이순서대로 ❸에서 ❾까지놓으면, X가가로로한줄이만들어지면서 X를놓은사람이이깁니다. 그렇다면첫번째수를어디에두면, 이길확률이높을까요? 정중앙 (1), 귀퉁이 (2), 사각형의변 (3) 위치에두었을때로나눠봅시다. 확률을따져보려면게임데이터가많이필요합니다. 바둑으로치면기보에해당하는것이죠. 만약 1번에첫수를두고삼목게임을 100번했을때 50번을이겼다면승률은 50/100=50% 가됩니다. 2번에첫수를둔삼목게임을 100 번해서 30번을이겼다면승률은 30/100=30%, 3번에첫수를둔 2 4 ❺ O O X 2 3 2 백돌의위치에따라이기는경우의수 모든데이터계산하기 표본을뽑아계산하기 승리 9 번 13,242 번 298,313 번 12 번 승리 0 번 12 번 703 번 1 번 ❾ ❶ ❼ 6 ❸ 8 X X X O X O 3 1 3 2 3 2 18 19
삼목게임 100 번중 20번을이겼다면승률은 20/100=20% 가됩니다. 만약게임을 100 번이아니라수천, 수만번한다면그만큼승률의정확도가높아집니다. 그리고이승률을미리알고있다면, 당연히승률이가장높은곳에첫수를놓고게임을시작하면되겠지요. 주사위에서 1 이나올확률 삼목게임에서중앙에첫수를둘때이길확률 바둑에서어떤수를둘때이길확률 1/6 50%? 직관적으로확률을알수있다. 실제로많은게임을해보고이를통해확률을구한다. 경우의수가너무많아서확률을구하기어렵다. 몬테카를로트리탐색의활용몬테카를로트리탐색은바둑처럼경우의수가너무많아모든수를계산할수없을때매우요긴하게쓰입니다. 실제로요즘사용되는바둑프로그램의대부분이몬테카를로트리탐색을사용하고있지요. 또시시각각분석해야할데이터가방대한주식시장에서언제주식을사고팔지를결정할때나, 변수가많은기후변화를예측하는데에도활용되고있습니다. 모든경우의수를계산하는것이아니라비록무작위로선택해최선책을찾아내는것이지만, 데이터가충분히쌓인뒤, 즉학습이충분히이뤄진뒤에는승률도, 정확도도높아집니다. 주식시장에서투자시점을판단할때처럼분석해야할데이터가방대할때, 경우의수를줄여서확률을계산하는몬테카를로트리탐색이활용된다. 사람 vs. 인공지능이세돌 9단이알파고에게졌다고해서실망할필요는없습니다. 알파고가이긴것은어디까지나사람이둔무수히많은바둑기보를보고학습한결과이니까요. 수많은사람의머릿속에서나온최선의전략들을알파고가보고흉내냈다고해도과언이아니지요. 다만학습한양이사람은도저히할수없는어마어마하게많은양이기에, 우리는더많이학습한컴퓨터의승리를인정할수밖에없습니다. 인공지능은데이터를바탕으로판단을내리기때문에, 어떤데이터로학습하느냐에따라결과가확연하게달라집니다. 사람의성격과사고방식이그사람이자라는환경에큰영향을받는것과마찬가지입니다. 마이크로소프트에서개발한 테이 (Tay) 는사람과대화를나누는챗봇입니다. 그런데서비스를시작한지 16시간만에운영을중단할수밖에없었어요. 수많은사람과대화를하면서, 사람들이하는말을 그대로 학습한것이문제였습니다. 욕설이나인종차별적인말까지배워, 똑같이사용했거든요. 이런일이벌어진것은테이가학습하는능력은있었지만, 무엇이옳고그른지판단하는능력은없었기때문이었지요. 테이 는인공지능이만능이아니며, 흉내낸다는것을깨닫게해주는좋은예입니다. 우리는인공지능의뛰어난능력을보고놀라지만, 사실그능력은이미우리가오래전부터갖고있던것이랍니다. 다만인공지능은그능력들을종합하고, 빠르게처리할수있을뿐이랍니다. 챗봇, 테이는인공지능이어떤학습을하느냐가얼마나중요한지알려준다. C 마이크로소프트 20 21
활동 ➋ 삼목게임으로배우는몬테카를로트리탐색 이세돌 9 단과겨룬알파고가전략적으로선택한방법인몬테카를로트리탐색은구체적으로어떤방법일까요? 간단히말하면수많은데이터중에서무작위로표본을골라내, 그안에서이길확률을계산하는방법입니다. 친구와짝을지어삼목게임을여러차례하면서, 컴퓨터가게임에서이기기위해어떤전략을펼치는지체험해봅시다. 활동자료 2-1 짝과함께시작순서를정하고게임을시작합니다. 먼저시작하는사람은표시된 O 로시작하고, 다음사람이원하는칸에 X 를표시합니다. 준비물활동자료 2-1, 필기도구 활동하기 1 2 교재에있는 [ 활동자료 2-1] 과필기도구를준비합니다. 둘씩짝을지어서삼목게임을합니다. O 가먼저두고, X 가나중에둡니다. O 의첫번째위치는활동자료에표시돼있습니다. 총 30 회를실시합니다. 3 O 의첫번째위치가 1, 2, 3 번일때, O 의결과 ( 승리, 패배, 무승부 ) 를기록합니다. 2 3 2 3 1 3 2 3 2 위치 승리 패배 무승부 1번 2번 3번 4 반전체의게임결과를모은다음, 승률을계산합니다. 첫수를어느위치에놓는것이게임에유리한가요? 이때승률은 ( 이긴횟수 게임총횟수 ) 100 으로계산합니다. 2 3 2 3 1 3 2 3 2 위치 승리 패배 무승부 승률 1번 2번 3번 컴퓨터가이런식으로어떤위치에첫수를둬야승률이높은지알면, 이제부터는첫수를승률이높은곳에둔기보만골라학습합니다. 22 23
part 3 추천대상초등창의적체험활동관련교과초등학교실과 인공지능세상에살다 인공지능 (Artificial Intelligence) 은단어뜻그대로 인공적으로만든지능 이라는뜻입니다. 1956 년, 인공지능의아버지라불리는미국의컴퓨터과학자, 존매카시가처음으로사용했다고알려졌지요. 초기인공지능은게임과함께발전했습니다. 체스같은보드게임에서사람이없는데도마치사람과대결하는것처럼느끼게하는컴퓨터프로그램을만들면서시작되었거든요. 지금생각하면 그게무슨인공지능이냐, 그냥게임이지 라고말하겠지만, 당시에는그정도로도충분히놀라운인공지능이었습니다. 인공지능의아버지라고불리는존매카시. 인공지능이라는단어를처음사용하기시작했고, 인공지능에대한연구로 1971 년컴퓨터계의노벨상이라불리는튜링상을수상했다. C 위키피디아 다양하게해석되는인공지능무엇이든처음에는대단하다고느꼈던것도시간이익숙해지면, 당연하게느껴지게마련입니다. 인공지능도마찬가지여서, 요즘인공지능이라고하면, 사람처럼체스를두던컴퓨터보다더높은수준을말합니다. 어떤컴퓨터과학자는인공지능을어떻게정의하느냐에따라연구목적과방향이완전히달라진다고말합니다. 인간처럼느끼고반응하는면에집중할지, 인간처럼추리하고판단하는면에집중할지에따라인공지능의성격이완전히달라진다는것이지요. 양한인공지능분야에활용될밑거름입니다. 바둑에서나중에집을차지하는데유리하도록초반에돌을배치하는 포석 과같은것이지요. 특히많은양의데이터를다루는검색엔진을비롯해금융이나광고분야에있어서인공지능은꽤쓸모있는도구입니다. 의료분야에인공지능을활용하면, 수많은의료정보를바탕으로현재증상에가장알맞은약품과치료법을제안받을수도있습니다. A B C D E F 독일튀빙겐대연구팀은딥러닝알고리즘을이용한인공지능으로, 튀빙겐의풍경사진 (A) 을터너 (B), 고흐 (C), 뭉크 (D), 피카소 (E), 칸딘스키 (F) 의화풍에따라그리도록했다. 그결과왼쪽그림처럼화가의화풍을실제로잘표현했다는평가를받았다. c University of Tubingen 추리하고판단하는인공지능바둑을두는알파고, 퀴즈를푸는왓슨은게임에서이기는법을더빠르고정확하게찾아냅니다. 이과정에서축적된기술은앞으로다 24 25
로봇청소기는센서를통해주변상황을파악한다. 그리고방의구조를학습한뒤에는구동속도가빨라진다. 질문 의사는자신의지식과경험안에서최선이라고생각하는선택을하지만, 수십만건의임상의료데이터를순식간에검색해증상을판단하고처방하는인공지능은인간의사의한계를뛰어넘을수있을테니까요. 인공지능이아직의사의역할을완전히대신할수는없지만, 의사의부담을줄이고더정확한진단을하도록도울수는있습니다. 어떤인공지능은인간의창작활동을흉내냅니다. 화가의화풍을흉내내어그림을비슷하게그리거나, 기자처럼기사를작성하기도하거든요. 초기에인공지능이쓴기사는부자연스러운표현이많아서기계가썼다는것을금방알아챘지만, 요즘은사람이직접작성한기사인지, 인공지능이썼는지구분하기어려울정도로발전했습니다. 느끼고반응하는인공지능느끼고반응하는면에집중하는인공지능은가전제품에서잘드러납니다. 시키지않아도알아서청소해주는로봇청소기가대표적인예입니다. 로봇청소기에는다양한종류의센서가달려있어서, 주변의상황을재빨리판단할수있습니다. 그덕분에사람처럼장애물을만나면피하고, 낭떠러지를만나면멈춥니다. 또배터리전력이부족하면스스로전원장치를찾아충전합니다. 이제, 인공지능기능이달린로봇청소기를직접만든다고상상해보세요. 어떤인공지능이있으면청소를잘할수있을지생각해봅시다. 생각을기록해보세요 로봇청소기가처음작동하기시작하면방을한바퀴돌면서방의넓이와모양을파악해서메모리에저장합니다. 방안의가구배치도기억해두지요. 그래서로봇청소기를처음작동시켰을때는청소시간이많이걸리지만, 일단학습이끝난뒤에는학습내용을다기억하고있으므로청소시간이줄어듭니다. 어떤로봇청소기는천장을촬영하는카메라로자신의위치를파악하기도합니다. 끝없이학습하며능력자가된다인공지능의가장큰장점은학습을반복하며더욱뛰어난능력을갖게된다는것입니다. 알파고가유럽바둑챔피언인판후이 2단과겨뤄 5:0 승리를거뒀을때만해도, 이것은충분히놀랄만한사건이었습니다. 하지만다들최정상급바둑기사를이기는것은아직무리라고생각했지요. 그러나그이후알파고는이세돌 9단과겨룰때까지매일 3만판을두면서학습했습니다. 하루에 3만판이라니요. 체력과집중력에한계가있는인간에게는불가능한일입니다. 인공지능은그동안이기지못했던바둑에서승리를거둠으로써그한계를이겨냈습니다. 이제는미리짜둔프로그램에따라명령을단순히빨리수행하는것이아니라, 데이터를쌓으며인공지능의능력은더발전할것입니다. 인공지능은앞으로또어떤분야에서우리를깜짝놀라게할까요? 미래에어떤인공지능이등장할지상상해서적어봅시다. 인공지능이활약할분야어떤일이일어날지적어보세요 어떤센서를쓸까요? 센서를어디에붙일까요? 센서로입력받은정보로무엇을판단할까요? 26 27
활동 ➌ 로봇청소기프로그래밍 2 로봇청소기가움직이며 TV 와같은장애물을피하면서청소할수있게알고리즘을자유롭게작성해보세요. 로봇청소기는단순히바닥을돌아다니며청소만하는것이아니라, 여러가지센서를이용하여방의구조, 크기, 가구배치등을파악하고저장하여다음에청소할때활용한답니다. 여기에바로인공지능이사용되는것이고요. 엔트리를활용해, 장애물을피하며작동하는로봇청소기를프로그래밍해봅시다. 준비물엔트리가설치된컴퓨터 활동하기 1 활동미션 다음조건을충족시키는프로젝트만들기 오브젝트 로봇청소기 휴지 조건 움직이면서장애물을만나면피하고, 바닥에놓인휴지청소하기 휴지가임의의장소에무작위로나타나기 3 로봇청소기센서와사람의감각기관비교하기 센서종류사람의감각기관작동원리차이점 장애물 1 개이상의장애물 초음파 시각 2 프로젝트구상하기 1 로봇청소기의움직임패턴디자인하기 28 29
3 프로그래밍하기 1 엔트리프로그램을실행합니다. 엔트리로봇을삭제하고배경화면을마룻바닥으로변경합니다. 2 로봇청소기, 쓰레기, TV 오브젝트를메인화면에적절히배치합니다. 3 로봇청소기가벽과 TV에닿았을때회전방향을바꾸도록조건블록을사용합니다. 7 프로그램실행화면 4 프로젝트가실행될때마다휴지오브젝트가다른위치에나타나도록난수블록을사용합니다. 그리고청소기에닿으면화면에서사라지도록합니다. 4 5 다음중하나를골라프로그램을바꾸어보기 1 초시계기능을추가하여로봇청소기가청소하는시간을측정해보세요. 2 새로운장애물을추가해보세요. 활동정리하기이번활동을통해느낀점을간단히적어보세요. 5 휴지오브젝트를선택하고오른쪽마우스를이용하여복제추가합니다. 6 프로그램을실행하여청소기가장애물을피해움직이며, 휴지와닿았을때휴지가없어지는지확인합니다. 오류가발생하면수정합니다. 30 31
활동 ➍ 로봇에게기사작성시키기 (5 월 21 일 ) 삼성 6:1 두산 두산은 21 일열린 2015 프로야구삼성과의홈경기에서 1:6 점으로크게패하며홈팬들을실망시켰다. 두산은니퍼트를선발로등판시켰고삼성은장원삼이나섰다. 삼성은이흥련이맹활약을펼쳤다. 이흥련은 2 회초 2 아웃에맞이한타석에서 2 점을뽑아내며삼성의 5 점차승리를이끈일등공신이됐다. 두산은심창민을끝까지공략하지못하며안방에서삼성에 5 점차승리를내주었다. 위기사는기자가아닌서울대언론정보학과이준환교수팀이개발한 프로야구뉴스로봇 이쓴기사입니다. 로봇이작성한기사와사람이쓴기사를구분할수있을까요? 단순정보를전달하는기사는대다수의사람들이구분하지못한다고합니다. 엔트리를활용해자동으로기사를작성하는프로그램을만들어봅시다. 여기서만드는프로그램은입력값을받아출력하는단순한형태이지만, 데이터가훨씬많아지면실제기자가쓴것같은자연스러운글을작성할수있게됩니다. 준비물엔트리가설치된컴퓨터 2 프로젝트구상하기 1 야구기사분석하기 다음기사내용중가장핵심이되는정보에밑줄을쳐보세요. 예 ) 날짜, 장소, 승리팀, 패배팀, 점수, 우수선수, 선발투수등 (5 월 6 일 ) 삼성 5:3 넥센 피어밴드가선발로등판한넥센은클로이드가나선삼성에게 3:5 로패하며안방에서승리를내주었다. 경기의승패에결정적인영향을미친키플레이어는최형우였다. 최형우는 1 회초넥센피어밴드를상대로 2 점을뽑아내어팀의승리에결정적으로기여했다. 넥센은임창용을끝까지공략하지못하며안방에서삼성에 2 점차승리를내주었다. (5 월 6 일 ) SK 5:3 롯데 린드블럼이선발로등판한롯데는박종훈이나선 SK 에게 3:5 로패하며안방에서승리를내주었다. 경기의승패에결정적인영향을미친키플레이어는브라운이었다. 브라운은 5 회초롯데린드블럼을상대로 3 점을뽑아내어팀의승리에결정적으로기여했다. 롯데는윤길현을끝까지공략하지못하며안방에서 SK 에 2 점차승리를내주었다. 활동하기 1 활동미션다음조건을충족시키는프로젝트만들기 조건 2 알고리즘구상하기 기사내용에서공통으로들어가는핵심단어들을적어보고, 이핵심단어와연결되는조사와어미를적어보세요. 예 ) ~ 에서, ~ 로, ~ 와, ~ 가등 핵심정보 어미또는조사 1 4 개이상의핵심단어를변수로사용하기 2 배경을야구장으로하기 + 3 사람오브젝트를사용하기 32 33
3 프로그래밍하기 1 엔트리를실행합니다. 배경화면으로야구장을선택하여적용합니다. 2 제목과기사를입력하기위해메뉴를이용합니다. 7 질문하기와기사입력완성블록 3 질문을하는사람오브젝트를선택하여적절한위치에배치합니다. 4 기사에공통으로들어가는단어를변수로추가합니다. 변수에맞는적절한질문을만들고대답을변수에저장합니다. 8 프로그램을실행하여오류가없는지확인하고, 만약오류가생기면수정합니다. 5 질문이끝나고신호를받으면, 핵심정보에해당하는변수값과어미를연결하여자연스러운문장을작성합니다. 6 에서블록을가져온다음, 항목부분에에서을 선택해넣습니다. 그리고 이어쓰기 블록을조립하여연결할문장을만듭니다. 4 다음중하나를골라프로그램을바꾸어보기 프로그램실행화면 1 일기를작성해주는프로그램 2 학급뉴스를작성해주는프로그램 3 시를작성해주는프로그램 34 35
진로탐색 인공지능전문가 기계공학과재료공학과전기공학과전자공학과컴퓨터공학과 인공지능은인간의다양한사고능력을컴퓨터프로그램으로실현하는기술입니다. 앞으로컴퓨터공학과정보기술이더발달하면학습능력과추론능력, 지각능력, 자연언어에대한이해능력등을두루갖춘컴퓨터가등장할것입니다. 인공지능전문가는컴퓨터나로봇이인간처럼생각하고의사결정을내릴수있도록알고리즘이나프로그램을연구 개발하는사람입니다. 인공지능기술은앞으로로봇, 영상및음성인식, 검색엔진, 빅데이터, 게임등폭넓은영역에적용될것입니다. 따라서인공지능전문가도그만큼많이필요할것입니다. 경망 이라는이론을바탕으로개발하는데, 생물의신경망에서착안한겁니다. 생물학자나뇌과학자가인공지능연구에참여하는이유죠. 한편, 인공지능을설치할기기와반도체도중요합니다. 따라서기계공학과, 재료공학과, 로봇공학과등도인공지능연구와관련이있지요. 미래사회에서는인공지능이쓰이지않는분야를찾기가어려울지도모릅니다. 어떤적성이필요할까요? 어떤일을할까요? 인공신경망및전자공학등에대한지식과흥미를가지고있어야합니다. 수학, 물 영상이나음성을인식하고, 로봇을제어하며, 통신에사용하는인공지능형반도체를만들거나, 응용기술을연구 개발하는일을합니다. 인간의뇌에대한지식을바탕으로, 컴퓨터나로봇등이인간처럼사고하고학습할수있게하는프로그램을개발 연구합니다. 인공지능관련직업 리학, 화학등기초과학분야에대한지식도있어야합니다. 각종컴퓨터응용프로그램을능숙하게활용할수있는능력이요구됩니다. 이분야는발전속도가빠르므로새로운기술을습득하려는노력과자기계발자세가필요합니다. 새로운것에대한탐구정신과호기심뿐만아니라, 창의성과문제해결을위한논리적사고, 분석력이필요합니다. 소프트웨어 지능형로봇 클라우드시스템개발자, 임베디드시스템개발자, 데이터베이스개발자, 정보시스템운영자, 정보통신컨설턴트, 모바일콘텐츠개발자, 웹엔지니어, 게임프로그래머 음성인식기술개발자, 동작인식기술개발자, 의료및군사로봇개발자, 인간형로봇개발자 전문가인터뷰 인공지능관련직업은점점더늘어날가능성이많아요. 지금은없는완전히새로운직업이생길수도있고요. 그렇기때문에유연한사고방식을갖고자신이잘할수있고, 관심이가는분야에대한경험을쌓는것이중요합니다. 관련학과는? 예전에는컴퓨터공학이나전자공학에서인공지능연구를전담했지만, 기술의한계에부딪히면서다양한학문의도움을받고있습니다. 최근에는인공지능을 인공신 사람과일반적인의사소통을넘어전문지식까지나눌수있는인공지능인 엑소브레인 을개발하고있습니다. 현재웹검색에서는키워드를입력하면, 결과가나와도페이지를넘기며내가원하는답을찾아야합니다. 그러나엑소브레인은문장을통째로분석해서질문에꼭맞는답을찾아줍니다. 이미한국어위키백과 7배분량의지식을구축해서계속해서확장중이며, 복합적인질의응답기술도검증을마쳤습니다. 엑소브레인이완성되면, 전문가수준의지식서비스를통해다양한신산업이만들어질것으로보입니다. 2020년을전후로분명큰시장이열릴거예요. 그때까지국내최고를넘어세계어디에내놔도부끄럽지않은인공지능을개발할것입니다. 김현기 / 한국전자통신연구원 (ETRI) 지식마이닝연구실장 36 37
메이커활동 나의식물지킴이화분만들기 제작개요 제작시간 : 약 10시간필요한재료와도구 제품개요 글 / 사진설희준 ( 서강고등학교교사 ) 제품기능 평상시습도센서를통해화분의습도를측정하여휴대전화로전송하고, 음성인식을통해서습도가떨어지면물이자동으로공급되는화분 아두이노우노 블루투스센서 조도센서 앱인벤터 ( 프로그램 ) 작동원리습도센서를통해지속적으로측정한값을휴대전화로전송하며, 음성인식센서를활용하여햇빛의양이나물의양을조절할수있는시스템 펌프 습도센서 우드락 칼 제품사진 습도센서부착모습 핵심제작원리습도센서를통해화분의습도를측정하고, 음성기능을활용하여인공지능을구현하기인공지능의원리를응용하여, 센서를통해받은정보를바탕으로, 식물이자랄수있도록적절한습도를유지함. 사람의명령을인식하고그명령에따라다양한일을수행할수있도록앱인벤터프로그램으로구현함. 제품구조 블루투스센서부착모습 완성모습 제작주의사항 ➊ 습도센서의위치를적절하게조절하여사용해야함. ➋ 모터의전원이부족할경우외부전원을사용해야함. ➌ 스케치프로그램을사용하므로, 프로그램의기본문법구조에대한학습이필요함. ➍ 음성인식을위해휴대전화와블루투스로연결되어야함. 필요한지식과기능 ➊ 스케치를이용하여프로그래밍하는방법 습도센서로화분습도측정 관련정보를아두이노로전송 필요시음성명령으로작동 물이펌프에서공급됨. ➋ 아두이노우노및브레드보드의이해 ➌ 센서, 모터를브레드보드및아두이노우노와케이블로연결하여작동시키는방법 ➍ 각종센서기능에대한이해 38 39