대학 지원 연구 근거 · 이해와 독립적 기여 · 서울 강남·온라인
프로젝트 과정학생이 만든 결과물과 기록이 남는 과정입니다.
Columbia AI가 다음 장면 예측하기
고등 9-12학년: 다음 장면을 예측하는 AI, AI 예측과 물리 계산의 차이, 시간이 갈수록 커지는...
- 상담과 레벨 확인 무료
- 압구정 교실 또는 온라인
- 개별 수업 또는 소규모 그룹
- 학원 등록번호 11882호
Columbia AI가 다음 장면 예측하기 과정이 고등 9-12학년 학생에게 맞나요?
Columbia AI가 다음 장면 예측하기 과정은 고등 9-12학년 학생을 위한 수업입니다. 다음 장면을 예측하는 AI, AI 예측과 물리 계산의 차이에 관심 있는 학생에게 잘 맞으며 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업이나 소규모 그룹 수업으로 진행할 수 있습니다. 수업 결과물은 AI 예측과 물리 계산을 나란히 재생하는 장면 비교 도구, 위치 차이와 누적 오차를 색으로 보여 주는 비교 화면, 처음 어긋난 순간을 찾는 기능과 시험 기록입니다.
Columbia 연구팀이 공개한 연구를 수업의 출발점으로 씁니다. 키보드로 물체를 밀면 AI가 다음 장면을 예측합니다.
준비된 AI 모델로 간단한 밀기 장면을 조작하며 AI 예측 화면과 물리 계산 화면을 나란히 재생하고 예측 시간을 늘릴수록 두 화면이 얼마나 어긋나는지 측정합니다.
차이가 기준을 넘으면 자동으로 멈춰 처음 어긋난 순간을 찾는 기능과 위치 차이·누적 오차를 색으로 보여 주는 비교 화면도 직접 만듭니다.
그다음 새 질문을 세우거나 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 출처 연구와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
Google 로그인이 필요하며 기존 계정 권한에 따라 접근할 수 있습니다.
아이가 AI 수업을 흥미롭게 잘 들었습니다. 덕분에 알찬 방학을 보낸 것 같아요. 세심하게 지도해 주셔서 감사합니다.
- 대상 연령
- 고등 9-12학년
- 관심 과목
- AI·데이터, 공학·로보틱스, 물리·우주같은 과목 보기
- 과정 유형
- 정규·프로젝트 과정
- 수업 방식
- 온라인 또는 압구정 오프라인 · 개별 또는 소규모 그룹
- 수업 언어
- 한국어 기본, 영어 자료 지원
- 교육과정 상태
- 수업 준비 완료모든 학습 항목에 근거, 풀이 예시, 실습과 튜터 진행 안내가 있어 CIT 수업 준비 기준을 충족합니다.
공개 연구를 읽고 학생 고유의 프로젝트로
학생은 주제에 맞는 공개 자료를 읽고 아이디어를 재현한 뒤 자기 질문, 기능이나 실험을 더합니다.
여는 자료는 모두 공개된 것이며, 회차마다 어떤 문서의 어느 부분을 여는지 적어 둡니다.
아이에게 어떻게 설명하면 좋을까요?
다음 장면을 예측하는 AI, AI 예측과 물리 계산의 차이 같은 주제를 보며 자꾸 '왜?'라는 질문이 생긴다면 Columbia AI가 다음 장면 예측하기 과정이 잘 맞습니다.
근거로 질문을 확인한 뒤 자기만의 확장 프로젝트를 만들고 설명합니다.
어떤 관심을 보이는 학생에게 맞나요?
- 다음 장면을 예측하는 AI
- AI 예측과 물리 계산의 차이
- 시간이 갈수록 커지는 오차
학생은 무엇을 완성하나요?AI 예측과 물리 계산을 나란히 재생하는 장면 비교 도구, 위치 차이와 누적 오차를 색으로 보여 주는 비교 화면, 처음 어긋난 순간을 찾는 기능과 시험 기록
우리 아이에게 맞을까요?
AI 시스템을 이해하고 만들고 확인하거나 책임 있게 활용하려는 학생에게 잘 맞습니다.
필요한 수학·과학·코딩 수준은 짧은 상담과 예제로 확인합니다.
처음 시작하는 학생은 안내된 작은 예제로 시작합니다.
출처, 방법, 한계를 자기 말로 설명할 준비가 필요합니다.
무엇을 배우나요?
- 다음 장면을 예측하는 AI가 얼마나 먼 미래까지 예측하는지 작동 예제로 설명합니다.
- 키보드로 물체를 움직이며 AI 예측과 물리 계산을 같은 조건에서 비교합니다.
- 예측 시간만 바꿔 위치 차이와 누적 오차가 커지는 과정을 표와 그래프로 정리합니다.
- 처음 어긋난 순간을 찾으려면 어떤 기준에서 멈춰야 하는지 정하고 기능으로 구현합니다.
수업은 어떤 순서로 진행되나요?
- 1연구 질문과 기준 동작 이해하기
준비된 AI 모델·자료와 컴퓨터 성능을 확인하고 간단한 밀기 장면을 키보드로 조작해 봅니다.
- 2센서·행동·측정 연결하기
키보드로 물체를 움직이며 AI 예측 화면과 물리 계산 화면을 나란히 놓고 오차를 기록합니다.
- 3근거로 기능과 조작 화면 만들기
예측 시간만 바꿔 오차 변화를 비교하고 차이가 기준을 넘으면 멈춰 처음 어긋난 순간을 찾는 기능을 만듭니다.
- 4통합 시험하고 학생의 설계 설명하기
두 화면을 같은 시간에 재생하는 비교 화면에 선택형 언어 모델(LLM) 점검 질문을 더하고 도구 전체를 시험합니다.
의미 있는 근거는 무엇인가요?
AI 예측과 물리 계산을 나란히 재생하는 장면 비교 도구, 위치 차이와 누적 오차를 색으로 보여 주는 비교 화면, 처음 어긋난 순간을 찾는 기능과 시험 기록.
입학사정관이 이 작업에서 확인할 수 있어야 할 것
Columbia 연구팀이 공개한 연구를 수업의 출발점으로 씁니다.
학생은 연구팀이 무엇을 왜 묻고 어떤 방법으로 확인하는지 이해한 뒤, 새 질문을 세우거나 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 출처 연구와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
데이터 기록, 바꾸기 전 기준 결과 비교, 모델 평가, 오류 분석, 학생 본인의 의사결정 기록이 근거가 될 수 있습니다.
여기 적힌 이름은 이 과정이 출발점으로 삼은 공개 프로젝트를 누가 만들었는지 알려 줍니다. 입학사정관이 보는 근거는 학생이 이해한 내용과 직접 한 일입니다.
이 과정이 읽는 실제 연구 프로젝트
- WangYixuan12/interactive_world_sim
- 고정 버전
3ba69b41d070 - 버전 날짜 2026-03-10
- 이용 조건 MIT
- 글자 파일 144개
학생은 AI가 만든 다음 장면과 실제 움직임을 견주어, 예측이 어디에서부터 어긋나는지 확인합니다.
수업에서는 프로젝트를 다섯 칸(입력, 기억, 처리, 출력, 제어)으로 나눠 보고, 그중 한 칸만 열어 값 하나를 바꿔 봅니다. 나머지는 열지 않습니다.
- 입력 · 들어오는 것무엇이 들어옵니까?
로봇이 물건을 다루는 영상과, 그때 함께 기록된 행동 값
- 기억 · 적어 두는 곳무엇이 남아 있습니까?
장면을 짧게 줄여 담은 값과, 학습으로 굳어진 모델의 숫자들
- 처리 · 하는 일이 수업에서 다루는 부분무엇을 바꿉니까?
지금 장면과 행동을 받아 다음 장면을 그려 내는 생성 계산
- 출력 · 나오는 것무엇이 나가고 누가 씁니까?
예측한 다음 장면 영상과, 실제 영상과 얼마나 다른지 나타내는 점수
- 제어 · 언제 도는지 정하는 곳언제 도는지 누가 정합니까?
몇 걸음 앞까지 예측할지, 언제 다시 학습할지 적어 둔 설정
입력 · 들어오는 것영상과 행동 기록
interactive_world_sim/datasets/latent_dynamics/sim_aloha_dataset.pyinteractive_world_sim/datasets/latent_dynamics/real_aloha_dataset.py
기억 · 적어 두는 곳줄인 장면과 숫자
interactive_world_sim/algorithms/latent_dynamics/latent_world_model.pyinteractive_world_sim/algorithms/models/cm_decoder.py
처리 · 하는 일다음 장면 만들기
interactive_world_sim/algorithms/common/diffusion_helper.pyinteractive_world_sim/algorithms/latent_dynamics/models/cm_latent_dynamics.py
출력 · 나오는 것예측 영상과 점수
interactive_world_sim/algorithms/common/metrics/fvd.pyinteractive_world_sim/algorithms/common/metrics/lpips.py
제어 · 언제 도는지 정하는 곳예측 길이 설정
configurations/algorithm/latent_world_model.yamlconfigurations/experiment/exp_latent_dyn.yaml
이 수업에서 여는 파일을 이름 그대로 적었습니다. 저장소를 처음부터 끝까지 훑는 수업이 아니라, 어디를 열지 골라서 여는 수업입니다.
값 하나만 바꾸고 나머지는 그대로 둡니다. 오른쪽은 결과가 아니라 수업에서 먼저 적어 두는 예상이고, 바꾼 뒤 결과와 맞춰 보는 것이 이 활동입니다.
화면이 좁으면 그림을 가로로 넘겨서 봅니다.
표시된 대학과 연구실 이름은 공개 프로젝트를 만든 곳을 알려 줍니다. 수업은 CIT가 독립적으로 설계했으며 해당 기관의 공식 수업이나 제휴·보증 과정이 아닙니다.
어떤 자료를 검토했나요?
카탈로그 검토일: 2026-09-30
학부모가 검색하고 상담 전에 묻는 질문
Columbia AI가 다음 장면 예측하기 과정이 고등 9-12학년 학생에게 맞나요?
Columbia AI가 다음 장면 예측하기 과정은 고등 9-12학년 학생을 위한 수업입니다.
다음 장면을 예측하는 AI, AI 예측과 물리 계산의 차이에 관심 있는 학생에게 잘 맞으며 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업이나 소규모 그룹 수업으로 진행할 수 있습니다.
수업 결과물은 AI 예측과 물리 계산을 나란히 재생하는 장면 비교 도구, 위치 차이와 누적 오차를 색으로 보여 주는 비교 화면, 처음 어긋난 순간을 찾는 기능과 시험 기록입니다.
Columbia AI가 다음 장면 예측하기 과정은 온라인·압구정 오프라인 및 개별·소규모 그룹 수업이 가능한가요?
네. 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업과 소규모 그룹 수업을 운영합니다. 준비도 상담에서 과정별 가능한 방식과 시작점을 확인합니다.
Columbia AI가 다음 장면 예측하기 과정을 시작하려면 미리 배운 내용이나 코딩 경험이 필요한가요?
필요한 수학·과학·코딩 수준은 짧은 상담과 예제로 확인합니다. 처음 시작하는 학생은 안내된 작은 예제로 시작합니다. 출처, 방법, 한계를 자기 말로 설명할 준비가 필요합니다.
Columbia AI가 다음 장면 예측하기에서 아이는 무엇을 만들거나 연습하나요?
핵심 결과물은 AI 예측과 물리 계산을 나란히 재생하는 장면 비교 도구, 위치 차이와 누적 오차를 색으로 보여 주는 비교 화면, 처음 어긋난 순간을 찾는 기능과 시험 기록입니다.
선택한 이유, 시험한 결과, 받은 의견, 한계도 연령에 맞는 말로 함께 기록합니다.
Columbia AI가 다음 장면 예측하기에서 대학 연구를 이해한 과정을 지원서에 어떻게 설명하나요?
Columbia 연구팀이 공개한 연구를 수업의 출발점으로 씁니다.
학생은 연구팀이 무엇을 왜 묻고 어떤 방법으로 확인하는지 이해한 뒤, 새 질문을 세우거나 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 출처 연구와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
데이터 기록, 바꾸기 전 기준 결과 비교, 모델 평가, 오류 분석, 학생 본인의 의사결정 기록이 근거가 될 수 있습니다.
Columbia AI가 다음 장면 예측하기 수업 횟수와 수강료는 어떻게 확인하나요?
학생의 현재 준비도, 목표, 수업 장소, 수업 인원과 운영 가능 시간을 확인한 뒤 과정 계획을 제안합니다. 상담과 레벨 확인은 무료이며 등록 전에 수강료를 안내합니다.
언제 시작하는 것이 좋을까요?
정해진 개강 월은 없습니다. 학생의 학기 일정과 현재 준비도, 가능한 시간을 확인한 뒤 어느 지점부터 시작할지 알려 드립니다.
초기의 단순한 아이디어를 'AI 토론 도구'라는 방향까지 확장해 주신 점이 정말 좋았습니다. 아이가 원래 토론과 사회 이슈에 관심이 많은데, 그 관심사와 프로젝트가 자연스럽게 연결되니 완성도와 차별성이 훨씬 커질 것 같습니다.
준비도를 확인한 뒤 과정을 선택하세요
CIT가 연령, 관심 과목, 현재 준비도에 따라 가까운 과정과 비교해 드립니다.