[중‧고등학생을 위한 인공지능 윤리 수업 사례]
Mediapipe란?
Mediapipe는 구글이 제공하는 오픈소스 머신러닝 라이브러리로, 얼굴 인식·손동작 추적·객체 감지 등 다양한 컴퓨터 비전 기능을 손쉽게 체험할 수 있도록 도와줍니다.
단, Mediapipe 체험 서비스는 구글 개인 계정으로만 로그인 가능하다는 점을 학생들에게 사전에 안내해야 합니다.
수업에서 활용할 수 있는 주요 기능
Mediapipe는 여러 가지 시각 인식 기능을 제공합니다. 이 중 교육적으로 활용할 수 있는 대표 기능은 다음과 같습니다:
•
Object Detection (객체 탐지): 이미지 속 사물을 구분하고 위치를 추적
•
Image Segmentation (이미지 분할): 배경과 인물·사물을 분리
•
Gesture Recognition (제스처 인식): 손동작을 인식해 특정 의미와 연결
•
Hand Landmark Detection (손 관절 추적): 손가락 움직임을 세밀하게 분석
이 기능들을 수업 상황에 맞게 묶어 활용하면 윤리적 고민으로 확장할 수 있습니다.
수업 사례 1:
자율주행 자동차와 윤리
•
활용 기능: Object Detection + Image Segmentation
도입 (문제 상황 제시)
•
영상 시청
교사가 먼저 자율주행차가 도로 위 상황을 인식하는 과정을 보여주는 영상을 제시합니다.
◦
예시 영상: Segmentation 예시 (YouTube)
◦
영상 속에서 차량이 도로 위 사람이나 장애물을 분리해 내는 장면을 관찰하며 “AI가 세상을 어떻게 바라보는지” 감각적으로 이해시킵니다.
•
교사 발문
◦
“자율주행차가 도로에서 우리를 어떻게 ‘보고’ 있을까요?”
◦
“사람처럼 보는 게 아니라, AI는 이미지를 숫자(픽셀 단위 정보)로 분석해 ‘이건 사람, 이건 자동차’라고 나눕니다.”
체험 활동 (Mediapipe 데모 실행)
Object Detection 체험
•
활동 방법
1.
학생들이 각자 노트북·태블릿에서 Object Detection 데모 실행
2.
교실 안의 물체(책, 가방, 친구 얼굴, 필기구 등)를 카메라에 비춥니다.
3.
화면에 자동으로 사각형 박스와 라벨(예: person, book, chair)이 나타납니다.
•
관찰 포인트
◦
움직이면 박스도 따라 움직이는 것 → AI가 실시간 추적함을 확인
◦
어떤 사물은 잘 인식되지만, 어떤 것은 못 잡아낼 수도 있다는 점 체험
Confidence Score (신뢰 점수, 신뢰도 지표)
→ Confidence Score = 모델이 어떤 결과를 선택할 때의 신뢰도 척도
→ 이 값은 실제 확률이 아니라, 모델이 학습 데이터 안에서 본 패턴에 비춰 얼마나 자신 있는지를 표현한 것
→ MediaPipe는 내부적으로 0~1 확률을 쓰지만, 사용자에게 더 직관적으로 보이도록 출력할 때 ×100 해서 퍼센트로 표시
Image Segmentation 체험
•
활동 방법
1.
Segmentation 데모 실행 → 웹캠 화면 속 배경과 인물을 픽셀 단위로 구분
2.
인물은 분홍색 마스크로 표시되고, 배경은 그대로 유지됨
3.
학생들이 자리를 바꿔 앉거나 손을 흔들어 보면서 마스크 변화 확인
•
관찰 포인트
◦
카메라가 사람과 배경을 어떻게 나누는지 직접 체험
◦
조명·배경 색에 따라 인식 정확도가 달라짐
확장 활동 (선택) – Interactive Segmentation
•
활동 방법
1.
학생이 사진을 업로드하거나 카메라로 즉석 촬영
2.
화면에서 관심 있는 객체(예: 자동차, 강아지, 사람)를 클릭
3.
AI가 전체 이미지를 분할한 뒤, 클릭한 영역만 색을 칠해 강조
4.
같은 사진이라도 학생마다 다른 대상을 클릭하면 결과가 달라짐
•
학습 포인트
◦
AI는 전체 결과를 만들어 놓고, 사람의 선택에 따라 어떤 부분을 강조할지 달라진다.
◦
→ “AI가 자동으로 다 하는 것 같지만, 결국 인간의 의도가 개입된다.”
윤리 토론 (심화)
•
토론 주제 제시
◦
“자율주행차가 ‘사람 한 명 vs 여러 사람’ 중 누구를 피해야 할 상황이라면, 어떻게 결정해야 할까요?”
◦
“AI 오작동이나 오류가 나서 사고가 나면, 책임은 누구에게 있을까요? (운전자? 제조사? 프로그래머?)”
◦
“기술이 인간의 생명을 대신할 수 있을까요?”
•
소그룹 토론 진행
◦
조별로 5분 토론 후 발표
◦
긍정적 시각: 교통사고 줄이기, 운전 불편 해소, 교통약자 보조
◦
부정적 시각: 판단 기준의 모호함, 책임 소재 불분명, 윤리적 딜레마
•
교사 마무리
◦
“AI는 사람을 대신해 판단하는 것 같지만, 결국 사람이 설계한 규칙을 따릅니다.”
◦
“그래서 기술 개발뿐 아니라 윤리·법적 기준이 함께 마련되어야 합니다.”
정리 및 확장
•
학습 정리
◦
AI는 이미지를 픽셀 단위로 분석해 객체를 인식(Object Detection)하고, 구분(Image Segmentation)합니다.
◦
그러나 어떤 결과를 활용할지는 결국 사람의 선택에 달려 있습니다.
•
확장 연결
◦
“이 기술은 교통뿐 아니라 의료 영상 분석, 로봇 제어, 보안 감시 등 다양한 분야에서 쓰입니다.”
◦
“AI 기술이 사회 속에서 쓰일 때, 반드시 윤리와 법적 책임을 고려해야 합니다.”
수업 사례 2:
손 제스처 인식과 프라이버시
•
활용 기능: Gesture Recognition + Hand Landmark Detection
도입 (문제 상황 제시)
•
교사 발문:
“손을 들어 카메라 앞에서 흔들어 보세요. 그런데 만약 컴퓨터가 여러분 손가락 모양을 보고 ‘좋아요 ’, ‘정지 ’, ‘승리 ’ 같은 의미를 알아챈다면 어떨까요?”
’, ‘정지 ’, ‘승리 ’ 같은 의미를 알아챈다면 어떨까요?”•
학습 동기 유발:
학생들에게 “여러분은 손동작만으로 게임을 조작하거나 음악을 켤 수 있다면 편할까요? 불편할까요?” 질문 → 간단한 의견 공유
Hand Landmarker 데모 체험
•
활동 방법:
1.
Hand Landmarker 데모 접속
2.
카메라 권한 허용 후, 학생들이 직접 손을 들어 화면에 보여줌
3.
화면 속 손가락 마디(21개)가 점과 선으로 실시간 표시됨
•
교사 설명 포인트:
◦
AI가 사진 전체를 보는 게 아니라 손의 특징점(landmarks 좌표)만 추출한다.
◦
각 점은 실제로 좌표(x, y, z) 값을 가지며, 이를 이용해 손가락 위치와 움직임을 계산할 수 있다.
◦
예: 엄지 끝은 내부적으로 4번, 검지 끝은 8번에 해당 → 화면에는 번호가 나오지 않지만 좌표 데이터는 기록됨.
•
탐구 질문:
◦
“엄지 끝 좌표가 다른 손가락보다 위에 있으면 어떤 동작일까요?” → Thumbs Up 추론 가능
◦
“모든 손끝이 손목에 가까우면 무슨 동작일까요?” → 주먹(Closed Fist)
Gesture Recognizer 데모 체험
•
활동 방법:
1.
Gesture Recognizer 데모 접속
2.
같은 방식으로 손을 들어보면, 화면에 자동으로 제스처 이름 출력됨
•
→ Thumb_Up•
→ Open_Palm•
→ Victory•
→ Closed_Fist•
→ Pointing_Up•
→ ILoveYou•
교사 설명 포인트:
◦
Hand Landmarker에서 얻은 좌표를 AI가 학습해 미리 정해진 제스처로 분류하는 것
◦
좌표 → 특징 벡터 → 분류 모델 → 결과 레이블
◦
따라서 새롭거나 학습되지 않은 제스처(예: 손가락 하트)는 인식되지 않음
비교·연결 활동
•
활동 비교 질문:
1.
“Hand Landmarker는 좌표만 주고, Gesture Recognizer는 이름까지 알려주죠. 둘의 차이는 뭘까요?”
•
Landmarker: 원시 데이터 제공 (직접 해석 가능)
•
Recognizer: 사전학습된 결과 제공 (편리하지만 한정적)
2.
“만약 새로운 제스처(하트, 특정 동작)를 인식시키려면 어떻게 해야 할까요?”
•
Landmarker 좌표를 이용해 규칙을 만들거나 → 새로 학습시켜야 함
•
실습 확장:
교사가 간단한 규칙 예시를 제시
if thumb_tip_y < index_tip_y:
print("엄지를 들었네요 → Thumb Up")
Python
복사
→ 학생들이 좌표 조건을 바꿔 “내 제스처 판별 규칙”을 직접 작성
정리·토론 (윤리·사회적 연결)
•
발문:
“만약 이 기술이 놀이·게임에만 쓰이는 게 아니라, CCTV나 수업 시간 감시에 쓰인다면 어떨까요?”
•
소그룹 토론 주제:
◦
긍정적 사례: 게임 인터페이스, 장애인 보조 장치, 스마트홈 제어
◦
부정적 사례: 감시 카메라 추적, 동의 없는 데이터 수집
•
교사 마무리:
◦
“기술은 중립적이지만, 활용 방향은 사회와 사람의 선택에 달려 있습니다.”
◦
“그래서 개인정보 보호법, AI 윤리 원칙이 중요합니다.”
앞서 살펴본 바와 같이, Mediapipe는 단순히 흥미로운 기술 체험을 넘어 학생들에게 AI의 작동 원리와 사회적 맥락을 함께 탐구할 기회를 제공합니다. 객체 탐지와 이미지 분할을 통해서는 자율주행차의 윤리적 딜레마를, 손 제스처 인식을 통해서는 프라이버시와 감시 기술의 양면성을 체험할 수 있었습니다. 비록 교실에서의 작은 체험이지만, 학생들은 그 안에서 '기술은 중립적이지만 활용은 인간의 선택에 달려 있다'는 중요한 메시지를 깨달을 수 있습니다. AI가 우리 일상 깊숙이 스며들고 있는 지금, 학생들이 단순한 기술 사용자가 아닌 비판적 사고능력을 갖춘 디지털 시민으로 성장하는 것이 무엇보다 중요합니다. 앞으로도 AI 교육은 단순한 기능 이해를 넘어, 학생들이 책임감 있는 사용자이자 미래의 개발자로 성장할 수 있도록 이끄는 방향으로 나아가야 할 것입니다.