머신러닝, 딥러닝, 강화학습을 활용한 인공지능학과 심화 탐구 주제 A to Z (2022 개정 교육과정 과목 기준 주제 총정리)

 

인공지능학과 생기부,
'챗GPT 후기'만 쓰면 바로 탈락이다!

(AI의 작동 원리를 수학으로 증명하는 탐구 주제 가이드)

자, 미래의 AI 개발자들.

챗GPT 좀 써보고 AI 전문가 행세하는 거 아니죠? 'AI가 세상을 바꿀 것이다' 같은뜬구름 잡는 소리, 이제 지겹습니다.

교수님들이 보고 싶은 건 AI '사용 후기'가 아니라, AI의 '작동 원리'에 대한 여러분의 집요한 탐구입니다.

인공지능은 마법이 아닙니다. 수학과 통계, 그리고 데이터로 쌓아 올린 지독하게 논리적인 학문입니다.

여러분의 그 대단한 아이디어를 '수학적 모델링과 알고리즘적 사고'로 증명해야 합니다.

이 글에는 공통 과목부터 융합 선택까지, 여러분의 생기부를 '학습된 모델'처럼 만들어 줄 탐구 주제들만 전부 담았습니다. 바로 시작합니다.

• 공통 과목으로 AI 사고력의 기초 다지기
• 일반 선택 과목으로 AI의 뼈대 세우기
• 진로 선택 과목으로 전문 역량 심화하기
• 융합 선택 과목으로 AI 솔루션 창조하기
• 자주 묻는 질문 (FAQ)

[공통 과목] : 모든 인공지능의 시작점

가장 기본이라 배우는 게 아니야. 가장 중요하니까 배우는 거다.

[공통수학1, 2] 수학적 논리로 AI를 이해하다

▶ 주제1: 경우의 수를 활용한 탐색 알고리즘의 시간 복잡도 분석

탐구 방향: 모든 경우의 수를 탐색하는 '완전 탐색' 알고리즘의 원리를 학습해. 문제 크기(n)가 커짐에 따라 탐색 경우의 수가 순열/조합으로 어떻게 기하급수적으로 증가하는지 분석하고, '시간 복잡도' 개념을 탐구해.

▶ 주제2: 머신러닝의 손실 함수 최적화에 나타난 이차함수의 활용

탐구 방향: 머신러닝 모델이 예측값과 실제값의 오차를 측정하는 '손실 함수' 개념을 조사해. 평균 제곱 오차(MSE)가 이차함수 형태임을 이해하고, 오차를 최소화하는 지점(그래프 꼭짓점)을 찾는 과정이 모델 학습의 핵심임을 이차함수 개념으로 탐구해봐.

▶ 주제3: 분류 모델의 성능 평가 지표 분석에 적용되는 집합과 명제의 원리

탐구 방향: AI가 질병을 진단하는 상황을 가정하고, 실제 환자와 정상인을 AI가 어떻게 예측하는지 분할표로 나타내. '실제 환자 집합', 'AI 예측 환자 집합' 등을 활용해 참 긍정(TP), 거짓 부정(FN) 등을 집합의 연산으로 이해하고, 모델의 정확도를 평가하는 원리를 탐구해.

▶ 주제4: 함수의 합성과 역함수 개념을 통한 인공신경망의 구조 이해

탐구 방향: 인공신경망의 각 계층을 하나의 함수로 간주해. 입력 데이터가 여러 계층을 통과하며 변환되는 과정을 '함수의 합성'으로 이해해. 출력값 오차를 기반으로 가중치를 조정하는 '역전파' 알고리즘 개념을 '역함수' 원리와 유비적으로 연결하여 탐구해봐.

[공통영어1, 2] 글로벌 AI 커뮤니티의 언어

▶ 주제1: 자연어 처리(NLP)에서의 토큰화(Tokenization)와 영어 문장 구조의 관계

탐구 방향: AI가 인간 언어를 이해하는 첫 단계인 '토큰화' 원리를 탐구해. 영어의 복합명사, 축약형, 구동사 등을 AI가 어떻게 하나의 의미 단위로 인식하고 처리하는지, 문장 구조 특성을 중심으로 분석하며 언어학과 AI의 접점을 탐색해.

▶ 주제2: 챗GPT와 같은 생성형 AI의 영어 작문 능력 분석 및 교육적 활용 방안 연구

탐구 방향: 동일한 주제에 대해 직접 쓴 영문 글과 생성형 AI가 쓴 글을 비교 분석해. 문법 정확성, 어휘 다양성, 논리 일관성 측면에서 AI의 장단점을 평가하고, 영어 학습자가 AI를 효과적으로 활용해 작문 능력을 향상시킬 방안을 제안해봐.

[통합사회1, 2] AI 기술과 사회의 상호작용

▶ 주제1: 인공지능 채용 시스템의 공정성 문제와 사회적 합의에 대한 탐구

탐구 방향: AI가 이력서를 스크리닝할 때, 과거 데이터의 편향을 학습해 특정 성별이나 출신 학교를 차별할 가능성을 탐구해. 이 '알고리즘적 편향'이 '사회정의와 불평등' 문제에 어떻게 연결되는지 분석하고, 공정한 AI 시스템을 만들기 위한 기술적, 제도적, 윤리적 해결 방안을 모색해.

▶ 주제2: 세계화 시대의 AI 기술 격차(AI Divide)가 국가 간 불평등에 미치는 영향

탐구 방향: AI 기술 선도국과 비선도국 간의 경제적, 사회적 격차가 어떻게 심화될 수 있는지 '세계화와 평화' 관점에서 탐구해. 데이터 주권, AI 인재 유출 등의 문제를 분석하고, 기술 격차 해소와 AI 혜택 공유를 위한 국제 협력의 필요성을 탐구해봐.

[통합과학1, 2] 자연에서 배우는 AI의 원리

▶ 주제1: 생명 시스템의 정보 처리 방식(유전자와 단백질)과 인공신경망의 비교

탐구 방향: DNA의 유전 정보가 단백질로 발현되는 '중심원리'를 정보의 저장, 전사, 번역 과정으로 분석해. 이를 컴퓨터의 정보 처리 및 인공신경망의 정보 전달 방식과 비교하며, 생명 시스템과 인공지능 시스템의 정보 처리 원리의 유사성과 차이점을 탐구해.

▶ 주제2: 자연선택 알고리즘을 모방한 유전 알고리즘(Genetic Algorithm)의 최적화 문제 해결 원리

탐구 방향: 생물의 '변이'와 '자연선택'을 통해 환경에 가장 잘 적응하는 개체가 살아남는 진화의 원리를 탐구해. 이 원리를 컴퓨터 시뮬레이션에 적용해, 수많은 해(解)들 중에서 가장 최적의 해를 찾아내는 '유전 알고리즘'의 작동 방식(선택, 교차, 변이)을 분석해봐.

[과학탐구실험1, 2] 데이터로 증명하는 AI

▶ 주제1: 연역적 탐구 과정을 적용한 머신러닝 프로젝트 설계 및 수행

탐구 방향: '날씨 데이터로 다음 날 강수 여부 예측하기' 같은 구체적인 문제를 설정해. '가설 설정 → 탐구 설계 → 탐구 수행 → 결과 분석'의 연역적 탐구 절차에 따라 머신러닝 프로젝트를 직접 수행하며, 과학적 탐구 방법과 AI 개발 과정의 유사성을 체득해.

▶ 주제2: 생활 속 데이터(예: 스마트폰 사용 시간, 수면 패턴)를 활용한 자기 관리 AI 모델 아이디어 제안

탐구 방향: 자신의 일상생활에서 수집 가능한 데이터를 정의하고, 이를 분석해 유의미한 패턴을 발견하는 탐구를 설계해. 스마트폰 사용 시간과 다음 날 컨디션 관계를 분석해 최적의 휴식 시간을 제안해주는 AI 앱 아이디어를 구체적인 데이터 수집, 분석 알고리즘, 기대 효과와 함께 제시해봐.

[일반 선택 과목] : 인공지능의 뼈대를 세우다

수학, 물리, 정보 지식으로 AI의 작동 원리를 깊이 있게 파고들어라.

[대수] 수학적 모델로 AI의 행동을 설계하다

▶ 주제1: 지수함수를 이용한 인공신경망 활성화 함수(Sigmoid, ReLU)의 특성 분석

탐구 방향: 인공신경망에서 뉴런의 활성/비활성을 결정하는 활성화 함수의 역할을 조사해. 대표적인 활성화 함수인 시그모이드(Sigmoid)가 자연상수 e를 포함한 지수함수 형태임을 이해하고, 이 함수의 그래프적 특징(0과 1 사이의 값을 가짐)이 어떻게 '확률적 분류' 문제에 효과적으로 사용되는지 탐구해.

▶ 주제2: 등차수열과 등비수열을 활용한 강화학습의 보상 감가율(Discount Factor) 연구

탐구 방향: 강화학습에서 AI가 '현재의 보상'을 '미래의 보상'보다 더 가치있게 여기도록 만드는 '보상 감가율' 개념을 탐구해. 미래 보상에 일정한 비율을 계속 곱해나가는 과정이 등비수열 형태임을 이해하고, 감가율 크기에 따라 AI의 행동 전략이 어떻게 단기적 보상을 추구하는지 또는 장기적 보상을 추구하는지로 달라지는지 분석해.

[확률과 통계] 데이터로 불확실성을 예측하다

▶ 주제1: 조건부확률과 베이즈 정리를 이용한 나이브 베이즈 분류기의 스팸 메일 필터링 원리

탐구 방향: '광고'라는 단어가 포함되었을 때 해당 메일이 스팸일 조건부확률을 베이즈 정리를 이용해 계산하는 원리를 탐구해. 각 단어의 등장 확률이 서로 독립적이라고 '순진하게(naively)' 가정하는 나이브 베이즈 분류기가 어떻게 텍스트 분류 문제에서 효과적으로 작동하는지 그 수학적 원리를 심층 분석해.

▶ 주제2: 통계적 가설 검정을 이용한 A/B 테스트와 서비스 개선 의사결정

탐구 방향: 웹사이트나 앱에서 두 가지 시안(A/B) 중 어떤 것이 더 높은 사용자 반응을 이끌어내는지 검증하는 A/B 테스트를 탐구해. 두 그룹 간의 차이가 우연인지 통계적으로 유의미한 차이인지를 t-검정과 같은 가설 검정 방법을 통해 판단하는 과정을 분석하며 데이터 기반의 합리적 의사결정 원리를 이해해.

[미적분Ⅰ] 변화율로 AI의 학습 방향을 찾다

▶ 주제1: 경사하강법(Gradient Descent)에 나타난 미분과 접선의 기울기의 활용

탐구 방향: 머신러닝 모델이 오차(손실 함수)를 최소화하기 위해 사용하는 핵심 최적화 알고리즘인 경사하강법의 원리를 탐구해. 손실 함수의 특정 지점에서 미분을 통해 접선의 기울기를 구하고, 기울기의 반대 방향으로 이동하며 최저점을 찾아가는 과정을 시각적으로, 또 수학적으로 분석해.

▶ 주제2: 오차역전파법(Backpropagation)의 핵심 원리인 '연쇄 법칙(Chain Rule)'에 대한 탐구

탐구 방향: 다층 신경망에서 출력층의 오차가 입력층의 가중치에 미치는 영향을 계산하기 위해 '연쇄 법칙'이 어떻게 사용되는지 탐구해. 합성함수의 미분법인 연쇄 법칙을 통해 각 계층의 오차 기여도를 역으로 추적하며 계산하는 과정을 분석하며, 딥러닝 학습의 가장 핵심적인 수학적 원리를 이해해.

[물리학] AI의 눈과 뇌의 하드웨어 기반

▶ 주제1: 강화학습 시뮬레이션 환경에서의 물리 엔진 구현 - 뉴턴 운동 법칙을 중심으로

탐구 방향: AI 에이전트가 학습하는 가상 환경(로봇 시뮬레이터, 게임 등)에서 물리 법칙이 어떻게 적용되는지 탐구해. 가상 객체의 움직임, 충돌, 마찰 등을 계산하는 데 '뉴턴 운동 법칙'이 어떻게 기본 알고리즘으로 사용되는지 분석하며, AI 학습 환경 구축에 물리학이 필수적임을 이해해봐.

▶ 주제2: 인공지능 이미지 인식의 기반이 되는 반도체 이미지 센서(CIS)의 작동 원리 탐구

탐구 방향: 컴퓨터 비전의 눈 역할을 하는 이미지 센서가 어떻게 빛을 전기 신호로 변환하는지 탐구해. 빛 에너지가 반도체 소자(포토다이오드)에 닿았을 때 전자가 생성되는 '광전효과'와, 반도체의 '에너지띠' 구조가 이 과정을 어떻게 가능하게 하는지 물리적으로 분석하며 AI 기술의 하드웨어적 기반을 심층 이해해.

[정보] 알고리즘과 자료구조의 핵심

▶ 주제1: 자료구조(스택, 큐, 트리)가 알고리즘의 효율성에 미치는 영향 분석

탐구 방향: 동일한 문제를 해결하더라도 어떤 자료구조를 사용하느냐에 따라 알고리즘의 속도와 메모리 효율성이 크게 달라짐을 탐구해. 예를 들어, 그래프 탐색에서 깊이 우선 탐색(DFS)은 스택을, 너비 우선 탐색(BFS)은 큐를 사용하는 이유를 분석하고, 트리 구조가 데이터 검색의 효율성을 어떻게 높이는지 탐구해.

▶ 주제2: 정렬 알고리즘(버블 정렬, 선택 정렬, 퀵 정렬)의 시간 복잡도 비교 분석

탐구 방향: 다양한 정렬 알고리즘의 작동 방식을 이해하고, 데이터의 개수(n)에 따라 비교 및 교환 연산 횟수가 어떻게 변하는지를 분석해. '빅오 표기법'을 사용하여 각 알고리즘의 효율성을 정량적으로 비교하며, 효율적인 알고리즘 설계의 중요성을 탐구해.

반응형

[진로 선택 과목] : 전공 역량, 여기서 증명된다

이제 진짜 AI 전문가처럼 생각해볼 시간. 심화 수학과 데이터, 로봇을 넘나들어 봐.

[기하], [미적분Ⅱ] 고차원 공간과 데이터 압축의 수학

▶ 주제1: 벡터와 내적을 이용한 서포트 벡터 머신(SVM)의 분류 원리 탐구 (기하)

탐구 방향: 두 그룹의 데이터를 가장 잘 구분하는 '경계선'을 찾는 머신러닝 알고리즘인 SVM의 원리를 탐구해. 각 데이터를 고차원 공간의 벡터로 표현하고, 두 그룹 사이의 거리가 최대가 되는 초평면을 찾는 과정에서 벡터의 내적과 정사영이 어떻게 핵심적으로 사용되는지 기하학적으로 분석해.

▶ 주제2: 자연어 처리에서의 '어텐션 메커니즘'과 소프트맥스(Softmax) 함수의 활용 (미적분Ⅱ)

탐구 방향: 번역 모델 등에서 문장의 특정 단어에 더 집중하는 '어텐션 메커니즘'을 탐구해. 여러 단어의 중요도를 0과 1 사이의 확률값으로 변환하고 총합이 1이 되도록 만드는 '소프트맥스' 함수가 지수함수와 미분을 어떻게 활용하는지, 이것이 모델 성능을 어떻게 향상시키는지 수학적으로 분석해.

[인공지능 수학], [인공지능 기초], [데이터 과학] AI의 핵심 알고리즘

▶ 주제1: 이미지 분류에 사용되는 합성곱 신경망(CNN)의 행렬(필터) 연산 원리 탐구 (인공지능 수학)

탐구 방향: CNN이 이미지의 특징(윤곽선, 질감 등)을 어떻게 추출하는지 탐구해. 이미지 데이터(픽셀)를 큰 행렬로, 특징을 추출하는 필터를 작은 행렬로 보고, 두 행렬의 합성곱 연산을 통해 특징 맵이 생성되는 과정을 직접 계산하며 컴퓨터 비전의 핵심 원리를 수학적으로 이해해.

▶ 주제2: 게임 트리 탐색 알고리즘(Minimax)의 원리와 이를 적용한 간단한 인공지능(틱택토) 설계 (인공지능 기초)

탐구 방향: 틱택토 게임에서 AI가 가능한 모든 경우의 수를 트리 형태로 탐색하고, 자신의 승리를 최대화하며 상대의 승리는 최소화하는 최적의 수를 찾는 '미니맥스 알고리즘'의 원리를 탐구해. 이를 바탕으로 직접 틱택토 AI의 의사결정 로직을 설계하고 구현해봐.

▶ 주제3: 결정 트리(Decision Tree) 알고리즘을 활용한 타이타닉호 생존자 예측 모델 구축 및 분석 (데이터 과학)

탐구 방향: 타이타닉호 탑승객의 데이터로 생존 여부를 예측하는 문제를 탐구해. '엔트로피'나 '지니 불순도'를 최소화하는 방향으로 질문을 만들어가며 데이터를 분류하는 결정 트리 알고리즘의 학습 원리를 분석하고, 생성된 모델로 어떤 변수가 생존에 가장 큰 영향을 미쳤는지 해석해봐.

[로봇과 공학세계] 움직이는 인공지능

▶ 주제1: SLAM(동시적 위치 추정 및 지도 작성) 알고리즘의 원리와 자율주행 로봇의 공간 인지

탐구 방향: 자율주행 로봇이 미지의 환경에서 자신의 위치를 추정하면서 동시에 주변 지도를 작성하는 SLAM 기술의 핵심 원리를 탐구해. 라이다(LiDAR) 센서 데이터와 로봇의 움직임 정보를 어떻게 결합하여(칼만 필터 등) 오차를 줄이고 정확한 지도를 생성하는지 그 알고리즘적 과정을 분석해.

▶ 주제2: ROS(Robot Operating System)의 구조와 모듈형 로봇 소프트웨어 개발

탐구 방향: 복잡한 로봇 소프트웨어를 개발하기 위한 표준 플랫폼인 ROS의 기본 구조(노드, 토픽, 메시지)를 학습해. 센서 데이터 처리, 모터 제어 등 각각의 기능을 독립적인 '노드'로 개발하고, 이 노드들이 '토픽'이라는 통로를 통해 메시지를 주고받으며 협력하는 방식을 탐구해봐.

[융합 선택 과목] : 경계를 허물어 세상을 바꾸다

진짜 실력은 여기서 드러나. 수학, 사회, 윤리, 공학을 넘나들며 너만의 AI 솔루션을 설계해봐.

[실용 통계], [수학과제 탐구] 수학적 문제 해결의 심화

▶ 주제1: 몬테카를로 시뮬레이션을 이용한 알고리즘의 평균 성능 분석 (실용 통계)

탐구 방향: 알고리즘 성능이 입력 데이터에 따라 달라질 때, 수많은 무작위 데이터를 생성해 알고리즘을 반복 실행하고 그 결과의 평균과 분포로 성능을 통계적으로 추정하는 몬테카를로 시뮬레이션 기법을 탐구해. 이론적으로 분석하기 어려운 알고리즘의 실제 성능을 평가하는 방법을 학습해봐.

▶ 주제2: 페이지랭크(PageRank) 알고리즘에 나타난 고유값과 고유벡터의 활용 (수학과제 탐구)

탐구 방향: 구글 검색 엔진의 초기 핵심 원리인 페이지랭크 알고리즘을 탐구해. 웹페이지들을 노드로, 링크를 간선으로 하는 그래프를 가정하고, '중요한 페이지로부터 링크된 페이지가 중요하다'는 아이디어를 행렬의 고유벡터 문제로 변환하여 각 페이지의 중요도를 계산하는 과정을 수학적으로 분석해.

[사회문제 탐구], [윤리문제 탐구] AI와 사회의 공존

▶ 주제1: 인공지능 면접관 도입에 따른 채용 공정성 문제와 사회적 합의에 대한 탐구 (사회문제 탐구)

탐구 방향: AI 면접이 지원자의 표정, 목소리, 단어 선택 등을 분석하는 원리를 조사해. 이 과정에서 특정 집단에 대한 편향이 개입될 가능성과, 비언어적 표현만으로 역량을 평가하는 것의 타당성을 비판적으로 분석하며 기술 도입에 따른 새로운 사회적 갈등과 해결 방안을 모색해.

▶ 주제2: 자율주행 자동차의 '트롤리 딜레마'와 AI의 윤리적 의사결정 (윤리문제 탐구)

탐구 방향: 사고가 불가피한 상황에서 자율주행차가 보행자를 보호해야 하는지, 탑승자를 보호해야 하는지에 대한 윤리적 딜레마를 탐구해. 공리주의적 관점과 의무론적 관점에서 각 선택의 윤리적 근거를 분석하고, 이러한 윤리적 판단을 AI 알고리즘에 어떻게 프로그래밍할 수 있을지 그 가능성과 한계를 고찰해.

[창의 공학 설계], [소프트웨어와 생활] 아이디어를 현실로

▶ 주제1: 이미지 인식을 활용한 시각장애인용 보조 기구 설계 및 프로토타입 제작 (창의 공학 설계)

탐구 방향: 라즈베리파이와 카메라 모듈, 오픈소스 이미지 인식 소프트웨어를 활용하는 프로젝트를 설계해. 카메라에 잡힌 사물이나 텍스트를 인식해 음성으로 알려주는 보조 기구의 프로토타입을 구상하고, 그 제작 과정을 통해 AI 기술을 실제 문제 해결에 적용하는 창의적 공학 설계 능력을 보여줘.

▶ 주제2: 피지컬 컴퓨팅을 활용한 스마트홈 IoT 시스템과 인공지능의 연동 (소프트웨어와 생활)

탐구 방향: 아두이노나 라즈베리파이로 센서 데이터를 수집하는 IoT 장치를 만들어. 수집된 데이터를 바탕으로 사용자의 생활 패턴을 AI가 학습하고, "사용자가 집에 가까워지면 미리 에어컨을 켠다"와 같이 자동으로 기기를 제어하는 스마트홈 시스템을 소프트웨어적으로 구현하며 융합적 문제 해결 능력을 탐구해.

이치쌤의 쓴소리 Q&A (인공지능학과 편)

수학 완전 잘해야 AI 전공할 수 있나요?

'수학 천재'일 필요는 없어. 하지만 수학을 싫어하면 절대 못 해. AI는 마법이 아니라 수학이야. 특히 선형대수, 미적분, 확률과 통계는 AI의 언어야. 이 언어를 모르면 챗GPT가 왜 그런 답을 내놓는지 평생 이해 못 하고 그냥 '사용자'로만 남는 거야.

컴퓨터공학과랑 인공지능학과는 뭐가 다른가요?

컴공이 컴퓨터라는 '기계'와 '시스템'의 근본 원리를 넓게 배운다면, AI학과는 그 위에서 '데이터를 통해 스스로 학습하고 판단하는 소프트웨어'를 만드는 데 더 깊이 집중해. 컴공이 튼튼한 도로를 까는 학문이라면, AI는 그 도로 위를 달리는 자율주행차를 만드는 학문이라고.

코딩을 잘 못하는데 괜찮을까요?

지금 못하는 건 괜찮아. 앞으로 배울 거니까. 하지만 코딩을 싫어하고, 논리적으로 생각하는 것 자체를 싫어하면 이 길은 네 길이 아니야. AI 모델을 설계하는 건 결국 너의 논리적인 생각을 코드로 번역하는 과정이야. 코딩은 너의 생각을 표현하는 언어일 뿐, 중요한 건 그 안에 담길 너의 생각이야.

이제 네가 새로운 지능을 창조할 차례다.

세상이 만든 AI를 그저 신기하게 사용만 하는 사람으로 남을 건가?

아니면 그 작동 원리를 꿰뚫어 보고, 인류의 난제를 해결하는 새로운 지능을 설계하는 창조자가 될 건가?

오늘 본 주제 중에 네 뇌를 자극하는 것이 있다면, 그걸 물고 늘어져.

하나의 수학 공식을 이해하고, 하나의 알고리즘을 분석하는 너의 작은 탐구가 세상을 바꾸는 위대한 첫걸음이 될 거야.

고민만 하는 사람 말고, 행동하는 사람이 결국엔 이기는 거야.
네가 고른 주제와 그 이유, 댓글로 남겨봐. 이치쌤이 보고 제대로 가고 있는지 한마디 거들어주지.