401 인공지능과 지능 에이전트 - 출력결과 서술형 평가

OPENING

🚀 수업 시작 멘트

앨런 튜링은 “기계가 생각할 수 있는가?”라는 질문을 던졌습니다. 정보 수업에서는 이 질문을 환경을 읽고, 조건을 판단하고, 목표를 향해 행동하는 프로그램을 만들 수 있는가?로 바꾸어 볼 수 있습니다. 오늘 수업의 핵심은 지능 에이전트입니다.

OBJECTIVES

🎯 목표지향적 학습 목표

🧠 개념적 목표

인공지능, 지능 에이전트, PEAS 프레임워크, 단순 반사·모델 기반·목표 기반·효용 기반 에이전트의 차이를 설명한다.

🛠 절차적 목표

파이썬 클래스, 조건문, 반복문을 활용하여 간단한 지능 에이전트의 인지·판단·행동 구조를 구현한다.

🌱 태도적 목표

AI를 신비한 결과가 아니라 입력, 상태, 규칙, 출력으로 구성된 공학적 시스템으로 이해한다.

CONCEPTS

💡 핵심 개념 정리

1. 지능 에이전트

지능 에이전트는 환경을 인지하고, 인지 결과를 바탕으로 판단하며, 목표를 달성하기 위해 행동하는 컴퓨팅 개체입니다.

2. PEAS 프레임워크

P · Performance

성능 척도: 얼마나 잘했는가?

E · Environment

환경: 어디에서 활동하는가?

A · Actuators

액추에이터: 무엇으로 행동하는가?

S · Sensors

센서: 무엇으로 인지하는가?

3. 에이전트 종류

종류	판단 방식	예시
단순 반사 에이전트	현재 입력에만 반응	먼지 감지 → 흡입
모델 기반 에이전트	현재 입력 + 내부 상태 고려	청소한 구역 수 기억
목표 기반 에이전트	목표 달성 여부 고려	모든 먼지 제거
효용 기반 에이전트	효율·위험·만족도를 비교	청소와 충전 중 더 유리한 선택

LESSON FLOW

🧭 수업 흐름

도입 5분

로봇 청소기, 자율주행차, 챗봇을 예로 들어 “무엇을 인지하고, 어떻게 행동하는가?”를 질문한다.

개념 전개 15분

PEAS 프레임워크와 에이전트 종류를 비교한다.

코드 실습 20분

파이썬 클래스로 단순 반사 에이전트를 만들고 출력 결과를 예측한다.

평가 및 정리 10분

코드 출력 서술형, OX, 5지선다형을 풀고 TXT 결과를 제출한다.

CORE EXAMPLE

🐍 핵심 예제 코드

class SimpleAgent:
    def perceive(self, environment):
        if environment["dirty"]:
            return "dirty"
        return "clean"

    def act(self, percept):
        if percept == "dirty":
            return "suck"
        return "move"

agent = SimpleAgent()
env = {"dirty": True}

p = agent.perceive(env)
a = agent.act(p)

print("인지:", p)
print("행동:", a)

CODE OUTPUT WRITING

✍️ 코드 보여주고 출력결과 입력 받는 서술형 코드 10문항

출력 결과가 예시 정답과 정확히 일치하면 각 3점입니다. 공백은 줄 단위로 정리하여 비교합니다.

OX QUIZ

✅ OX 퀴즈 10개

MULTIPLE CHOICE

📝 5지선다형 10개

SUBMIT

📥 제출 및 TXT 산출

학번

이름