저는 오히려 코로나19를 기회로 생각해요. 코로나가 사회에 엄청난 충격을 주고 있기 때문이죠. 우리 사회에서 견고하게 자리매김한 시스템의 균형상태, 즉 이퀼리브리엄(equilibrium)이 깨지려면 엄청난 충격을 받아야 하는데, 지금이 딱 그 충격을 받은 상태라 굉장히 혼란스러운 상황인 것이죠. 이런 상황에서는 두 가지 중 하나를 선택해야 하는데, 원래 상태의 균형으로 돌아갈 거냐, 아니면 새로운 균형을 찾을 거냐 하는 거죠. 우리는 이런 갈림길에 놓여 있는 거고요.
--- p.33-34

‘격차’를 보는 시각 또한 점검할 필요가 있어요. 국어, 영어, 수학 등의 과목에 대한 학습 성취도에 치우쳐 있거든요. 하지만 저는 현재의 상황을 지나치게 부정적으로 보진 않습니다. 지금은 우리 교육 현장이 변화와 성장을 위해 나아가는 단계이고, 모든 일이 그렇듯 어려운 일도 반복해서 하다 보면 더 효율적이고 효과적인 방법을 찾게 되니까요. 학생들도 온라인 수업에 익숙해지면 ICT 활용 능력이 더 좋아질 테고 자신만의 공부법을 찾아갈 겁니다. 지금보다 더 다양하고 개별화된 수업을 통해 자기만의 실력을 쌓을 수 있을 테지요.
--- p.33-34

교육의 디지털 전환을 이해하기 위해서는 교육의 ‘인프라스트럭처 인버전(infrastructure inversion, 교육기반시설의 전환)’에 대한 이해가 필요합니다. 전통적 교육 시스템은 아날로그 인프라가 중심이었죠. 종이책, 사람, 학교와 같은 아날로그 인프라를 잘 구성하고 활용해서 교육을 했습니다. 그런데 지금은 이 인프라스트럭처의 중심축이 디지털로 이동하게 된 거죠. 사람이나 말이 이용하던 길이 자동차가 다니는 도로를 중심으로 바뀐 것처럼요. 물론 자동차 도로가 있다고 사람이 걸어다니는 길이 없어진 건 아니죠.
--- p.51

웹에 사람이 직접 만든 자료를 업로드하거나 인터넷 강의를 하는 것은 이미 20세기에 일어난 인버전이었어요. 21세기의 새로운 기술이 아니죠. 이것들을 제4차 산업혁명이라고 부르면 안 됩니다. 많은 분들이 맞춤형 교육/평가(adaptive learning/assessment)와 AI 교육을 연결해 이야기합니다. 교육 4.0에서 맞춤형 교육/평가를 구현하려면 어떤 준비가 필요하고 어떤 디지털 인프라스트럭처가 필요한지에 대해서는 필연적으로 21세기 디지털 기술 활용 혹은 AI 교육을 이야기하지 않을 수 없습니다.
--- p.51

우리 사회가 ‘Why education?’에 대해서 합의된 답을 갖고 있지 않기 때문이라고 생각합니다. why에 대한 이해 없이 what만 갖고 있으면 팬데믹 이후의 교육이 긍정적이고 미래 지향적인 방향으로 나아가지 못하고 다시 제자리로 돌아올 수밖에 없어요. 조금 극단적인 말로 들릴 수도 있지만, 우리 애가 좋은 대학에 갈 수 있도록 학원을 하나라도 더 보내서 학습 성취에만 집중하기 쉽죠. 사실 why에 대해서 공감하지 않으면 변화가 일어나기 힘듭니다. 학생, 학부모, 교육자 모두 why에 대해 공감해야 동기부여가 되죠. 기술 변화는 물론 사회 변화의 관점에서도 why의 측면은 중요한 요소라고 봅니다.
--- p.71

인공지능을 잘 활용하고 그것을 우리 생활에서 좀 더 효율적인 솔루션으로 개발하려면 먼저 인프라스트럭처가 갖춰져야 되고, 그리고 인공지능 분야에서 뛰어난 역량을 가진 인재들이 나오려면 디지털 리터러시가 필요한 것이죠. 온라인 교육도 여기에 접목되는 거지요. 온라인 교육 없이 오프라인으로만 교육한다면 사실 디지털 리터러시가 큰 의미를 갖기가 힘들잖아요. 테크놀로지가 좋아서 다루라는 게 아니라, 테크놀로지를 이해하지 못하면 테크놀로지에 당하기 때문입니다. 인공지능이 주는 장점이 여러 가지 있겠지만 상당히 위험한 부분도 있거든요. 데이터의 바이러스라든지, 그런 부분들이 우리 사회에 주는 엄청난 위험성 때문에 우리가 알아야 한다는 거지요. 그래서 제가 “코딩은 새로운 인문학이다.”라고 하는 것입니다.
--- p.74-75

넓은 의미의 AI 교육이란 ‘전 생애에 걸쳐서 AI를 활용할 수 있는 교육’이라고 생각합니다. AI가 거의 모든 프로그램에 적용되어 있는 시스템으로 디지털 리터러시, 데이터 리터러시, 미디어 리터러시 등으로 표현되는 교육이지요. AI 기술이 반영된 다양한 앱과 소프트웨어를 유용하게 사용하는 기능 중심의 교육이고요. 그러나 정말 사용하기 쉬운 기술이 나와도 이것을 사용하지 못하는 이들은 여전히 존재할 겁니다. 앞서 예로 들었던, 앱으로 경춘선 좌석을 예매하지 못한 탓에 열차에서 내내 서 있는 노인 분들처럼요.
--- p.163

기술이 변하는 속도는 빠른데 우리의 생각은 그에 못 따라갈 때가 있죠. 그런데 속도가 왜 느릴까 생각해보면 그럴 수밖에 없는 이유가 있는 것 같아요. 사람의 생각이라는 것이 외부 상황에 따라 휙휙, 그렇게 변하는 게 아니거든요. 코로나19라는 강제성이 우리의 삶을 많이 변화시켰지만, 한편으로는 미래로 이행할 수 있는 시간을 만들어준 것도 같아요. 더 이상 과거의 방법이 통하지 않는다는 것을 알았으니 본질적인 것에 집중하면서 중요한 것과 그렇지 않은 것을 가려야겠죠. 성적과 등수를 우선하기보다 인성을 기르는 교육을 생각할 때라고 봅니다.
--- p.173

일단 사생활 침해 문제를 조심스럽게 봅니다. 실리콘밸리가 다양한 분야에서 원천 기술을 많이 가지고 있지만, 인공지능 관련 데이터 수집 부분에서는 중국을 따라갈 수가 없어요. 중국은 사생활 침해에 대한 법적 제한이 느슨하기 때문에 개인정보 데이터를 엄청나게 많이 수집할 수 있고, 그걸 가지고 만들 수 있는 여러 가지 모델들이 많습니다. 미국에서는 하고 싶어도 데이터 수집이 너무 어렵죠. 한국의 경우, 원천 기술도 없고 데이터 수집도 쉽지 않다면 인공지능의 미래는 가늠하기 어렵지 않을까요?
--- p.199

빅데이터에 의한 통계 분석이 미래를 예측하지만 예측이 틀릴 확률은 반드시 있죠. 바로 그 틀릴 수 있는 확률이 있기 때문에 우리는 희망을 가져요. 아이들이 변할 수 있다고 믿거든요. 아이러니한 이야기지만, 1퍼센트의 희망이 99퍼센트의 통계적 사실보다 더 중요할 때가 있죠. 반대로 빅데이터 분석으로 아이가 99퍼센트 실패할 확률이 있다고 나오면, 바로 그런 결과 때문에 희망을 잃어버릴 위험도 있는 것 같아요. 그런 게 제가 볼 때는 많이 우려스러운 측면이고요.
--- p.212

기계학습에서 ‘과적합(overfitting, 데이터 학습이 과해서 실제 적용 시 오차가 증가함)’이 되어 있는 상황을 걸림돌로 들 수 있습니다. 어떤 사람들은 자신의 성공 방정식이 고착화되어 있어서 생각을 잘 안 바꿔요. ‘이렇게 하면 성공한다’고 생각하는 편향이 강하게 형성되어 있어서 새로운 상황에 적응하는 유연성이 떨어지게 되는 거죠. 회사에서 입사 지원 인터뷰를 통해 제일 먼저 걸러지는 사람들이 이 경우에 해당돼요.
--- p.217-218

제4차 산업혁명을 이야기하는 시대에 왜 자꾸 인성교육을 말하느냐고 하는 분들도 있지만, 탁월하게 창의적인 사람이 되려면 먼저 인성을 갖춰야 합니다. 탁월하게 창의적이라고 평가받으려면, 세상 사람들이 보지 못하는 문제를 찾아내서 풀어야 하거든요. 그러려면 시선을 내가 아닌 밖으로 돌려 타인에게 매우 세밀한 관심을 가져야 하고 어떤 문제나 고통을 겪고 있는지 살펴봐야 합니다. 이타적이지 않으면 남들에게 어떤 문제가 있는지 찾아내기 어렵죠. 결국 인성으로 해결해야 하는 영역이 나타납니다.