AI 시대 영어 교육의 방향성(Eng)
Does AI provide equal chance for all?
This is part of a seminar on the direction of English education in the AI era, hosted by the Daegu Office of Education and the Foreign Language Education Association for foreign teachers.
여러분, 이 드론 쇼를 본 적이 있으신가요?
Have any of you seen this drone show?
서울시(2025. 9. 7) https://youtu.be/EOnn5YzswWo?feature=shared이것은 서울 한강 근처의 한 공원에서 열린 K-pop 데몬 헌터스 콘셉트의 드론 쇼였습니다.
This was a drone show themed around K-pop demon hunters at a park near the Han river in Seoul.
케데헌의 주인공 얼굴을 드론으로 만드는 장면, 정말 놀랍지 않나요?
Isn’t it amazing to see drones creating the face of main characters in Ke-De-Hun. Spectacular!
이제 궁금하실 겁니다—사람이 이 드론들을 하나하나 조종했을까요?
Now you might wonder— were people controlling these drones one by one?
정답은 물론 아닙니다. 드론들은 자율적으로 비행하고 있었습니다.
The answer is of course no. They were flying autonomously
그렇다면, 어떻게 가능할까요?
Then how is that possible?
이런 자율 비행을 이루기 위해,
To achieve this kind of autonomous flight,
AI 시스템은 비행 영상, GPS 위치, 풍속, 속도, 3차원 좌표와 같은 멀티모달 데이터를 활용하고,
The AI system relies on multi-modal data, such as flight images, GPS location, wind speed, velocity, "3-dimensional co-ordinates"
그리고 원격으로 데이터를 수집·전송·실시간 분석하는 기술인 ‘텔레메트리’를 사용합니다.
and “telemetry.” Which means the technology that collects, transmits, and analyzes data remotely in real time.
이 드론 쇼는 데이터, AI, 그리고 인간 문화가 섬세하게 어우러진 복합체입니다.
This drone show is a delicate complex of data, AI, and human culture.
그리고 이것이 오늘 우리가 이야기할 주제로 이어집니다.
And that brings us to today’s talk.
오늘 우리는 AI와 데이터를 탐구하고, 그것이 가져올 기회와 도전들을 살펴보겠습니다.
we will explore AI, data, and what opportunities and challenges they will bring
특히 영어 교육의 맥락에서 말입니다.
—especially in the context of English education.
What should we and our children do about it in the age of AI?
먼저, 제가 준비한 영상을 시청해 보겠습니다. 이 공장은 인천에 있는 물류 공장입니다.
First, let's watch a video I prepared. This is a logistics factory in Incheon.
KBS News AI시대 인간의 일 / KBS 2025.09.09.상품의 저장위치를 데이터로 저장하고 있기때문에 주문이 들어온 상품을 로봇이 운반하고 다음 작업을 위해 최종 사람에게 가져다 줍니다.
Because the storage location of products is stored as data, robots transport ordered products and deliver them to the staff for the next job.
마지막 인터뷰하는 사람은 기존에 10명이 하던 일을 이제 3, 4명이 하게 되었다고 말합니다.
The last interviewee said that the work that used to be done by 10 people is now done by 3 or 4 people.
이 일은 과연 물류공장에서만 일어나고 있을까요? 우리는 그리고 우리 아이들은 어떻게 해야 할까요?
Is this only happening in logistics factories? What should we and our children do about it?
We can now learn about human learning
by observing how AI learns.
누군가는 ai와 경쟁한다고 말하고, 누군가는 활용하고 협력해야한다고 말합니다. 둘 중 무엇이던지 우리는 ai 가 어떻게 만들어지는지 이해해야 합니다.
Some argue that we should compete with AI, while others argue that we should utilize and collaborate with it. Either way, we need to understand how AI is created.
AI를 개발하는 과정은 문제 정의, 데이터 수집, 데이터 준비, 모델 학습, 그리고 테스트로 이루어져 있습니다.
The process of developing AI consists of problem definition, data collection, data preparation, model training, and testing.
이 과정들은 사실 우리가 인간으로서 학습하는 방식과 매우 비슷합니다.
These steps are actually very similar to the way we humans learn.
저와 제 동료들은 AI를 개발하는 일을 하면서 논문을 읽는데, 많은 연구들은 인간의 학습을 묘사합니다.
My colleagues and I develop AI, and many research papers describe how humans learn.
딥러닝은 사람의 뉴런을 본떠 만든 대표적인 예입니다
Deep learning is a prime example, as it is inspired by human neurons.
그리고 이제는 순환 고리가 생겼습니다.
And now, a feedback loop has been created.
우리는 이제 인간의 학습을 인공지능의 학습 방식에서 참고할 수도 있고,
We can now learn about human learning by observing how AI learns,
더 나아가 인공지능과 협업하는 방법의 기초를 다루어야 합니다.
and we must also learn the basics of collaborating with AI.
왜냐하면 우리의 아이들이 성장했을 때 지금의 중간 수준의 일자리들은 완전히 다른 모습을 하고 있을 것이기 때문입니다.
Because when our children grow up, many of today’s mid-level jobs will look completely different.
그래서 저는 오늘 인공지능 학습에서 착안하여 인간과AI 학습의 공통점과 차이점을 통해 본 영어교육의 방향성을말씀드리고자 합니다.
So today, I'd like to talk about the direction of English education, taking inspiration from artificial intelligence learning and examining the similarities and differences between human and AI learning.
자, 그럼 한번 상상해보세요.
Now, let’s imagine something.
당신은 평소 경험으로 Haribo 젤리 봉지에는 여러 가지 맛이 고르게 들어 있다고 생각해요.
Based on your past experiences, you assume a Haribo gummy bag contains evenly mixed flavors.
그래서 이렇게 예측해요.
So, you make a prediction like this:
빨강 20%, 주황 20%, 노랑 20%, 초록 20%, 흰색 20% → Q(x)
Red 20%, Orange 20%, Yellow 20%, Green 20%, White 20% → Q(x)
그리고 우리는 이 예측된 분포를 Q(x)라고 부르겠습니다.
We’ll call this predicted distribution Q(x).
그런데 실제로 봉지를 열어보니 다음과 같았습니다.
But when you actually open the bag, it looks like this:
빨강 40%, 주황 20%, 노랑 10%, 초록 10%, 흰색 20% → P(x)
Red 40%, Orange 20%, Yellow 10%, Green 10%, White 20% → P(x)
이렇게 실제로 관찰한 확률을 P(x)라고 할게요.
We’ll call this observed (real) distribution P(x).
당신의 예상 Q(x)와 현실 P(x)가 다르죠?
Clearly, your prediction Q(x) and the actual P(x) are different.
그럼 이 차이를 어떻게 수치로 표현할 수 있을까요?
So how can we express this difference numerically?
바로 KL Divergence를 사용합니다.
That’s where KL Divergence comes in.
Eventually, the student’s language mirrors that of the teacher.
인공지능은 이 원리를 이용해서 분포를 학습합니다. 우리가 이 방식을 영어 교육에 대응해보면 이렇습니다
Artificial intelligence uses this principle to learn distributions. If we apply this method to English education, it would look like this.
학생은 인지하지 못하겠지만, 단순히 단어나 표현이 아닌, 선생님의 언어 분포를 보고 듣고 따라하며 학습합니다.
Students may not realize it, but they learn not just by words or expressions,
but by observing, listening, and imitating the teacher's language patterns.
예를 들면, 선생님이 자주 쓰는 단어는 학생들도 자주 쓰게 됩니다.
For example, students often use words the teacher frequently uses
마치 엄마가 자주쓰는 단어를 갓난 아이가 따라 하는 것처럼요
much like a newborn baby imitating the words their mother frequently uses.
즉, 선생님이 자주 쓰는 표현, 주제, 어휘, 억양 등을 흡수합니다.
They absorb frequently used expressions, topics, vocabulary, and intonation.
결국 학생의 언어는 교사의 “분포”를 모방하게 됩니다
Eventually, the student’s language mirrors that of the teacher.
그래서 선생님의 언어 분포가 매우 중요합니다.
That’s why the teacher’s language distribution is so important.
책에 있는 표현만 반복하면 학생도 한정된 언어만 배우게 됩니다.
If a teacher only repeats textbook phrases, students will have limited exposure.
다양한 주제, 시사, 문화, 경험을 포함한 언어가 필요합니다.
We need language that includes diverse topics, current events, culture, and real experiences.
학생의 분포가 세상과 가까워지도록 도와주는 것이 좋은 교육입니다.
Good education helps align the student’s distribution with that of the real world.
What kind of language distribution do you offer in your class?
이 짧은 영상은 인터넷에서 큰 화제가 되었습니다.
This short video has become an internet sensation.
테슬라 다이너에서 휴머노이드 로봇 옵티머스가 팝콘을 나눠주는 장면입니다.
It's Optimus, a humanoid robot hands out popcorn at a Tesla diner.
한 손님이 농담으로 팝콘을 줄지 말지 시험하려 하자,
When a customer try to tease Optimus about whether or not to give him a bucket of popcorn
옵티머스는 그 사람의 몸짓을 따라하며 놀리듯 반응했습니다.
Optimus mimics the man's movements, teasing him.
그리고 심지어 작별 인사까지 그대로 따라 했습니다.
And It copied even a good-bye greeting perfectly.
이런 것을 ‘모방 학습(imitation learning)’이라고 부릅니다.
It’s called “imitation learning.”
이렇게 사람들은 전공, 관심사, 환경, 성향에 따라 서로 다른 분포를 가집니다.
In this way, people have different distributions based on their majors, interests, environments, and tendencies.
KL 발산(KL Divergence)의 본질은 모집단의 분포를 모방하는 데 있습니다.
The essence of KL DIVERSENCE is to mimic the distribution of the population (모집단, sample).
이 예시는 멀리 있는 것이 아닙니다 — 학생들은 여러분이 사용하는 언어 분포를, 좋든 싫든 그대로 따라 합니다.
You can see this example not far away : students will copy the distribution of the language you use, whether they like it or not.
여기 질문이 있습니다. 여러분은 수업에서 어떤 언어 분포를 제공하고 있나요?
Here is a Question : What kind of language distribution do you offer in your class?
여러분은 그것을 인식하고 바꿀 수 있나요?
Can you perceive and change it on your intention?
만약 어렵다면, AI에게 여러분을 보완해 달라고 요구하시겠습니까?
If not, would you require AI to supplement you?
The beauty is one of the purest abstractions that language can offer.
이것은 약 5000년 전 메소포타미아 수메르 문명에서 만들어진 인류 최초의 문자입니다.
This is humanity’s very first LETTER, created about 5,000 years ago in Mesopotamia’s Sumerian civilization.
기록에는 보리 다발 수, 양의 마리 수, 기름 단지 수가 적혀 있었습니다.
The record listed how many bundles of barley, how many sheep, and how many jars of oil there were.
즉, 인류 최초의 문자는 숫자였습니다.
In other words, the very first LETTER was numbers.
수학은 영어보다 오래된 인류의 공통 언어이며, 지금도 그렇습니다.
Mathematics is humanity’s oldest universal language — even older than English — and it remains so today.
수학의 가치는 기존 정의를 조합해 얼마나 아름다운 구조를 만들어내는가에 있습니다.
Its value lies in how beautifully it can combine existing definitions to form new structures.
이 ‘아름다움’은 언어가 줄 수 있는 가장 순수한 추상입니다.
This beauty is one of the purest abstractions that language can offer.
언어로 만들어진 문학은 보이지 않는 것을 보게 만들고,
Literature, as a creation of language, lets us see what is invisible,
언어는 감정과 상상을 서로 나눌 수 있게 합니다.
and language enables us to share emotions and imagination.
하지만 오늘날 우리의 학습은 점수와 입시, 취업 준비에만 집중되는 경우가 많습니다.
But today, our learning especially in Korea is often focused only on test scores, entrance exams, and job preparation.
만약 우리가 언어가 가진 감정, 추상, 아름다움을 표현하지 못한다면,
If we fail to express the emotions, abstractions, and beauty that language is capable of,
결국 계산의 정확성과 시간 효율성을 가진 AI에게 압도당하게 될 것입니다.
we will inevitably) be overtaken by AI — which surpassesus in efficiency and computational accuracy.
OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem
(중략)
(Part omitted for brevity)
“I came to teach English,
but it was you who taught me the way.”
아직도 그날이 생생히 떠오릅니다.
I still remember that day vividly.
대학생 시절, 캠퍼스에서 한 외국인 교수님이 제게 길을 물었습니다.
When I was a student, a foreign professor asked me for directions on campus.
행정과로 가는 길을 함께 걸으며 이야기를 나눴고, 그녀는 이렇게 말했습니다.
As we walked together, she said something I will never forget:
“나는 영어를 가르치러 왔지만, 길을 가르쳐 준 것은 너였다.”
“I came to teach English, but it was you who taught me the way.”
그 순간, 우리는 잠시지만 하나의 팀이었습니다.
In that moment, we were one team.
20년이 지난 지금, 그 순간이 다시 이곳에서 이어지고 있는 것 같습니다.
Twenty years later, I feel that moment is happening again here today.
언어라는 아름다운 인류의 발명이 과거의 나와 그녀, 오늘의 나와 여러분, 그리고 미래의 여러분과 누군가를 아름답게 이어주는 것 같습니다.
“It feels as if language — this beautiful human invention — is what connects my past self and that professor, my present self and all of you here today, and your future selves with the people you will meet one day.
여러분의 열정과, 여러분이 만들어갈 미래를 진심으로 응원합니다.
I wholeheartedly cheer for your passion and the future you will create.
Thank you. 감사합니다.
Please feel free to reach out if you’d like a lecture in English on AI, digital transformation, coding, or education.
