AI, 양자컴퓨터 숙제를 모두 통과했다?

인공지능이 양자컴퓨터 프로그래밍 숙제를 대신 풀 수 있을까요? 이 질문에 답하기 위해 연구진이 챗GPT를 실제 시험대에 올렸습니다. 결과는 놀라웠습니다. 모든 숙제를 통과했습니다.

양자컴퓨터는 기존 컴퓨터와 전혀 다른 원리로 동작합니다. 일반 컴퓨터가 0과 1만 다루는 것과 달리, 양자컴퓨터는 두 상태를 동시에 활용할 수 있습니다. 이런 특성을 이용하려면 전용 프로그래밍 도구가 필요한데, 대표적인 예가 IBM의 '큐스킷'입니다. 큐스킷을 가르치는 대학 수업에서는 학생들이 직접 코드를 작성하고 실행해 보는 숙제를 주로 냅니다.

그런데 생성형 AI가 등장하면서 상황이 달라졌습니다. 학생이 숙제 문제를 그대로 챗GPT에 입력하면, 인공지능이 답안을 만들어 줍니다. 물론 이것이 학습을 돕는 도구일 수도 있지만, 공정성과 평가 측면에서는 큰 문제입니다. 연구진은 AI를 금지하는 대신, AI가 아무리 풀어도 학습 과정을 우회할 수 없는 숙제를 설계하고자 했습니다.

세 가지 유형의 숙제, 어떻게 만들었나

연구진은 세 가지 대표적인 양자 프로그래밍 과제를 선정했습니다. 첫 번째는 기본적인 비트 연산을 다루는 문제입니다. 여기서 비트는 컴퓨터 정보의 가장 작은 단위입니다. 두 번째는 양자 푸리에 변환이라는 기법을 구현하는 문제입니다. 이는 신호를 다른 형태로 바꾸고 다시 원래대로 되돌리는 방법으로, 양자 알고리즘의 핵심 중 하나입니다. 세 번째는 도이치-조자 문제라는 유명한 알고리즘입니다. 특정 함수가 항상 같은 값을 반환하는지, 아니면 반반 나뉘는지를 알아내는 문제죠.

각 숙제에는 학생마다 다른 값이 들어가도록 '개인화'를 적용했습니다. 예를 들어 회로의 초기 상태를 다르게 하거나, 측정 방식을 바꾸는 것입니다. 이렇게 하면 다른 학생의 답안을 그대로 복사할 수 없습니다.

또한 숙제에는 숨겨진 정답 코드가 함께 제공되었습니다. 자동 채점 시스템은 학생이 제출한 코드의 실행 결과를 이 숨겨진 정답과 비교합니다. 덤으로 회로의 크기나 깊이 같은 복잡도도 측정했습니다. 이를 통해 답만 맞는 것이 아니라 효율적으로 구현했는지도 확인할 수 있습니다.

실험 결과: 150번 중 150번 합격

연구진은 각 숙제에 대해 챗GPT를 50번씩 실행했습니다. 세 종류의 숙제를 합치면 총 150번의 시도입니다. 그리고 모든 답안이 자동 채점을 통과했습니다. 챗GPT가 만든 프로그램을 실제로 실행해 보아도 오류가 나지 않았고, 기대한 결과가 그대로 나왔습니다.

더 놀라운 것은 챗GPT가 단순히 코드를 생성한 수준에 그치지 않았다는 점입니다. 일부 세션에서는 코드를 실행한 뒤 결과를 해석하고, 오류를 수정하는 모습을 보였습니다. 연구진이 답안을 직접 검토했을 때도 코드를 고치거나 논리 오류를 바로잡을 필요가 없었습니다.

연구진은 학생들이 AI의 답을 무분별하게 받아들이지 않도록 성찰 과제도 포함시켰습니다. 코드가 왜 그렇게 동작하는지 자신의 언어로 설명하는 과제입니다. AI가 답을 만들어 준다 해도, 이 설명을 대신 적어주는 것은 훨씬 어렵습니다.

AI 시대, 숙제는 어떻게 바뀌어야 하나

이 연구가 던지는 메시지는 명확합니다. 인공지능은 이미 교육 수준의 양자 프로그래밍 숙제를 해결할 만큼 성장했습니다. 그렇다면 단순히 AI 사용을 금지하는 것은 한계가 있습니다. 대신 학생이 직접 실행하고, 결과를 설명하고, 오류를 토론하는 과정을 숙제에 포함하는 것이 해결책이 될 수 있습니다.

연구진은 숙제에 각 학생의 이름을 넣어 답안을 개인화했고, 실행 기록을 데이터 파일로 제출하게 했습니다. 또한 선택적으로 실제 양자컴퓨터에서 실험할 기회도 제공했습니다. 이런 요소들은 AI가 아무리 좋은 답을 내놓아도 학생이 그 답을 이해하고 설명하지 않으면 완수할 수 없습니다.

물론 이것은 양자컴퓨터 교육만의 이야기가 아닙니다. AI가 모든 분야에서 답을 내놓는 시대에, 평가는 '맞는 답'보다 '이해의 깊이'를 확인하는 쪽으로 바뀌어야 합니다. 이 연구는 그 변화가 실제 수업에서 어떻게 적용될 수 있는지 보여주는 사례입니다.

다만 이 연구는 특정 AI 모델과 특정 숙제를 대상으로 한 실험이라, 모든 상황에 적용되는 결론은 아닙니다. 그래도 AI와 교육을 어떻게 함께 고민할 것인지에 대한 중요한 단서를 제공합니다.

📖 원문 보기: arXiv 원문

본 요약은 AI로 작성되었습니다. arXiv 논문을 바탕으로 재구성되었습니다.