AI 융합 (AI Convergence)
디지털 지능과 물리적 세계, 인간과 AI의 창의적 협업을 통한
새로운 융합 교육의 가능성을 탐구합니다.
Agentic AI
LLM 기반 워크플로 중심 AI 설계 패러다임Agentic AI는 거대언어모델(LLM)을 중심으로 목표 설정, 계획 수립, 추론, 도구 호출, 상태 기억을 통합한 워크플로 기반 AI 설계 패러다임으로, 단일 프롬프트에 대한 응답 생성이 아니라 연속적인 의사결정과 작업 수행을 가능하게 합니다.
이러한 시스템은 복잡한 과제를 단계적으로 분해하고, 각 단계에서 적절한 판단과 행동을 반복하며 실행 결과를 다시 추론 과정에 반영하는 구조를 가집니다. 이 과정에서 ReAct, RAG, 함수 호출과 같은 기법을 활용해 외부 정보와 실행 환경을 유기적으로 결합하고, LLM 기반 AI Orchestration을 통해 전체 작업 흐름을 조율합니다.
우리 연구소는 Agentic AI를 완전한 자율 에이전트가 아닌 인공지능의 자율성과 인간의 교육적 판단이 공존하는 인간 참여형(Human-in-the-loop) 에이전트 구조로 이해하고, 그 교육적 활용 가능성에 주목합니다. 이를 통해 교수·학습 설계와 탐구 활동을 지원하는 교육적 Agentic Workflow 모델의 가능성을 모색합니다.
Physical AI
물리적 상상력을 갖춘 차세대 인공지능 패러다임Physical AI는 가상 공간에 머물던 기존의 디지털 AI와 달리, 인공지능에 물리적 신체와 하드웨어를 결합하여 실제 세계와 직접 상호작용하는 차세대 AI 패러다임입니다. 인간의 뇌뿐만 아니라 신체 기능을 모방하여 감각(Sense)-사고(Think)-행동(Act)의 과정을 통해 물리적 환경을 인지하고 변화시키는 것을 목표로 합니다.
최근에는 VLA(Vision-Language-Action) 모델과 물리적 세계의 법칙을 내재화한 월드 모델(World Model)의 등장으로 급격히 발전하고 있으며, 로봇에게 행동의 결과를 미리 예측하는 ‘물리적 상상력’을 부여하고 있습니다.
우리 연구소는 Physical AI를 Embodied AI와 체화학습(Embodied Learning)을 연결하는 핵심 매개로 바라봅니다. 학습자가 신체적 행위를 통해 개념을 구성하도록 돕는 도구로서, 체화된 상호작용이 학습자의 개념 이해와 문제 해결에 미치는 영향을 탐구합니다.
바이브 코딩 (Vibe Coding)
말로 설계하고 AI로 구현하는 코딩바이브 코딩(Vibe Coding)은 복잡한 프로그래밍 언어 대신 자연어로 의도와 ‘느낌(Vibe)’을 전달하면 AI가 코드를 생성·수정·실행하는 새로운 소프트웨어 개발 패러다임입니다. ‘자연어 지시–실행–결과 확인–수정’으로 이어지는 반복적인 상호작용을 핵심 워크플로우로 삼습니다.
이 환경에서 개발자의 역할은 ‘작성자’에서, AI의 결과물을 감독하고 전체 시스템의 품질을 책임지는 ‘감독자이자 설계자’로 변화하고 있습니다.
우리 연구소는 바이브 코딩을 단순한 도구의 진화를 넘어 학습자의 인지 구조가 변화하는 현상으로 바라봅니다. 코드 작성의 부담이 AI로 이전되는 환경에서 문법 숙련이 아닌 의도 표현, 비판적 판단, 책임 있는 의사결정으로 이동하는 핵심 역량의 변화에 주목하여 새로운 교수·학습 원리를 모색합니다.
