한 줄 요약
AI는 데이터를 먹고 배워요. 데이터가 넉넉하고, 골고루 있고, 정확해야 AI가 잘 배울 수 있어요.
학습 목표
- 데이터의 4가지 모습(글, 사진, 소리, 숫자)을 말할 수 있어요.
- 좋은 데이터의 조건(넉넉하게, 골고루, 정확하게)을 설명할 수 있어요.
- 치우친 데이터로 배우면 AI가 실수하기 쉬운 까닭을 알 수 있어요.
생활 속 비유: 골고루 먹는 급식
급식에서 좋아하는 반찬만 먹으면 몸에 필요한 영양소가 모자라요. AI도 비슷해요. AI가 공부할 때 쓰는 자료를 ‘데이터’라고 하는데, 한쪽으로 치우친 데이터만 먹으면 AI도 한쪽만 아는 편식쟁이가 돼요. 예를 들어 하얀 강아지 사진으로만 배운 AI는 까만 강아지를 보고 헷갈릴 수 있어요. 또 상한 음식을 먹으면 배탈이 나듯이, 틀린 데이터로 배우면 AI도 틀린 답을 내놓아요.
인포그래픽
그림 내용 글로 보기
초급 04
데이터는 AI의 밥이다
AI는 데이터를 먹고 배워요.넉넉하고 골고루, 정확한 데이터가 좋아요.
“좋아하는 반찬만먹으면 안 돼!”
AI도 데이터를 골고루 먹어야 잘 배워요.
- 데이터의 4가지 모습
- 1. 글 책·메시지
- 2. 사진 그림·영상
- 3. 소리 말·음악
- 4. 숫자 점수·기온
- 학습 데이터 AI가 공부할 때 보는 예시 자료
- 편향 한쪽으로 치우쳐 있는 것
Q. 데이터는 많기만 하면 틀린 내용이 섞여도 괜찮다?
정답: X
생활 속 예시: 데이터의 4가지 모습
- 글
책, 뉴스 기사, 메시지 같은 글자 자료
- 사진
그림, 사진, 영상 같은 눈으로 보는 자료
- 소리
말소리, 음악 같은 귀로 듣는 자료
- 숫자
시험 점수, 기온, 걸음 수 같은 숫자 자료
꼭 알아야 할 단어
직접 해보기: 우리 반 인기 급식 메뉴 조사하기
‘우리 반 인기 급식 메뉴’를 두 가지 방법으로 조사해 보세요.1. 내 옆자리 친구 3명에게만 물어보기2. 반 친구 모두에게 손을 들어 답하게 하기두 결과가 같나요, 다른가요? 적은 사람에게만 물으면 결과가 한쪽으로 치우칠 수 있다는 걸 느껴 보세요. 이름은 적지 말고 메뉴와 숫자만 기록해요.
- 내 옆자리 친구 3명에게만 물어보기
- 반 친구 모두에게 손을 들어 답하게 하기
- 두 결과를 아래 표에 적고 비교해요.
이름은 적지 말고 메뉴와 숫자만 기록해요.
데이터가 적거나 한쪽으로 치우치면, 그 데이터로 배운 AI도 한쪽으로 치우쳐요.
확인 퀴즈
정답과 점수는 저장하지 않습니다.
-
데이터는 많기만 하면 틀린 내용이 섞여도 괜찮다.
정답 보기
정답 X. 틀린 데이터로 배우면 AI도 틀린 것을 배워요.
-
AI에게 좋은 데이터가 아닌 것은?
- ① 양이 넉넉한 데이터
- ② 여러 경우를 골고루 모은 데이터
- ③ 한쪽 경우만 잔뜩 모은 데이터
정답 보기
정답 ③. 한쪽으로 치우친 데이터로 배우면 다른 경우에서 실수하기 쉬워요.
중2 한 걸음 더
중2 한 걸음 더: 쓰레기가 들어가면 쓰레기가 나온다
컴퓨터 과학에는 “쓰레기가 들어가면 쓰레기가 나온다(Garbage In, Garbage Out)”라는 말이 있어요. 넣은 데이터가 나쁘면 결과도 나쁘다는 뜻이에요.
실제로 몇몇 얼굴 인식 프로그램이 피부색이 어두운 사람의 얼굴을 더 자주 잘못 알아본다는 연구 결과가 나온 적이 있어요. 배운 사진이 한쪽으로 치우쳐 있었던 것이 원인 중 하나로 꼽혀요.
그래서 AI를 만드는 사람은 데이터가 골고루인지 꼼꼼히 살피고, 데이터를 모을 때 개인 정보와 저작권도 지켜야 해요.
쉽게 풀어 보기
좋은 데이터는 어떤 데이터일까요?
AI가 공부할 때 보는 예시 자료를 학습 데이터(training data)라고 해요. AI는 이 데이터에서 규칙을 찾아요.
좋은 데이터에는 세 가지 조건이 있어요. 넉넉하게(양이 충분하게), 골고루(여러 경우를 고르게), 정확하게(틀린 내용 없이)예요.
데이터가 얼마나 정확하고 쓸모 있는지를 데이터 품질(data quality)이라고 해요. 양만 많다고 좋은 데이터는 아니에요.
골고루 먹는 급식으로 이해해요
급식에서 좋아하는 반찬만 먹으면 몸에 필요한 영양소가 모자라요. AI도 비슷해요. 한쪽으로 치우친 데이터만 먹으면 AI도 한쪽만 아는 편식쟁이가 돼요.
예를 들어 하얀 강아지 사진으로만 배운 AI는 까만 강아지를 보고 헷갈릴 수 있어요.
또 상한 음식을 먹으면 배탈이 나듯이, 틀린 데이터로 배우면 AI도 틀린 답을 내놓아요.
데이터는 어디에나 있어요
데이터는 컴퓨터 속에만 있는 게 아니에요. 내가 쓴 일기와 메시지(글), 찍은 사진, 녹음한 목소리(소리), 매일 재는 걸음 수(숫자)도 모두 데이터예요.
날씨 앱은 기온과 비 온 기록(숫자)으로, 번역기는 아주 많은 문장(글)로, 음성 비서는 많은 말소리(소리)로 배워요.
데이터를 모을 때는 지켜야 할 약속도 있어요. 다른 사람의 이름, 얼굴, 사진은 허락 없이 모으거나 쓰면 안 돼요.
뒤에 나오는 ‘직접 해보기 미션’에서 적은 사람과 많은 사람에게 물었을 때의 차이를 직접 느껴 봐요.
숫자로 보기
- 예시 4가지 이 강에서 살펴본 데이터의 모습: 글, 사진, 소리, 숫자
- 예시 3명 옆자리 친구 3명에게만 물으면 결과가 한쪽으로 치우치기 쉬워요.
- 예시 3가지 좋은 데이터의 조건: 넉넉하게, 골고루, 정확하게
표로 정리해요
| 모습 | 어떤 자료일까요? | AI가 배우는 예 |
|---|---|---|
| 글 | 책, 뉴스 기사, 메시지 같은 글자 자료 | 번역기, 맞춤법 검사기 |
| 사진 | 그림, 사진, 영상 같은 눈으로 보는 자료 | 사진 검색, 얼굴 잠금 |
| 소리 | 말소리, 음악 같은 귀로 듣는 자료 | AI 비서, 노래 찾기 앱 |
| 숫자 | 시험 점수, 기온, 걸음 수 같은 숫자 자료 | 날씨 예보, 걸음 수 앱 |
| 조건 | 좋은 데이터 | 나쁜 데이터 |
|---|---|---|
| 양 | 넉넉해요. 여러 번 볼 수 있어요. | 너무 적어요. 규칙을 찾기 어려워요. |
| 고르기 | 여러 경우를 골고루 모았어요. | 한쪽 경우만 잔뜩 모았어요. |
| 정확함 | 틀린 내용이 없어요. | 틀린 이름표, 잘못된 기록이 섞였어요. |
| 지킬 것 | 허락받고 모았어요. | 남의 사진, 개인 정보를 몰래 모았어요. |
그래프로 보기
까만 강아지를 맞힌 비율 (%) · AI가 배운 강아지 사진
※ 이해를 도우려고 만든 예시 숫자예요. 실제 결과는 사진의 질과 AI의 종류에 따라 달라져요.
용어 정리
| 용어 | 영어 | 뜻 | 예 |
|---|---|---|---|
| 데이터 | data | AI가 배우는 재료가 되는 기록 | 사진, 글, 소리, 숫자 |
| 학습 데이터 | training data | AI가 공부할 때 보는 예시 자료 | 강아지 사진 1,000장 |
| 편향 | bias | 한쪽으로 치우쳐 있는 것 | 하얀 강아지 사진만 모으기 |
| 데이터 품질 | data quality | 데이터가 얼마나 정확하고 쓸모 있는지 | 틀린 이름표가 없는 사진 |
| 이름표(레이블) | label | 데이터에 붙인 정답 이름 | 사진에 붙인 ‘강아지’ |
| 조사 | survey | 사람들에게 물어 자료를 모으기 | 인기 급식 메뉴 손들기 |
| 표본 | sample | 전체 가운데 골라 살펴본 일부 | 친구 3명 |
| 개인 정보 | personal information | 누구인지 알 수 있는 정보 | 이름, 얼굴 사진, 주소 |
| 저작권 | copyright | 만든 사람이 자기 작품에 대해 갖는 권리 | 그림, 글, 노래 |
| 쓰레기 입력, 쓰레기 출력 | GIGO (Garbage In, Garbage Out) | 나쁜 데이터를 넣으면 나쁜 결과가 나온다는 말 | 틀린 기록 → 틀린 예측 |
활동지 문제
활동지 문제
-
한쪽으로 치우쳐 있는 것을 ( )(이)라고 해요.
정답 보기
정답 편향 . 하얀 강아지 사진만 모은 데이터도 편향된 데이터예요.
-
데이터를 모을 때 지켜야 할 약속을 한 가지 써 보세요.
정답 보기
정답 (예시 답) 다른 사람의 이름이나 사진 같은 개인 정보는 허락 없이 모으지 않아요.
교사용 박스
수업에서 바로 쓰는 지도 팁입니다.
수업 흐름(40분)
| 구간 | 시간 | 활동 |
|---|---|---|
| 도입 | 5분 | “좋아하는 반찬만 먹으면 어떻게 될까?”로 시작해 편식과 데이터 치우침을 연결합니다. |
| 개념 | 10분 | 데이터의 4가지 모습(글·사진·소리·숫자)과 좋은 데이터의 조건(넉넉함, 골고루, 정확함)을 인포그래픽으로 정리합니다. |
| 활동 | 20분 | 인기 급식 메뉴를 ‘옆자리 3명’과 ‘반 전체 손들기’ 두 방법으로 조사해 결과를 비교합니다. |
| 정리 | 5분 | 두 결과가 달랐던 까닭을 한 문장으로 쓰고 확인 퀴즈를 풉니다. |
도입 질문
- 하얀 강아지 사진만 본 AI가 까만 강아지를 보면 어떻게 될까요?
- 적은 사람에게만 물어본 조사 결과를 믿어도 될까요?
자주 하는 오개념
-
오개념. 데이터는 많기만 하면 된다.
바로잡기. 양·고른 정도·정확도 세 가지를 따로 적고, 틀린 데이터가 섞이면 배운 규칙도 틀린다는 점을 상한 음식 비유로 설명합니다.
-
오개념. 데이터는 숫자뿐이다.
바로잡기. 글·사진·소리·숫자 카드를 나눠 주고, 교실 안의 데이터를 각 칸에 하나씩 붙이게 합니다.
-
오개념. 치우친 데이터는 일부러 잘못 모은 것이다.
바로잡기. 옆자리 3명 조사처럼 편한 방법만 써도 자연스럽게 치우칠 수 있다는 것을 활동 결과로 보여 줍니다.
활동 준비물
- 칠판 또는 화면용 집계표
- 활동지(두 조사 결과 비교표)
안전 유의점
- 조사할 때 이름은 적지 않고 메뉴와 숫자만 기록합니다.
평가 포인트
- 좋은 데이터의 세 조건을 말할 수 있는가
- 조사 방법에 따라 결과가 치우칠 수 있음을 예로 설명할 수 있는가
초6·중2 차이를 두는 법
초6
급식 조사 활동 하나에 집중하고 ‘편향’이라는 낱말을 처음 익힙니다.
중2
‘쓰레기가 들어가면 쓰레기가 나온다(GIGO)’와 얼굴 인식 연구 사례를 소개하고, 데이터를 모을 때 지켜야 할 점을 토의합니다.