생성할 수 있다.기존에 학습된 데이터에서부터 학습하여 공식적인 문체나 친근한 문체, 또는 유명작가의 문체로 답변할 수 있다. 이러한 답변은 검색 엔진처럼 기존에 있는 정보를 가져오는 것이 아니라 주어진 질문에 맞춰 새롭게 인공지능이 생성한 것이다. 생성형 인공지능은 일부 단어를 변경하거나 제거하고 새로운 스타일을 사용하는 등의 변화를 통해 다양한 답변을 학습자에게 맞게 계속 생성할 수 있다.
Ⅲ. 결론
지금까지 본론에서는 대화형 인공지능 서비스의 도입이 미래의 교육과 사회에 끼칠 순기능과 역기능을 제시해 보았다. ChatGPT를 필두로 하는 대규모 언어모델 대화형 인공지능 서비스의 가장 큰 특징은 사람과 아주 비슷하게 대화할 수 있으며 때에 따라서 완벽해 보이는 대답을 만들어낸다는 점이다. 그러나 ChatGPT와 같은 대규모 언어모델 대화형 인공지능이 실제로 사고할 수 있는 것은 아니다. 자연어 인공지능 모델인 ChatGPT는 사용자의 질문이나 이전에 했던 대답의 다음에 올 단어와 문장을 확률적으로 계산하여 가장 높은 확률의 답변을 생성하여 제공한다. 이는 인공지능이 스스로 의미를 구조화하여 말하는 것이 아니라 이전 단어 다음에 올 다음 단어를 확률적으로 계산해 가장 그럴듯한 답변을 내놓는 알고리즘에 불과하다는 것을 의미한다. 실제로 ChatGPT는 답변해야 하는 내용이 길어질수록 문맥을 이해하지 못하고, 이전에 했던 답변과 모순된 답변을 내놓거나 엉뚱한 대답을 내놓는 등의 오류를 범한다. 또한, 실제 사실과 다른 정보를 제공하기도 한다. ChatGPT는 사전에 학습된 데이터를 기반으로 문장을 생성하지만, 그 문장의 진위는 검증해내지 못한다. 대화를 이어나가는 과정에서 ChatGPT는 자연스러운 대화를 위해 실제로 존재하지 않는 논문을 언급하거나, 역사적 사실을 왜곡한 답변을 하기도 한다. 이러한 대화형 인공지능의 한계는 대화형 인공지능의 활용이 반드시 미디어 리터러시 교육과 함께 이루어져야 한다는 것을 의미한다.
참고문헌
과학기술정보통신부 (2019). 인공지능 국가전략. 과학기술정보통신부.
교육부 (2022). 디지털 시대의 주인공이 될 100만 인재를 양성합니다. 교육부 보도자료.
김태기 (2019). 학습분석학의 교수학습현장적용을 위한 학습데이터 탐색. 아시아교육연구.
이선희 (2019). 개인화 학습 지원을 위한 공개교육자원(OER) 활용 교수설계원리 개발연구. 서울대학교 대학원 박사학위논문.