[논문 리뷰] AI from concrete to abstract: demystifying artificial intelligence to the general public

Rubens Lacerda Queiroz, Fábio Ferrentini Sampaio외 2명|arXiv (Cornell University)|2020. 06. 07.

Radiation Effects in Electronics참고 문헌 34인용 수 5

한 줄 요약

이 논문은 비전문가—특히 어린이들을 대상으로 하여 인공지능이 어떻게 작동하는지 시각적 프로그래밍과 WiSARD 무게 없는 신경망을 활용한 새로운 교육적 방법론인 AIcon2abs를 소개한다. 학습 및 분류 작업을 통합된 방식으로 실시간으로 경험함으로써, AI의 내부 동작을 명확히 드러내고 기존 프로그램과 학습 시스템의 차이를 명확히 하여 일반 대중의 이해를 증진시킨다.

ABSTRACT

Artificial Intelligence (AI) has been adopted in a wide range of domains. This shows the imperative need to develop means to endow common people with a minimum understanding of what AI means. Combining visual programming and WiSARD weightless artificial neural networks, this article presents a new methodology, AI from concrete to abstract (AIcon2abs), to enable general people (including children) to achieve this goal. The main strategy adopted by is to promote a demystification of artificial intelligence via practical activities related to the development of learning machines, as well as through the observation of their learning process. Thus, it is possible to provide subjects with skills that contributes to making them insightful actors in debates and decisions involving the adoption of artificial intelligence mechanisms. Currently, existing approaches to the teaching of basic AI concepts through programming treat machine intelligence as an external element/module. After being trained, that external module is coupled to the main application being developed by the learners. In the methodology herein presented, both training and classification tasks are blocks that compose the main program, just as the other programming constructs. As a beneficial side effect of AIcon2abs, the difference between a program capable of learning from data and a conventional computer program becomes more evident. In addition, the simplicity of the WiSARD weightless artificial neural network model enables easy visualization and understanding of training and classification tasks internal realization.

연구 동기 및 목표

• 인공지능의 광범위한 도입에도 불구하고 사회 전반의 AI 이해 증진이 점점 더 필요한 상황을 해결하기 위해.
• 기존 AI 교육 도구들이 머신러닝을 메인 프로그램 외부에 위치한 블랙박스 모듈로 다루는 데서 비롯되는 한계를 극복하기 위해.
• 비전문가, 특히 어린이들이 실체적이고 시각적이며 상호작용적인 프로그래밍 경험을 통해 핵심 AI 개념을 이해할 수 있도록 하는 방법론을 개발하기 위해.
• 학습 시스템의 내부 동작—특히 학습과 분류 과정—을 실시간으로 투명하게 관찰할 수 있도록 하기 위해.
• 비전문가들이 AI 기술을 둘러싼 사회적 논의와 결정에 정보 기반으로 참여할 수 있도록 능력화하기 위해.

제안 방법

• AIcon2abs 방법론은 시각적 프로그래밍 환경에 WiSARD 무게 없는 인공신경망을 통합하여, 학습과 분류를 일급 구성요소로 포함하는 프로그램을 작성할 수 있도록 한다.
• 학습 및 분류 작업은 외부 모듈이 아니라 메인 애플리케이션 내의 프로그래머블 블록으로 구현되어, 학습 과정이 실시간으로 어떻게 전개되는지 볼 수 있도록 한다.
• 무게 없는 네트워크의 사용은 모델의 내부 메커니즘을 단순화하여, 데이터 처리 및 학습 방식을 더 쉽게 시각화하고 이해할 수 있도록 한다.
• 시각적 프로그래밍을 활용해 저수준의 구현 세부사항을 추상화함으로써, 학습자가 데이터에서 학습하는 개념적 이해에 집중할 수 있도록 한다.
• 학습과 추론이 직접 관찰 가능하고 수정 가능한 일급 시민으로 프로그램을 구성함으로써, AI 시스템이 어떻게 진화하는지에 대한 통찰을 강화한다.
• 수학적 복잡성의 최소화와 경험 기반 학습의 강조를 통해 어린이와 비전문가가 접근하기 쉽게 설계되어 있다.

실험 결과

연구 질문

• RQ1 비전문가에게 AI를 어떻게 가르치면 학습 과정이 눈에 보이고 이해하기 쉬운가?
• RQ2 어떤 교육적 방법론이 학습자가 AI를 프로그램의 통합적이고 관찰 가능한 부분으로 경험하게 하여 블랙박스 모듈이 아닌가?
• RQ3 학습 및 분류 작업을 메인 프로그램 흐름 내에 통합함으로써, 전통적인 모듈 기반 접근 방식과 비교해 AI 이해도가 어떻게 향상되는가?
• RQ4 시각적 프로그래밍과 무게 없는 신경망이 어린이와 일반 대중이 머신러닝을 직관적으로 이해하는 데 얼마나 기여하는가?
• RQ5 학습을 프로그램 구조에 통합함으로써 학습자가 기존 프로그램과 학습 기반 시스템 간의 차이를 어떻게 인식하게 되는가?

주요 결과

• AIcon2abs 방법론은 비전문가, 특히 어린이들이 실시간으로 학습 시스템을 구축하고 관찰할 수 있도록 하여, AI가 동적인 데이터 기반 과정임을 깊이 이해하는 데 성공했다.
• 학습 및 분류를 일급 프로그램 블록으로 간주함으로써, 기존 프로그램과 학습 기반 시스템 간의 명확한 차이를 학습자가 인지하게 되었다.
• WiSARD 무게 없는 신경망 모델의 단순성 덕분에 학습 및 분류 과정을 직관적으로 시각화할 수 있었고, 인지 부담이 감소했다.
• 내부 메커니즘을 관찰하고 수정할 수 있도록 하여 AI를 해체하고, 활동적인 학습과 개념적 통찰을 지원함으로써 효과적으로 AI의 신비를 풀어냈다.
• 이 방법론은 학습자가 데이터가 모델 행동에 어떻게 영향을 주는지 시간이 지남에 따라 직접 볼 수 있도록 하여 투명하고 흥미로운 학습 경험을 제공했다.
• 학습을 프로그램 흐름에 통합함으로써 학습자가 AI를 정적인 도구가 아니라 진화하는 데이터 의존적 과정으로 인식하는 데 기여했다.