국어쌤 이성원

AI 거품론이 일각에서 제기되는 가운데, 그 돌파구로 떠오르는 것이 바로 NPU(신경망 처리 장치) 분야입니다. 막대한 전력을 소모하는 GPU의 대항마로서, 우리 삶 곳곳에 저전력 고효율의 AI를 심어줄 핵심 기술이기 때문입니다. 이러한 메가트렌드의 한복판에서 개최된 엄청난 규모의 '2023 Furiosa AI Hackathon'.

현직 교사로서 에듀테크의 새로운 가능성을 늘 모색하던 저는, 뛰어난 동료들과 함께 팀 '파이브가이즈'를 결성해 PM(프로젝트 매니저) 역할을 맡아 이 뜨거운 전장에 뛰어들었습니다. 그리고 결과는 놀랍게도 우수상 수상이었습니다.

교실의 난제: 획일화된 난이도와 흥미 상실

저희 팀이 주목한 해결 과제는 '영어 독해 학습의 비효율성'이었습니다. 수십 명의 학생이 같은 지문을 읽지만, 막히는 단어와 이해도는 천차만별입니다. 하지만 교재는 하나뿐이고 교사는 모든 학생 옆에 붙어 단어를 알려줄 수 없습니다. 학생들은 모르는 단어가 세 번만 연속으로 반복되어도 텍스트 읽기를 포기하곤 합니다.

우리는 이 문제를 해결하기 위해 '눈동자 추적(Eye-tracking)' 이라는 생체 데이터를 활용하기로 했습니다. 학생이 영어 지문을 읽어 내려갈 때, 특정 단어에서 시선이 오래 멈추거나 당황하여 동공 지진이 일어나는 패턴을 AI가 인식하는 것입니다.

NPU와 양자화 모델이 쓴 기적: 자원의 한계를 넘다

구상한 아이디어는 훌륭했지만, 이 모델을 교실 환경에 적용하려면 넘어야 할 산이 있었습니다. 바로 '컴퓨팅 자원(하드웨어)의 한계' 였습니다. 눈동자의 미세한 움직임을 실시간으로 분석하면서 동시에 맞춤형 영어 단어 퀴즈와 맥락 설명까지 생성하려면 막대한 연산량이 필요합니다. 학교에 보급된 일반적인 태블릿이나 노트북으로는 턱없이 부족했죠.

여기서 바로 퓨리오사(Furiosa) AI의 NPU 칩과 양자화(Quantization) 모델의 진가가 발휘되었습니다.

극대화된 효율성: 기존 고가의 GPU가 아니면 불가능했던 무거운 연산들을, NPU에 최적화된 양자화된(압축된 가벼운) 모델을 사용함으로써 매우 적은 자원과 전력만으로도 매끄럽게 구동할 수 있었습니다.
실시간 상호작용: 학생의 시선 처리 데이터를 버퍼링 없이 즉각적으로 인퍼런스(추론)하여, 학생이 단어를 모른다고 인지조차 하기 전에 화면 옆에 자연스러운 힌트와 유사 단어를 띄워주는 초실감이 가능한 튜터를 구현했습니다.

기술이 교실에 닿을 때 진짜 혁신이 일어난다

심사위원 분들은 단순히 기술의 완성도뿐만 아니라, '어떤 문제를 풀기 위해 이 기술이 필요한가' 에 대한 현장 중심적인 기획 의도를 높게 평가해주셨습니다. 기술자를 위한 기술 개발이 아니라, 철저하게 '학습 결손 학생을 구조하겠다'는 교육적 목적이 퓨리오사 AI의 NPU 아키텍처와 완벽하게 핏(Fit)이 맞았던 것입니다.

저는 이번 해커톤 여정을 통해, 하드웨어의 발전(NPU)이 단지 IT 기업들의 전유물이 아니라 교실 구석구석에서 불평등을 해소하고 개인 맞춤형 학습을 실현하는 엄청난 지렛대가 될 수 있음을 온몸으로 체험했습니다.

앞으로도 저는 최전선에서 발전하는 딥테크(Deep Tech) 기술들을 가장 먼저 씹어 삼키고, 이를 가장 부드럽고 따뜻한 언어로 변역하여 우리 아이들의 교실로 가져오는 '교육 공학적 파이프라인' 역할을 충실히 수행하겠습니다.

AI 기반의 맞춤형 학습 솔루션 도입이나, 교사 주도의 에듀테크 해커톤 기획 등에 관심이 있는 기관이 있다면 상단의 Contact 도어를 언제든 두드려 주세요. 한계 없는 상상력을 함께 나누고 싶습니다.