AI시대에는 왜 인문학이 중요한가?

책을 일기 전에 (6)
제 1 장AI시대에는 왜 인문학이 필요한가?
인간은 이학습하고 추론하면서 세상을 만들어 간다. (7)
인간은 어떻게 생각하고 지식이란 무엇인가? (9)
AI는 인간의 마음을 나타내는 도구다. (12)

제 2 장 AI란 무엇인가? (14)
AI의 기초-철학(Philosophy) (19)
AI의 기초-심리학(Psychology) (21)
AI는 마음과 생각을 지식으로 나타내는 도구다. (24)
AI의 기초-수학(Mathematics) (36)
AI의 기초-컴퓨터 공학(Computer Engineering) (38)
AI는 생각할 수 있을까? (40)
AI의 의미는 어떻게 정의 되는가? (41)
AI의 분류 (43)
AI의 기본 원리(45)
신경망의 기본 모델( 50)
신경망의 종류 (54) 신경망의 학습 원리 (59) 최근의 AI학습모델 동향 (67)
자연현상에서 얻을 수 있는 AI원리 (91) AI역사 (95)
LLM, 생성형 AI, 챗GPT차이점? (97)

제 3장. AI의 데이터 (98) 데이터란 무엇인가? (99)
AI는 데이터를 통해 어떻게 학습하는가? (103) AI에는 왜 많은 데이터가 필요한가? (106)
AI는 데이터를 어떻게 활용하는가? (111) AI는 어떻게 예측 할 수 있는가? (113) 데이터의 편향과 공정성의 한계 (117)

제 4 장 LLM과 인과 추론 (119) 추론이란? (119)
AI는 원인을 이해 할까? (120) AI의 인과추론 개요 (122) 상관관계와 인과 관계 (123) 인과추론의 기본 지식 (126) 개입인과 (127)
인과모델의 개입변수 (128)
AI의 사건에 대한 반 사실적사고 (128)
반 사실적 인과 (130)
인과모델의 내생변수 (131)
개별 처치 효과 (132)
이질적 처치효과와 평균처치효과 (135)
인과 추정량의 평균처치효과 (136)
ATE와 HTE의 효과차이 (137)
조건부 평균처치효과 (137)
HTE의 측정방법 (137)
머신런닝/인과포레스트 (138)
잠재적 결과 (139)
인과추론의 일치성 (140)
상호간섭 없음 또는 SUTVA (140)
인과 추정량 (141)
데이터 편향 (141)
데이터 문제가 발생하는 원인 (144)
후방도어 패스를 해결하는 인과추론 (146)
인과추론을 알아야 하는 목적 (147)
추론의 강인성 (147)
인과 예측의 한계 (148)
인과 모델링 방법 (148)
인과모델과 추론 (149)
구조적 인과모델 (150)
인과그래프 모델 (151)
잠재변수와 교란변수 (152)
인과추론과 간섭 (153)
독립인과 추론 (159)
저밀도 변형인과 (161)
학습인과 변수 (161)
데이터를 분리 학습 (162)
데이터 전송을 통한 학습 (163)
머신런닝 주지도학습 (163)
인과추론 강인성 및 일반화 (165)
사전학습, 데이터 강화학습 및 자기지도학습 (165)
동적변화 시스템의 인과학습변수 (167)
기존 딥런닝의 편향문제 (168)
방향성 비순환 그래프 (DAG) (168)
이중 강인성 (170)
확장된 역확률 가중치 (171)
데이터 희소성 (172)
다목적 학습 (MTL)에 의한 인과추론 향상(174)

제 5 장 미래의 AI는 어떻게 되어야 할까? (179) 에이전트 AI (183)
미래는 피지컬 AI다! (187)

제 6 장 AI혁명으로 인류 문명의 패러다임이 바뀌고 있다. (191)
미래 AI시대에는 인문학이 답이다. (192) 사건에 대한 비판적 사고와 AI리터러시 (194) 복잡한 사건을 이해 할 수 있는 문해력 (195) 인문학은 AI 활용 능력을 길러준다. (196) AI시대의 윤리적 판단과 도덕적 추론 (197) AI시대에 적합한 창의성 (198)
인간중심 AI 설계 (198) AI시대의 인문학 교육 (199) STEAM교육과 융합인재 양성 (200) 비판적 AI리터러시 교육 (201)
AI와의 협력 방안에 대한 인문학 교육 (202) AI시대 미래를 위한 나침반, 인문학 (203) AI가 열어주는 인문학의 새로운 가능성 (204)
인문학적 AI사회의 상상력을 그릴 수 있다. (205) AI시대에는 인문학이 가장 필요한 시대이다. (206) AI를 통한 인문학의 새로운 가치 창출 (207)
제 7 장 국가패권, AI패권, 인재패권시대 (208) 국가별AI경쟁력 지수 (210)
한국의 AI인재양성 전략 (212)
AI교육, AI시대에는 한국이 최고의 리더 국가가 될 수 있다. (221)
AI를 이용한 교육 (223)
AI를 잘 가르치는 방법 (224)
유네스코 K-12 AI 교육과정 분석 (227)
미국의K-12 AI교육과정 (234)
중국의 K-12 AI교육과정 (237)
캐나다의 K-12 AI교육과정 (242)
인도의 K-12 AI교육과정 (246)
영국의 K-12 AI교육과정 (250)
한국의 K-12 AI교육과정 (253)
챗GPT교육과정 자료 (255)
왜 AI교육과정 필요한가? (256)
한국형 K-12 AI교육과정 설계 예 (260)
참고문헌 (266)
편집후기 (272)
저자이력 (273)
부록 : 추론 (276)

김동화 - 일본동경공업대학 컴퓨테이션 지능공학과 졸 (공학박사, TIT: Tokyo Institute of Technology, Dept. of Computational
Intelligence and Systems Science, Interdisciplinary Graduate School of Science and Engineering)
- 국립대학 교수역임
- 베트남 국립 TDT대학, 에티오피아 국립 아다마과학기술대 인공지능 교수
- EU-FP7, ICT-NCP (유럽연합 ICT 국가 조정관 역임)
- 캐나다 원자력 연구소 연구
- 캐나다 알버타 대학 방문교수
- 과학기술문화연구소장 역임
- 세계 약 100여개 대학을 방문하여 AI에 의한 문명의 패러다임 변화에 대해 강연과 세미나를 하다.

최근의 연구논문

- Dong Hwa Kim, "Paper Writing Skill Test of ChatGPT for Causal Inference of Physical AI with LMM", IARJSET, Vol. 13, Issue 5, May 2026.
- Dong Hwa Kim, "How to Educate AI Thinking, AI Literacy, and AI Literature? IAR.12, No. 9, September 2025.IARJSET.
- 외 200여편 논문 발표.