인컨텍스트 러닝을 통한 ChatGPT의 문학교육적 활용 방안에 대한 연구: 윤곤강의 『동물시집』의 교육용 교안 설계 과정을 중심으로 (A study on utilization of ChatGPT in literary education through in-context learning: Focusing on the process of designing instructional materials for Yoon Gon-Gang's “Animal Poetry”)

서지정보

· 발행기관 : 경희대학교 후마니타스 교양교육연구소
· 수록지 정보 : 후마니타스 포럼 / 10권 / 1호 / 105 ~ 140페이지
· 저자명 : 김태형

초록

제프리 힌턴의 딥러닝 방법론 제언 이후, 인공지능 기술의 발전은 점차 가속화되고 있는 상황이다. 특히 초거대 언어 모델을 기반으로 하면서 생성형 AI는 주어진 프롬프트(명령문)에 대해 이전보다 더 인간과 유사한(human-like) 반응을 출력하는 것이 가능해졌다. 이는 인공지능에 대한 사전교육 및 접근이 일부 전문 집단이 아닌 일반인들에 의해 가능해지면서 가속화된 면모가 있다. 2021년 시 쓰는 AI SIA 등이 등장하며 일어난 AI의 창작적 활용은 2023년 ChatGPT가 본격적으로 활용되기 시작하면서 대중화되었다.
특히 2023년에는 이와 같은 생성형 AI의 발전 속에서 ChatGPT의 활용 가능성에 대한 공학을 비롯한 교육학·사회학·미학 등 다양한 학술적 논의가 진행되었으며, 문학 또한 ChatGPT의 가능성 및 창작 윤리 등에 대한 많은 논의를 가졌음을 확인할 수 있었다. 그러나 이전 모델인 GPT-3의 사전 교육 모델이 공개된 것과 달리 ChatGPT의 모델인 GPT-4의 사전 교육 모델은 아직 공개되지 않은 상황이며, 이는 ChatGPT의 활용에 많은 제한을 가하고 있다.
사전 교육이 불가능한 생성형 AI는 사용자를 통한 정보 입력이 아주 제한적이며, 입력된 정보도 영구적으로 보관할 수 없어 실용적인 도구로 기능하기가 어렵다. 이와 같은 상황에서 본고가 주목한 것은 ChatGPT가 문맥을 파악하고 자연스러운 답변을 출력하기 위해 활용하는 인컨텍스트 러닝 기능과 프롬프트 공유 기능이었다. ChatGPT는 입력한 프롬프트를 최대 4,096 토큰(입력 정보량의 단위)까지 기억할 수 있으며 그 상황을 타인과 공유하여 질문을 이어갈 수 있으므로 이를 제한적인 수준의 교안으로서 활용할 수 있다는 것이다.
현재 GPT-1에서부터 GPT-4까지의 기술 발전 추이를 볼 때 생성형 AI가 기억할 수 있는 정보량은 지속적으로 확대되고 있으며, 처리 속도 역시 비약적으로 상승하고 있다. 이러한 상황에서 생성형 AI의 교육적 활용에 대한 접근은 지금 사용 가능한 기능만을 주목하는 것이 아니라, 향후 생성형 AI가 활용될 수 있는 가능성에 대한 논의를 포괄해야만 할 것이다.
때문에 본고에서는 생성형 AI의 인컨텍스트 러닝 기능에 기반한 문학 교안을 설계하되, 교안의 실질적 한계와 향후 보완 방안에 대한 논의를 포함한다. 교안이 실제 수업에 활용된 결과를 정리하고 전통적인 교안을 대체할 수 있는가, 불가능하다면 어떤 점이 난점인가에 대해 분석하였으며, 또 발견된 문제점을 보완할 수 있는 방안이 무엇인지에 대해 확인하고자 한다.
그러나 GPT-4의 환경상 프롬프트의 입력 제한이 존재하며, 이로 인해 교안 설계의 한계가 있음 또한 확인할 수 있었다. 때문에 본고에서는 정보량 제한·할루시네이션·생성형 AI 자체의 문학적 이해 능력 부족 등의 문제를 해결하기 위한 방안으로 플러그인 사용을 통한 데이터베이스 연결을 제언한다.

영어초록

Since Jeffrey Hinton proposed his deep learning methodology, advances in AI technology have accelerated. In particular, generative AI, based on very large language models, is capable of producing more human-like responses to a given prompt than ever before. This is accelerated by the fact that AI is becoming more accessible to the general public rather than to specialized groups. The creative use of AI that occurred in 2021 with the emergence of SIA, a poetry-writing AI, was popularized in 2023 when ChatGPT began to be used in earnest.
Particularly in 2023, this development of generative AI was accompanied by a variety of academic debates in engineering, education, sociology, and aesthetics about the possibilities of using ChatGPT. However, unlike the pre-training model of GPT-3, the previous model, the pre-training model of GPT-4, the model of ChatGPT has not yet been released, which imposes many restrictions on the use of ChatGPT.
Generative AI that cannot be pre-trained has very limited information input from users, and the information input cannot be stored permanently, making it difficult to function as a practical tool. In this situation, I was interested in the in-context learning and prompt sharing features that ChatGPT uses to understand context and provide natural answers. ChatGPT can remember up to 4,096 tokens of input prompts and share the context with others to continue the question, so it can be used as a teaching tool to a limited extent.
The amount of information that generative AI can remember is constantly increasing, and the processing speed is also increasing by leaps and bounds, according to the current trend of technology development from GPT-1 to GPT-4. Under these circumstances, an approach to the educational use of generative AI should not only focus on the capabilities available today, but also include a discussion of the possibilities for future applications of generative AI.
In this paper, we design a literature lesson plan based on the in-context learning capabilities of generative AI, but include a discussion of its practical limitations and future improvements. We summarize the results of using the textbook in real classrooms, analyze whether it can replace traditional textbooks, and if not, what the difficulties are, and identify ways to compensate for the problems found.

참고자료

· 없음