구글 리서치, 학습 인터랙티브 라이브러리 공개

발표와 함께 공개된 것은 영어로 된 표본 30여 개예요. 물리와 화학, 생물, 수학 같은 STEM 과목이고 중학교와 고등학교에 초점을 맞췄어요. 전부 AI 가 만들고 교사가 검토한 것들이고, 라이브러리에는 생물과 화학, 컴퓨터과학, 지구과학, 수학, 물리 주제가 들어 있어요. 케플러의 행성 운동 법칙, 데이터 시각화, 포물선 운동 같은 학교 교육과정 주제가 그 목록에 있어요.

만드는 과정은 네 단계로 돌아가요. 교사의 요청을 학습 목표와 시뮬레이션 아이디어로 옮기는 계획 단계, 학습 목표를 난이도가 올라가는 레벨로 쪼개는 스캐폴딩 단계, 아이디어와 목표로 실제 화면을 짓는 젠UI 단계, 그리고 투어와 힌트, 풀이, 피드백을 붙이는 안내 단계예요. 레벨은 다섯 개를 만들고, 뒤 레벨의 목표는 앞 레벨 목표를 받아 이어서 생성해요. 화면을 짓는 일은 제미나이가 맡아요.

메탈이 내려받아 쪽수까지 세어 본 16쪽짜리 기술 보고서에는 이 과정이 왜 필요했는지가 숫자로 남아 있어요. 앞 단계를 이미 통과한 아이디어와 레벨 목표를 손에 쥔 상태에서도, 프롬프트 한 번으로 교육적 요건을 모두 만족하는 시뮬레이션이 나올 확률은 3.5%였어요. 여기에 스스로 고치는 고리를 10회 돌리자 모든 비평을 통과한 비율이 69.3%로 올라갔어요. 요건을 모르는 것이 아니라 한 번에 맞히지 못하는 것이 문제였다는 뜻이에요.

비평은 네 갈래로 나뉘어요. 보고서의 그래프를 보면 첫 시도에서 마지막 시도 사이에 계측은 23.3%에서 93.5%로, 시각은 47.8%에서 84.7%로, 역학은 67.0%에서 98.2%로, 풀림 가능성은 85.5%에서 87.9%로 움직였어요. 눈에 보이는 결함일수록 고치기 쉬웠고, 애초에 잘 지켜지던 항목은 덜 움직였어요.

풀림 가능성을 재는 방식이 이 연구에서 가장 실용적인 대목이에요. 발표문에 따르면 자동 평가 가운데 하나는 크롬 창을 열어 사람이 쓰듯 시뮬레이션을 직접 조작해 봐요. 정답 하나가 통하는지만 보는 게 아니라 손잡이를 극단값까지 밀어 보는 적대적 시도까지 해요. 놀이기구를 열기 전에 직원이 먼저 타 보고, 일부러 험하게 흔들어 보는 절차와 같아요.

사람 쪽 검증은 교사 12명으로 시작했어요. 보고서에 따르면 미국에서 수학 4명과 생물 2명, 물리 2명, 환경과학 2명, 천문 1명, 화학 1명이 참여했고 남성과 여성이 여섯 명씩이었어요. 이들은 각자 자기 학생에게 도움이 될 시뮬레이션 세 건씩 모두 36건을 요청했어요. 그 가운데 3건만 교사에게 보여 줄 수준이 못 됐고, 교사들은 모든 시뮬레이션에 7점 이상을 줬으며 평균은 8.1점을 넘었어요.

교사들이 반응한 지점은 성능이 아니라 권한이었어요. 한 고등학교 과학 교사는 "수업을 하다가 아무 주제나 그냥 입력하면 시뮬레이션이 나온다니, 그건 대단한 일이에요. 저는 한 번도 시뮬레이션을 수준별로 나눠 본 적이 없어요. 그냥 주어진 걸 쓰는 거니까요" 라고 말했어요. 또 다른 교사는 "이건 제가 아이들 사이를 돌아다니며 일대일로 해 주던 바로 그 일이에요. 덕분에 아이들이 제가 갈 때까지 앉아서 기다리지 않아도 돼요" 라며 단계별 힌트를 짚었어요.

규모를 키운 평가에서는 약한 자리도 드러났어요. 교육 전문가들이 고른 40건의 요청을 해당 과목을 가르치는 교사 두 명씩이 채점했고, 수용률은 86%였어요. 점수는 낙제 0점부터 통과 1점, 좋음 2점, 우수 3점까지예요. 생물은 다른 과목보다 낮았는데, 보고서는 세포 주기 단계처럼 조작할 방정식보다 외울 세부가 많은 주제가 많아 교과서 순서를 따라가는 화면이 되기 쉽다고 설명했어요. 물리와 화학은 평균적으로 우수에 가장 가까웠어요.

인문학 쪽에서 보면 이 연구의 뼈대는 백 년 된 주장이에요. 보고서는 존 듀이가 1916년에 "학생에게 할 일을 주라, 배울 것을 주지 말고" 라고 쓴 문장으로 시작해요. 장 피아제의 구성주의와 치와 와일리의 ICAP 틀도 함께 인용되는데, 능동적 참여가 수동적 듣기나 읽기보다 깊은 이해와 장기 기억을 만든다는 근거예요. 구글은 이 원칙을 2024년 교육용 모델 LearnLM 과 2025년 Learn Your Way 실험에서 이미 다뤘고, 이번 연구는 그 위에 얹혔어요.

그래서 이 시스템은 마찰을 없애는 대신 일부러 남겨요. 보고서는 생성 모델이 대개 마찰과 사용자 노력을 최소화하도록 설계돼 있어서, 상호작용이 인지적 떠넘기기로 이어지고 배움을 오히려 해치는 증강 대 침식의 역설이 생긴다고 적었어요. 그 앞에서 회사가 고른 답은 열린 모래상자를 주지 않는 것이었어요. 복잡한 개념을 난이도가 올라가는 레벨로 쪼개 놓으면 학생이 가설을 세우고 값을 바꿔 가며 직접 풀어야만 다음으로 넘어가요.

교사의 자리도 코드가 아니라 절차로 지켜져요. 학습 목표는 교사가 승인해야 생성의 바탕이 되고, 아이디어마다 후보 다섯 개를 만들어 그중 하나를 고르게 해요. 앞으로 파일럿에서 새로 만들어지는 인터랙티브도 요청한 교사에게 먼저 보내지고, 교사가 검증하고 승인한 뒤에야 공개 라이브러리에 들어가요. 구글 워크스페이스 포 에듀케이션을 쓰는 학교는 구글 포 에듀케이션 파일럿 프로그램으로 신청할 수 있어요.

메탈은 Ai2 가 AI 튜터의 개입 시점을 재는 평가 틀을 내놓으며 도움을 너무 빨리 주는 문제를 실측했다고 보도한 바 있어요. 이번 연구가 답을 바로 알려 주는 대신 단계별 힌트와 사후 풀이를 쌓아 둔 이유가 거기에 있어요. 교실에 AI 를 넣는 다른 경로도 이미 굴러가고 있어서, 메탈은 오픈AI 가 챗GPT 포 티처스를 미국 55개 학군으로 넓혔다고 보도한 바 있어요.

남은 질문은 교실 안에 있어요. 회사는 앞으로 UX 연구와 현장 연구로 학습 효과와 학생 참여를 재겠다고 밝혔고, 그 결과가 나오기 전까지 이 연구가 증명한 것은 생성 UI 가 교사의 요청을 받아 쓸 만한 시뮬레이션을 만들어 낸다는 사실이에요. 한 번에 3.5%였던 확률을 열 번의 자기 수정으로 69.3%까지 끌어올린 구조가 그 증명의 핵심이에요. 교사가 직접 만드는 교재의 값은 이제 제작비가 아니라 검토 시간으로 계산돼요.