지난번 글에서 Code.org를 통해 아이가 AI 개념을 어떻게 배우는지 소개해드렸는데요, 오늘은 그 이야기의 연장선이에요. 그때는 개념과 구조 위주로 살펴봤다면, 이번에는 정말 아이와 함께 직접 AI 모델을 만들어보고 훈련까지 시켜본 경험을 나눠보려고 해요.
솔직히 시작 전엔 ‘이게 진짜 될까?’ 싶었거든요. 하지만 막상 체험해보니까, 생각보다 훨씬 간단하고 아이도 너무 잘 따라와서 저도 놀랐어요. AI를 이렇게 자연스럽게, 놀이처럼 배울 수 있다는 게 정말 흥미롭더라고요. 아이는 물론이고 저 자신도 ‘AI 학습의 원리를 이렇게 쉽게 이해할 수 있구나’ 싶었답니다.
Code.org란?
Code.org는 미국 비영리단체에서 운영하는 온라인 코딩 교육 플랫폼이에요. 한글도 지원되고, 대부분의 수업이 블록 코딩 형식으로 되어 있어서 초등학생도 손쉽게 따라할 수 있어요.
무엇보다 이 플랫폼은 단순히 코딩 기술을 익히는 데서 그치는 게 아니라, 사고력과 창의력을 동시에 키울 수 있는 구조라는 점이 매력적이에요.
기초적인 ‘움직이는 캐릭터 만들기’부터 시작해서, 최근에는 AI와 머신러닝을 체험할 수 있는 교육 콘텐츠까지 제공되고 있어요.
바로 그 중 하나가 “Train Your AI Model”,
즉 나만의 AI 모델을 직접 훈련시키는 프로젝트입니다.
이 프로젝트는 단순히 결과를 보는 게 아니라, 직접 데이터를 수집하고 AI에게 학습을 시키며, 예측 결과를 분석하고 보완하는 모든 과정을 아이가 직접 경험하게 해줍니다.
아이와 AI 모델을 훈련시켜본다는 건?
“AI 훈련”이라는 말만 들으면 굉장히 전문적인 느낌이 들잖아요. 하지만 Code.org에서는 이걸 아주 직관적이고 흥미롭게 풀어냈더라고요. 특히 아이 입장에서는 복잡한 개념 없이도 직접 만져보며 배우는 방식이라 부담이 전혀 없었어요.
훈련 과정은 크게 네 가지 단계로 나뉘어요.
- 이미지를 모으고
- 각 이미지에 라벨을 붙이고
- AI가 학습을 시작하고
- 테스트를 통해 예측 결과를 확인하는 방식이에요.
예를 들어 ‘고양이 vs 강아지’ 분류 모델을 만든다고 할 때, 아이랑 웹캠으로 각각의 이미지를 찍고, “이건 고양이야”, “이건 강아지야”라고 라벨을 붙여줍니다.
그걸 AI가 학습하면 나중엔 웹캠으로 어떤 이미지를 보여줬을 때 고양이인지 강아지인지 스스로 예측하는 거죠!
심지어 이 모든 과정을 마우스 클릭과 블록 드래그만으로 할 수 있어서 컴퓨터에 익숙하지 않은 아이들도 무리 없이 따라할 수 있어요.
실제 체험기 – AI 훈련 과정 단계별 정리
1단계. 이미지 수집
처음엔 아이가 뭘 해야 할지 조금 어색해했지만,
“우리만의 AI를 만들 거야”라고 설명해주니 눈이 반짝이더라고요. 물론 처음엔 AI 가 머야? 라고 되묻는일이 많았었는데 교육 자체가 놀이처럼 흘러가는거라 놀이하는 느낌으로 분위기를 이끌어가니 잘 따라왔어요:)
우선 “무엇을 분류할까?”를 먼저 정했어요.
저희는 ‘강아지 vs 고양이’로 했고, 웹캠으로 인형을 찍거나, 그림을 보여주면서 각 카테고리 당 20장 정도의 이미지를 모았답니다.
처음에는 ‘이 정도면 되겠지?’ 싶었는데, 훈련 정확도를 높이려면 다양한 각도와 조명의 이미지가 많을수록 좋더라고요. 그래서 일부러 배경이나 조명을 바꿔가며 다양한 조건의 이미지를 모아봤어요.
2단계. 라벨링
수집한 이미지에 이름을 붙이는 단계예요.
아이에게 “이건 뭐야?”라고 물으며 같이 라벨을 붙였어요. 고양이 사진엔 ‘cat’, 강아지 사진엔 ‘dog’라고 태그를 입력하는 방식이에요.
여기서 아이는 마치 스티커를 붙이는 것처럼 흥미를 보였고, “엄마, AI한테 이름 붙여주는 거 같아!”라며 집중해서 작업하더라고요.
이 작업을 통해 자연스럽게 ‘데이터는 이렇게 분류되는 거구나’라는 걸 느낄수 있었답니다.
3단계. 훈련 시작
이제 본격적으로 AI에게 “학습시켜보는” 단계예요.
수집한 데이터와 라벨을 입력한 후 ‘Train‘ 버튼을 누르면, Code.org 내부 시스템이 AI를 학습시키기 시작해요.
아이 입장에선 마치 게임처럼 진행돼요.
“이제 AI가 똑똑해지고 있어요!”라는 문구와 함께 막대 그래프가 움직이는데 그걸 보며 “우와, 진짜 공부하네!”라고 말하더라고요.
이걸 보면서 저는 ‘머신러닝‘이라는 게 이렇게 쉽게 전달될 수도 있구나, 하는 생각이 들었어요. 복잡한 용어 없이도 원리를 이해시키는 구조가 정말 좋았어요.
4단계. 테스트
이제 훈련한 AI가 얼마나 똑똑해졌는지 실전으로 테스트해보는 시간이에요.
웹캠을 켜고 인형을 비춰주면, 화면 상단에 “cat” 또는 “dog”라고 예측 결과가 나옵니다.
처음 몇 번은 틀리기도 했는데요,
그럴 때마다 아이는 “다시 가르쳐야겠다!”며 스스로 추가 이미지를 촬영하고 다시 훈련시키는 걸 반복했어요.
이 과정에서 아이가 느낀 건,
“AI도 계속 배워야 잘하네”라는 거였어요.
그걸 혼자 깨달았다는 게 정말 뿌듯했답니다.
Code.org AI 교육, 어떤 점이 좋았을까?
| 항목 | 장점 |
|---|---|
| 접근성 | 회원가입만 하면 바로 무료로 사용 가능 |
| 쉬운 인터페이스 | 블록 기반으로 구성되어 있어 초등 저학년도 가능 |
| 실습 위주 | 직접 체험하며 배우는 방식이라 흥미를 유도함 |
| 창의력 향상 | 아이가 자유롭게 주제를 설정하고 탐색 가능 |
| 데이터 개념 이해 | 라벨링 과정을 통해 머신러닝의 기초를 자연스럽게 습득 |
| 반복 학습 가능 | 실수 후 다시 학습시키는 과정이 자연스럽게 유도됨 |
| 협업 학습 | 부모와 함께 하며 대화 중심의 학습이 가능함 |
부모를 위한 실전 꿀팁
- 아이 혼자 하도록 내버려두지 마세요.
처음엔 같이 해보는 게 좋아요. 용어도 생소하고, 실수도 할 수 있으니까요. - 관찰하며 질문하기
“왜 이렇게 결과가 나왔을까?”, “다음엔 어떻게 바꿔볼까?” 같은 질문은 아이의 사고력과 표현력을 동시에 자극을 준답니다. - 아이의 흥미 기반 주제 선정
음식, 캐릭터, 표정 같은 아이가 좋아하는 것들로 훈련 주제를 잡으면 몰입도와 학습 효과가 훨씬 높아져요! - 성공보다 실패를 더 많이 나누기
결과가 틀렸을 때 ‘왜 그랬을까’를 같이 분석해보면 훨씬 효과적인 학습이 가능해요.
연령별 활용 가이드
| 학년 | 활용 방법 | 부모 팁 |
|---|---|---|
| 초1~2 | 이미지 수집과 라벨링 위주 | 촬영과 입력을 함께 도와주세요 |
| 초3~4 | 훈련 + 테스트까지 가능 | 결과를 스스로 분석하게 도와주세요 |
| 초5~6 | 다양한 라벨 실험 가능 | 예측 정확도 높이기 활동 확장 |
| 중학생 | 모델 성능 비교 실험 가능 | 학술적인 접근도 도전해보세요 |
| 고등학생 | 정확도 최적화, 데이터 양 변화 실험 | 고급 프로젝트로 발전 가능 |
체험 후 느낀 점
처음엔 ‘이게 얼마나 도움이 될까’ 싶었는데,
막상 해보니까 정말 많은 걸 느꼈어요.
아이 눈빛부터 달라졌고, 기술을 소비하는 게 아니라
스스로 제어하고 실험하는 창의적 주체로 변화하더라고요.
“오늘은 내가 AI 선생님이었어!”라는 말이 아직도 귀에 생생해요 😊
그리고 저 자신도, 이런 도구를 통해 아이와 함께 배우고 대화하는 경험 자체가 너무 소중하다는 걸 새삼 느꼈어요.
지금 바로 시작해보세요!
복잡한 설치도 필요 없고,
비용도 들지 않고,
아이와 함께 디지털 시대를 체험할 수 있는 기회예요.
👉 Code.org 공식 사이트: https://code.org
👉 AI 훈련 바로가기: https://studio.code.org/s/aiml-2024
아이와 함께, 단 한 번의 클릭으로 AI 교육의 첫걸음을 시작해보세요!
함께 읽으면 좋은 글
다음 글 미리보기
[AI와 기후 변화] Code.org AI를 사용해 문제 해결하기 – 아이와 함께한 환경 프로젝트 체험기
요즘 아이들에게 기후 변화는 뉴스 속 이야기가 아니라, 교실 속에서 함께 고민해야 할 현실이 되어가고 있어요. 다음 글에서는 Code.org의 환경 교육 프로젝트인 ‘AI for Oceans’를 통해, 우리 아이가 AI로 어떻게 바다 속 쓰레기를 구분하고, 그걸 통해 환경 문제를 더 깊이 이해하게 되었는지를 함께 나눠보려 해요.
아이와 함께 기술을 배우면서 동시에 ‘지구를 지키는 마음’까지 키울 수 있었던 경험을 편안하게 들려드릴게요. 😊
