이 글은 아래 글 등을 참조하였고, 일부 내용은 원문을 그대로 요약하였습니다. 아래 원문들은 진취적이고 전문적인 내용이므로, 교육분야에 종사하는 분들의 일독을 권합니다.

The Age of Machine Learning: An Eradication of Poverty

Universal Basic Income – ABUNDANCE INSIGHTS – Medium

10 Roles For Artificial Intelligence In Education - TeachThought

What Artificial Intelligence Could Mean For Education : NPR Ed : NPR

Education must adapt to AI-induced changes | L'Atelier : Accelerating ..

Artificial Intelligence in Education - University of Canterbury

Schools not preparing children to succeed in an AI future, MPs warn

How Artificial Intelligence Can Change Higher Education | People .

머신러닝과 관련된 100만 개의 일자리가 눈앞에 있지만, 그 일을 할 수 있는 지원자가 없습니다. 물론, 한국 교육시스템만의 잘못은 아닙니다. 누구도 예측 못한 상황이 도래했으니까요. 적어도 지금은 예측할 수 있고, 따라서 바껴야 합니다.

100만 개의 일자리를 만드는 간단한 방법은 매일 백만 명에게 쓰레기 봉투를 한 장씩 배포하고, 거리를 청소하게 하는 것입니다. 문제는 그로 인한 사회적 효용의 증가가 그 비용에 현저히 못 미치는 점입니다. 오늘날 한국 등 제반 국가의 교육 시스템은 여덟살부터 스물 몇 살까지 쓰레기 봉투 한장씩 쥐어 학교라 불리는 건물로 들여보내는 것과 다름없습니다. 현재의 학교 시스템이 배출하는 노동력의 품질이 미래의 상품(재화와 용역) 생산 사슬(Production Chain)에 들어갈 자리가 없기 때문입니다. 가령, 2017년 한국항공대학 항공운항과에 입학하는 신입생이 2040년에도 여전히 조종간을 쥐고 있거나, 오늘 세무사 시험에 합격한 수험자가 2030년에도 국세청을 드나들 가능성은 높게 잡아도 10% 미만입니다.

현대 교육제도의 문제들 중 일부는 다음과 같습니다.

첫째, 단절입니다. 사람들은 초등학교와 중학교, 중학교와 고등학교 간의 시스템 단절 문제를 심각하게 여기지 않습니다. 대입 수능시험은 고등학교와 대학교 간의 단절을 무마하는 목적의 접착제입니다. 그러나, 접착제는 접착제일 뿐, 바람직하기로는 유치원부터 대학까지 하나의 학교로 통합하고, 학습자 개개인의 학습 과정을 유치원부터 대학까지 일목요연하고 체계적으로 지도할 수 있어야 합니다.

그러나, 그럴 수 없는 이유 역시 자명합니다. 교사가 어느 한 사람의 일생을 유치원부터 대학원까지 관찰하고, 지도하기 위해서는 엄청난 양의 데이터를 처리해야 하는데, 그 수가 10명, 20명, 30명으로 늘어나면, 사람의 지능으로 감당할 수 없습니다. 수학을 배우는 학생이라면, 유치원 무렵 1+1을 배울 때부터, Multivariate Calculus를 배우는 고등학교를 거쳐, 교사는 이 학생의 매일 매일의 학습 내용과 매달 시험 결과를 취합하고, 언제 무엇을 어떻게 가르칠 지 결정할 수 있는 것이 이상적입니다. 사람은 할 수 없지만, AI는 그걸 가능하게 합니다. 오늘날 edX를 포함하는 MOOC(Massive Open Online Curriculum)은 AI 기술을 적극 흡수하여 다양한 LMS(Learning Management Module)을 선보이고 있습니다.

둘째, 비효용입니다. 한 마디로 쓸모없는 지식을 가르치느라, 정작 필요한 인재는 구할 수 없는 풍요 속의 빈곤을 야기합니다. 예를 들어, 머신러닝을 배우려면 영어와 수학이 매우 중요합니다. 그러나, 사회에 나와 영어나 수학을 쓸 일이 거의 없는 학생들마저 의무적으로 매일같이 영어와 수학 수업에 참석하는 것은 사회적으로 낭비이고, 학습자 본인에게는 더할 나위없는 고통입니다.

개개인마다 그/그녀의 적성과 능력에 맞는 교육 서비스를 제공받을 수 있어야지만, 그럴 수 없는 이유 역시 자명합니다. 그럴만한 교육 인적자원이 없기 때문입니다. 물론, MOOC는 이 문제 역시 해결합니다. 그간 흑판 판서 방식의 수업을 MOOC로 대체하고, 사람 교육자는 그 과정을 보조한다면, 기존의 교육 인적자원으로도 1인 맞춤형 교육 서비스를 제공할 수 있습니다.  

셋째, 시장과 학교의 단절입니다. 비록 학교마다 취업지도사나 진로 컨설턴트가 활동하고 있지만, 시장 상황의 변동을 학교 교육 서비스의 내용에 즉각적으로 반영하는 것은 어렵습니다. 수많은 회의와 미팅과 검토 과정을 거치지 않고서는 어떤 종류의 교육 시스템 변경도 불가능합니다.  그 이유는 우리 인간의 두뇌가 그다지 효율적이지 않기 때문입니다.

넷째, 마지막으로 가장 큰 문제는 학교 그 자체입니다. 여전히 대다수의 학교에서, 대다수의 학생들이, 대다수의 시간을 책상에 앉아 공부하고 있습니다. 이 학생들 1만 명이 사회에 나와 할 일을 Google Cloud Platform에 설치된 리눅스 가상머신을 책상삼아 머신러닝의 TensorFlow 프레임워크를 공부한 학생들 몇 명이 대신할 지도 모릅니다. 그럴 가능성은 적게 잡아도 90%입니다.

현재의 교육제도는 유의미한 일자리 창출에 도움이 되지 않습니다. 해결 방안은 없는 걸까요? 아닙니다. 분명한 해결 방안이 있습니다. 사실, 이미 모두 언급했습니다.

첫째, 흑판과 분필로 진행하는 수업을 MOOC로 대체하고, 교사들은 학습을 보조하는 역할에 집중함으로써, 개인 맞춤형 교육 서비스를 제공해야 합니다. 애시당초 수학에 관심없는 학생들마저 수학 시간을 의무적으로 참석하고, 수학 시험에 강제로 응시하는 불합리를 더 이상 용납해서는 안됩니다.

둘째, 만 일곱 살부터 시작하는 6-3-3-4 학제를 만 두 살부터 시작하는 5-5-4-3 학제로 전환해야 합니다. 조기 교육의 중요성은 말할 필요도 없거니와, 6-3-3-4 학제가 고안된 100여년 전과 지금 아이들의 신체적 정신적 성숙도는 차원이 다릅니다. 5-5-4-3 학제에서는 만 18세에 대학을 졸업하며, 대학에 진학하지 않는 사람들은 만 15세에 사회로 배출됩니다.

셋째, 기존의 대학 전공들 중 70~90%는 2040년이 되기 전에 무용지물이 될 것입니다. 따라서, 장기적 관점에서 불요불급한 전공들은 폐쇄하고, 필요한 전공을 새로 만들며, 대학 진학률 역시 10% 미만으로 조정해야 합니다. 지금 당장 한국의 각급 학교에서 머신러닝을 가르칠 교사가 최소 15,000명은 필요하지만, 이들 인원을 양성하는 곳은 단 한 곳도 없습니다. 아무리 늦어도 수년 내에 필요한데도 그렇습니다.  

넷째, 완전고용 시스템을 준비해야 합니다. 기본소득제(Universal Basic Income), 주 2일 근무, 연간 6개월 휴가는 복지 차원이 아니라, 국가 시스템의 생존 차원에서 피치 못할 선택입니다. 사실 나쁘지도 않습니다. Why not?