#899 초·중·고 교실과 교과서가 요구하는 4대 온디바이스 AI 패밀리: zLM·yLM·tLM·nLM의 에이전틱 사고력 확장 및 교원 통합 거버넌스 백서

"초·중·고 공교육 현장에서의 인공지능 교육은 단순한 챗봇 프롬프트 입력이나 정답 복사·붙여넣기에 머물러서는 안 됩니다. AI가 글자를 숫자로 쪼개어 이해하는 토크나이저 원리부터, 파이썬 기반 신경망 텐서 연산, 온디바이스 sLM 모델의 가중치 다운로드와 로컬 구동, 그리고 스스로 질문을 생성하고 검증하는 자율 탐구(Agentic Inquiry)까지 하나의 체계적인 '인지 사다리(Cognitive Ladder)'로 연결되어야 합니다. ZeliDesk EduFamilyHelp는 zLM(모델 저장소), yLM(자율 탐구), tLM(토크나이저 교실), nLM(AI 실습실) 4대 전문 패밀리를 단일 통합 학습 맵(LMFam_Map)으로 묶어냈습니다. 각 도구 타이틀바 ℹ️ 버튼을 통한 0초 학습 맥락 인지, 3개 국어 다국어 동기화, 그리고 학생 데이터 유출 0%의 완전 격리 온디바이스 교육 거버넌스를 공개합니다."

1. 생성형 AI 교육의 위기와 파편화: 챗봇 의존을 넘어 원리 탐구로

교육부의 AI 디지털교과서(AIDT) 정책과 2022 개정 교육과정 도입 이후, 전국의 수많은 초·중·고등학교에서 생성형 AI를 활용한 수업이 활발히 시도되고 있습니다. 그러나 실제 교실 현장에서 학생들에게 웹 기반 상용 LLM 챗봇을 제공했을 때 나타나는 교육적 부작용은 매우 심각합니다:

수동적 정답 자판기화(Answer Dispenser): 학생들은 문제를 스스로 고민하거나 개념을 분해하지 않고 "이 문제 답 알려줘"라는 단순 프롬프트만 입력하며, 비판적 사고력이 심각하게 퇴화합니다.
블랙박스(Black-Box) 공포: AI가 왜 그런 답을 내놓았는지, 텍스트가 어떻게 벡터로 변환되고 신경망 가중치(Weight)가 어떻게 계산되는지 전혀 이해하지 못한 채 마법처럼 받아들입니다.
학습 도구의 파편화(Fragmentation): 토크나이저 실습 사이트, 파이썬 주피터 서버, 모델 다운로드 사이트가 제각각 흩어져 있어 교사가 수업 시간의 절반을 학생 계정 로그인과 환경 설정 오류 해결에 낭비합니다.
개인정보 및 학생 작문 유출: 시험 답안, 학생의 개인적 고민, 생활기록부 기초 자료가 해외 빅테크 기업의 클라우드 학습 데이터셋으로 무단 전송되는 치명적 보안 결함이 발생합니다.

ZeliDesk는 이 모든 교육적 병목을 해결하기 위해, 학생이 기초 원리부터 에이전틱 사고력까지 단계적으로 밟아 올라갈 수 있는 4대 온디바이스 AI 패밀리(zLM · yLM · tLM · nLM)와 이를 하나로 통합하는 EduFamilyHelp 거버넌스를 구축했습니다.

패밀리 도구	교육적 역할 (Role)	핵심 학습 목표 (Learning Objective)	인터넷 연결 여부
🧪 nLM (AI 실습실)	파이썬·주피터 기반 신경망 기초	CPU PyTorch로 퍼셉트론~인공신경망 텐서 연산 직접 코딩	100% 오프라인 완전 격리
🧩 tLM (토크나이저 교실)	언어 모델의 텍스트 토큰화 체험	Byte-Level BPE 병합 슬라이더, 어휘 사전, BPE 퀴즈 시각화	100% 오프라인 (모델 없이도 동작)
🧠 zLM (모델 저장소)	온디바이스 sLM 모델 허브	GGUF 4비트 양자화 모델 다운로드 및 로컬 캐싱 거버넌스	다운로드 시 1회만 필요 (이후 오프라인)
🎓 yLM (자동 탐구 학습)	에이전틱 다단계 자율 질문·종합	주제 입력 시 AI가 하위 질문을 분해하고 스스로 답변 및 종합 보고서 작성	100% 온디바이스 (zLM 모델 재사용)

2. 핵심 아키텍처 1: 4단계 인지 사다리(Cognitive Ladder)와 LMFam_Map 체계

소프트웨어가 아무리 훌륭해도 학생들이 "내가 지금 무엇을 하고 있고, 다음 단계로 무엇을 배워야 하는가"를 모르면 길을 잃습니다. ZeliDesk 런처는 교육학의 '비계 설정(Scaffolding)' 원리를 소프트웨어 아키텍처에 구현하여, 4개 도구가 상호 유기적으로 결합된 LMFam_Map을 시스템 표준으로 내장했습니다.

Resources (Strings/ko-KR/Resources.resw — 공교육 4대 AI 학습 맵)

─── ?LM 패밀리 지도 ───

🧪 nLM · AI 실습실 — 파이썬 노트북으로 AI 기초 실습 (퍼셉트론~신경망)
🧩 tLM · 토크나이저 교실 — AI가 글을 읽는 법 체험
🧠 zLM · 모델 저장소 — sLM 모델 다운로드 (yLM·tLM 심화 기능의 기반)
🎓 yLM · 자동 탐구 학습 — 받아 둔 모델과 주제 탐구

추천 학습 순서: nLM(기초) → tLM(토큰) → zLM(모델 받기) → yLM(탐구)
인터넷은 다운로드할 때만 필요합니다. 학습·대화 내용은 외부로 전송되지 않습니다.

학생은 가장 먼저 nLM에서 파이썬 코드로 행렬과 신경망의 기본을 배운 뒤, tLM으로 넘어가 인간의 언어가 인공지능의 숫자로 변환되는 토크나이저 원리를 손으로 조작합니다. 그 다음 zLM에서 자신에게 맞는 경량 sLM 모델을 다운로드하고, 마지막으로 yLM에서 주제를 던져 AI와 함께 자율 탐구 보고서를 완성합니다. 이러한 4단계 학습 순서는 주입식 AI 교육을 완벽한 탐구 중심 교육으로 전환시킵니다.

3. 핵심 아키텍처 2: 4대 패밀리 도구별 특화 역할과 유기적 상호 작용

4개의 유틸리티는 개별적인 독립 창으로 기동되지만, 데이터와 모델 계층에서는 완벽하게 하나의 생태계로 결합되어 있습니다:

nLM (AI Lab Provisioner): 복잡한 아나콘다(Anaconda) 설치나 관리자 권한 없이, C# 런처가 버튼 클릭 한 번으로 무설치 CPython 3.11과 가상환경을 %LOCALAPPDATA%에 프로비저닝하고 로컬 주피터랩을 브라우저에 0초 배포합니다.
tLM (BPE Tokenizer Studio): 외부 인터넷 없이 동작하는 인터랙티브 C# 토크나이저 엔진입니다. 바이트 단위 분해, 실시간 BPE 병합 트리 슬라이더, 실제 GGUF 메타데이터 어휘 사전 뷰어를 통해 "토큰 수와 글자 수의 차이", "한글 토큰화 효율"을 시각적으로 가르칩니다.
zLM (sLM Model Hub & Downloader): 허깅페이스나 Azure 모델 허브로부터 검증된 소형 언어 모델(EXAONE, Qwen, Llama, Gemma 등)을 백그라운드 이어받기로 수신하여 Models/sLM/ 디렉터리에 안전하게 캐싱합니다.
yLM (Autonomous Inquiry Engine): zLM이 다운로드해 둔 GGUF 모델을 llama-cli 상주 세션으로 호출합니다. 하나의 주제가 주어지면 스스로 '배경 질문', '원인 질문', '미래 전망 질문'으로 3단계 분해(Decomposition)하여 답변을 생성한 뒤 최종 종합 마크다운으로 익스포트합니다.

4. 핵심 아키텍처 3: 타이틀바 ℹ️ 버튼을 통한 0초 상황 인지 (EduFamilyHelp)

수업 중 학생이 길을 잃었을 때 교사를 부르지 않고도 즉시 도움을 받을 수 있도록, nLM, yLM, tLM, sLMdown의 WinUI 3 XAML 타이틀바 우측 상단에는 표준화된 정보 버튼(btnEduHelp)이 배치되어 있습니다:

C# (ZeliDesk.Services.EduFamilyHelp 원격 다이얼로그 프로젝션)

public static class EduFamilyHelp
{
    /// <param name="toolKey">"zlm" | "ylm" | "tlm" | "nlm" — 자기 도구 설명 키 선택</param>
    public static async Task ShowAsync(XamlRoot root, string toolKey)
    {
        // 1. 자기 도구의 정밀 설명 + 공통 패밀리 지도(LMFam_Map)를 결합
        string body = Loc.Get("LMFam_" + toolKey) + "\n\n" + Loc.Get("LMFam_Map");
        
        // 2. 다크 오로라 테마가 적용된 ContentDialog 동적 생성
        var dlg = new ContentDialog
        {
            Title = Loc.Get("LMFam_Title"),
            Content = new ScrollViewer
            {
                Content = new TextBlock
                {
                    Text = body,
                    TextWrapping = TextWrapping.Wrap,
                    FontSize = 13,
                    LineHeight = 22,
                },
                MaxHeight = 480,
            },
            CloseButtonText = Loc.Get("LMFam_Close"),
            XamlRoot = root,
            RequestedTheme = ElementTheme.Dark,
        };
        
        // 3. 비동기 팝업 (UI 스레드 논블로킹)
        await dlg.ShowAsync();
    }
}

학생이 어떤 도구에서 ℹ️를 클릭하더라도, 상단에는 "현재 도구가 무엇인지"에 대한 상세한 가이드가 나타나고, 하단에는 "전체 4대 패밀리에서 내가 지금 어디에 있으며 다음 도구는 무엇인지"를 알려주는 일관된 안내가 0초 만에 렌더링됩니다. 또한 Loc.Get을 통해 영어권 다문화 학급이나 해외 파병 군 전산실에서도 즉각적인 다국어(한국어/영어/번체중국어) 번역을 지원합니다.

5. 핵심 아키텍처 4: 완벽한 온디바이스 프라이버시와 학교망 대역폭 보존

기존 클라우드 기반 AI 교육은 학교 컴퓨터실 40대 PC가 일제히 외부 웹사이트로 접속하여 수십 기가바이트의 트래픽을 유발하므로, 학내망 인터넷 속도가 급격히 저하되고 심할 경우 교육청 프록시 서버가 다운되는 사고를 겪었습니다.

ZeliDesk의 4대 AI 패밀리는 철저한 "모델 다운로드 1회 후 100% 로컬 오프라인 실행" 철학을 준수합니다:

외부 통신 0바이트 검증: nLM의 파이썬 코드 실행, tLM의 토크나이저 연산, yLM의 추론 및 요약 과정에서 네트워크 패킷이 일절 발생하지 않습니다.
교원 및 학생 프라이버시 원천 수호: 학생이 yLM에 입력한 질문과 생성된 탐구 과제물은 로컬 디스크의 .md 파일로만 저장되며, 빅테크 기업의 서버로 절대 유출되지 않습니다.
학교망 대역폭 절약: 최초에 교사용 마스터 PC에서 sLM 모델을 다운로드받은 뒤, 컴퓨터실 로컬 공유 폴더나 USB로 복사하는 것만으로 40대 PC 전체가 인터넷 연결 없이 완전한 AI 수업을 진행할 수 있습니다.

6. 결론: "스스로 생각하고 스스로 검증하는 진정한 공교육 AI의 완성"

인공지능 시대를 살아갈 학생들에게 가장 필요한 역량은 "AI에게 답을 묻는 능력"이 아니라, "AI의 동작 원리를 이해하고, AI가 생성한 결과를 비판적으로 검증하며, 자신만의 탐구 가설을 세우는 역량"입니다.

ZeliDesk의 EduFamilyHelp와 4대 온디바이스 AI 패밀리(nLM·tLM·zLM·yLM)는 파편화된 기술들을 하나의 아름다운 인지 사다리로 조화롭게 엮어내어, 대한민국 초·중·고 교실과 국방 인재 양성 현장에 가장 안전하고 본질적인 미래 교육의 표준을 제시하고 있습니다.