이전 글에 이어, AFEX가 학습자의 질문에 답하는 방법입니다.
먼저, 질문을 하나 드릴게요. www.automatic.city 사이트는 왜 구글 Sheets일까요? 그런 사이트를 본 적이 있나요? 필경 없을 것입니다. 왜 그럴까요?
길을 묻는 사람을 만나거나, 때로는 우리가 길을 묻기도 합니다. 우리는 언제 길을 묻고, 우리에게 길을 묻는 사람은 왜 일까요?
십중팔구 낯선 곳이기 때문입니다. 자기 동네에서 길을 묻지는 않죠. 학습자들이 질문하는 경우도 마찬가지입니다. 낯선 영역을 마주했기 때문이죠.
AFEX는 두 가지 방법으로 질문에 답합니다.
첫째, 질문이 발생할 여지를 줄이는 방법입니다. AFEX는 지식셀(K-Cell)들 간의 상대적 경로 및 주소를 파악하는 방법으로, 자신이 선택한 전공을 향해 나아가는 학습자마다 최적의 학습 경로를 제시함으로써, 애시당초 낯선 곳에 접어들지 않게 합니다. 이 방법으로 통상의 학교와 교실에서 제기되는 질문의 50% 이상을 줄일 수 있습니다.
둘째, 논리적 구조로 문제를 해결합니다. 선생님이 학생의 질문에 답하는 과정을 AFEX가 관찰함으로써, AFEX 스스로 답변하는 방법을 배웁니다. 그런데, 질문이나 답변이 모두 커리큘럼의 지식셀 형태일 수 밖에 없습니다. 가령, 인공지능 전문가 양성 과정의 전체 커리큘럼은 150,000개 전후의 지식셀로 구성되므로, 학습자의 질문도 이 중 어느 한 셀에서 발생하고, 그에 대한 답변도 이 중 어느 한 셀에 위치합니다. 따라서, 사람이든 시스템이든 답변자는 질문자에게 특정한 지식셀의 위치를 제공하는 것으로 답변 과정이 완료되며, 어떤 지식셀에서 어떤 질문이 제기되고, 그에 대한 답변으로 어떤 지식셀을 제시할 지만 결정하면 됩니다. 즉, AFEX가 지식셀들 간의 상대적 경로를 학습하는 것입니다.
저희가 MIT, Stanford 등이 공개한 다양한 머신러닝 강의들을 취합하여, 제각기 3분 길이의 에피소드로 재구성하고, 그 각각을 구글 Sheets의 셀(Cell)로 배치한 것은 바로 그 때문이며, www.automatic.city 사이트가 구글 Sheets 기반인 이유이기도 합니다.
