튜러블머신은 초등학생들도 코딩 없이 머신러닝을 직접 체험할 수 있도록 만든 구글의 무료 AI 학습 도구입니다. 웹캠만 있으면 얼굴 표정, 사물, 몸짓, 소리까지 학습시키며 인공지능이 데이터를 어떻게 배우고 판단하는지 경험할 수 있습니다.
기존에는 AI를 배우기 위해 파이썬이나 복잡한 프로그래밍이 필요했지만, 튜러블머신은 데이터를 모으고 학습시키는 과정을 버튼 몇 번만 클릭하면 진행할 수 있어 초등 AI 교육과 AI 리터러시 수업에서 널리 활용되고 있습니다.
튜러블머신은 어떻게 학습할까요?
튜러블머신은 지도학습(Supervised Learning) 방식을 사용합니다.
쉽게 말하면 사람이 먼저 정답을 알려주고 AI가 그 특징을 학습하는 방식입니다.
예를 들어 웃는 얼굴과 무표정 얼굴을 구분하는 AI를 만든다면 다음과 같은 순서로 진행됩니다.
- 웃는 얼굴 사진을 여러 장 촬영합니다.
- 무표정 사진을 여러 장 촬영합니다.
- AI가 두 데이터를 비교하며 특징을 학습합니다.
- 새로운 얼굴을 보여주면 어떤 표정인지 예측합니다.
이처럼 AI는 사람처럼 생각하는 것이 아니라 많은 데이터를 비교하여 가장 비슷한 결과를 찾아내는 과정을 반복합니다.
튜러블머신 프로젝트 종류 비교
| 프로젝트 | 활용 예시 | 추천 연령 |
|---|---|---|
| 이미지(Image) | 사물, 색깔, 표정 인식 | 초1 이상 |
| 포즈(Pose) | 가위바위보, 손들기, 춤 동작 인식 | 초3 이상 |
| 오디오(Audio) | 박수, 목소리, 악기 소리 인식 | 초4 이상 |
초등 저학년이라면 이미지 프로젝트부터 시작하는 것이 가장 쉽고, 익숙해지면 포즈 프로젝트로 확장하는 것을 추천합니다.
튜러블머신으로 얼굴 표정 AI 만들기
튜러블 머신(Teachable Machine) 바로가기 ↗튜러블머신을 이용한 첫 프로젝트는 웃는 얼굴과 무표정을 구분하는 AI입니다.
1. 이미지 프로젝트 선택
튜러블머신 홈페이지에서 Image Project를 선택.
2. 클래스(Class) 만들기
다음과 같이 두 개의 클래스를 생성.
- 웃음
- 무표정
3. 데이터 수집
- 웹캠을 이용하여 각 표정을 30~50장 정도 촬영(사진을 많이 촬영할수록 인식률 증가)
4. AI 학습하기
- Train Model 버튼을 누르면 AI가 데이터를 분석하고 학습을 시작
5. 결과 확인하기
웃는 얼굴을 보여주면
- 웃음 97%
- 무표정 3%
위와 같이 예측 결과가 나타납니다.
이 숫자는 Confidence(신뢰도) 라고 하며 AI가 얼마나 확신하는지를 의미.
포즈 프로젝트로 가위바위보 AI 만들기
이미지 프로젝트에 익숙해졌다면 포즈 프로젝트를 활용해 볼 수 있습니다.
예를 들어 다음과 같은 동작을 학습시킬 수 있습니다.
- 가위
- 바위
- 보
AI는 손 모양과 팔의 위치를 분석하여 어떤 동작인지 판단합니다.
이 기능을 활용하면 간단한 게임이나 체육 활동, 동작 인식 프로젝트도 만들 수 있습니다.
AI가 틀리는 이유도 함께 배울 수 있습니다
튜러블머신은 항상 정확한 결과를 보여주는 것은 아닙니다.
예를 들어
- 조명이 너무 어두운 경우
- 카메라 각도가 달라진 경우
- 데이터가 너무 적은 경우
AI가 잘못 판단하는 경우가 발생할 수 있습니다.
엔트리와 mBlock으로 확장하기
학습한 모델을 엔트리(Entry) 나 mBlock과 연동하면 더욱 다양한 프로젝트를 만들 수 있습니다.
예를 들어
- 웃으면 LED 켜기
- 손을 들면 로봇 출발
- 박수를 치면 음악 재생
- 특정 포즈를 하면 서보모터 움직이기
처럼 AI와 피지컬 컴퓨팅을 함께 활용할 수 있습니다
장애물 감지 로봇의 동작 과정
로봇은 아래와 같은 순서로 장애물을 감지하고 스스로 움직입니다.
① 전진
먼저 모터를 작동시켜 앞으로 이동합니다.
② 거리 측정
HC-SR04 초음파 센서가 전방의 거리를 실시간으로 측정합니다.
③ 장애물 감지
설정한 거리보다 가까운 장애물이 감지되면 즉시 다음 동작을 수행합니다.
④ 정지
충돌을 방지하기 위해 잠시 멈춥니다.
⑤ 후진 및 방향 전환
일정 거리만큼 후진한 뒤 왼쪽 또는 오른쪽으로 회전하여 새로운 이동 경로를 찾습니다.
⑥ 다시 전진
장애물이 없는 방향을 확인하면 다시 앞으로 이동합니다.
동작 순서: 전진 → 거리 측정 → 장애물 감지 → 정지 → 후진 → 방향 전환 → 다시 전진
AI · 블록코딩 · 피지컬컴퓨팅으로 확장하기
초음파 센서 프로젝트는 단순히 장애물을 피하는 자동차를 만드는 것에서 끝나지 않습니다. 다양한 기술과 결합하면 더욱 흥미로운 프로젝트를 구현할 수 있습니다.
AI와 결합하기
카메라와 AI를 활용하면 장애물뿐 아니라 사람, 동물, 사물까지 구분하는 인공지능 로봇으로 발전시킬 수 있습니다.
블록코딩으로 알고리즘 설계하기
엔트리를 이용하면 복잡한 코드를 작성하지 않고도 조건문과 반복문을 활용하여 자율주행 알고리즘을 직접 설계할 수 있습니다.
피지컬컴퓨팅 확장하기
초음파 센서 외에도 조도 센서, 적외선 센서, 온습도 센서 등을 연결하면 주변 환경을 인식하는 다양한 스마트 디바이스를 제작할 수 있습니다.
실생활 프로젝트로 응용하기
학습한 내용을 활용하면 장애물 회피 자동차, 스마트 주차 시스템, 자동 운반 로봇, 스마트 홈 순찰 로봇 등 실제 생활과 연결된 프로젝트까지 확장할 수 있습니다.
튜러블머신의 교육적 가치
튜러블머신의 가장 큰 장점은 결과보다 과정 중심 학습에 있습니다.
아이들은 데이터를 직접 모으고, AI를 학습시키며, 예측 결과를 확인하고, 오류를 수정하는 과정을 반복합니다.
이 과정에서 다음과 같은 역량을 기를 수 있습니다.
- AI 원리 이해
- 데이터 수집 능력
- 문제 해결력
- 논리적 사고력
- 디지털 리터러시
- 창의적 프로젝트 설계 능력
무엇보다 “AI는 처음부터 똑똑한 것이 아니라 데이터를 통해 학습한다”는 사실을 자연스럽게 이해할 수 있다는 점이 가장 큰 교육적 가치입니다.