[지은이 소개]
엘리 스티븐스(Eli Stevens)
실리콘 밸리 스타트업에서 대부분의 커리어를 이어왔다. (기업용 네트워크 장비를 만드는) 소프트웨어 엔지니어부터 (종양영상학을 위한 소프트웨어 개발) CTO까지 다양한 경력을 쌓았으며 지금은 자율주행 산업에서 머신러닝 분야에 종사하고 있다.
루카 안티가(Luca Antiga)
2000년대에 생체의공학 분야 연구원으로 활동했고 지난 십 년 동안 AI 엔지니어링 회사의 공동창업자이자 CTO를 역임했다. 파이토치 코어를 비롯해 여러 오픈소스 프로젝트에 기여했다. 최근 데이터 정의 소프트웨어(data-defined software)를 위한 인프라스트럭처를 다루는 미국 소재 스타트업을 공동 창업했다.
토마스 피이만(Thomas Viehmann)
독일 뮌헨에서 머신러닝과 파이썬 전문 강사로 일하고 있으며 파이토치 코어 개발자다. 수학 박사 학위를 취득한 덕분에 이론을 어려워하지는 않지만, 이를 도전적인 컴퓨팅 과제에 적용할 때에는 매우 실용적으로 접근한다.
[지은이의 말]
1980년 우리 모두가 꼬마였을 때 엘리는 코모도어 VIC 20으로, 루카는 싱클레어 스펙트럼 48K로, 토마스는 코모도어 C16으로 컴퓨터 세상에 첫발을 내디뎠다. 우리는 개인용 컴퓨터의 서막을 바라봤고 점차 빨라져 가는 컴퓨터에서 코드와 알고리즘을 작성하는 법을 배워가며 컴퓨터가 앞으로 우리를 어디로 데려다 줄지에 대해 꿈꿔왔다. 이때 우리는 스파이 영화의 주인공이 “컴퓨터, 확대해 봐.”라고 말하는 장면을 일제히 두 눈을 굴리며 바라봤지만, 영화 속 컴퓨터와 실제 컴퓨터 기능의 간극을 뼈저리게 깨닫기도 했다.
이후 전문직에 종사하는 동안 엘리와 루카는 각각 의학 영상 이미지를 분석하느라 고군분투하며 인체의 다양성을 다루는 알고리즘을 작성하는 어려움에 직면했다. 기간도 단축하고 그럭저럭 돌아가게 하기 위해 여러 알고리즘을 최적으로 섞는 방법에 대한 다양한 휴리스틱(heuristics)이 존재했다. 21세기로 넘어설 무렵 토마스는 신경망과 패턴 인식을 공부하는 한편, 모델링을 하면서 수학 박사 학위도 취득했다.
2010년대 초반 컴퓨터 비전 영역에서 두각을 나타낸 딥러닝은 의료용 이미지에서 병변이나 구조를 인식하는 의학 이미지 분석에 사용되기 시작했다. 2010년대 중반에 이르자 비로소 딥러닝은 우리의 개개 레이더 망에 감지되기 시작했다. 딥러닝이 소프트웨어 작성 영역에서 완전히 새로운 방식을 제안하고 있다는 점을 인지하는 데에는 약간의 시간이 필요했다. 데이터 관찰만으로 복잡한 작업을 어떻게 처리하는지 스스로 학습하는 범용 알고리즘이라는 새로운 체계 말이다.
80년대 노땅들의 관점에서 보면, 단 하룻밤 사이에 컴퓨터의 가능성이 고수 프로그래머의 두뇌를 넘어 데이터와 신경망 아키텍처 그리고 훈련 프로세스로 확장되는 순간이었다. 이 깨달음 직후 우리는 직접 수행해보기로 했다. 루카는 존경스러운 선구자격의 토치7(http://torch.ch)을 골랐다. 토치7은 빠르고 가벼우며 루아(Lua)와 C로 작성된 소스 코드로 쉽게 접근할 수 있었는데, 나름의 오랜 배경을 지닌 커뮤니티의 지원도 있었다. 첫눈에 루카는 토치7에 반해버렸다. 다만 토치7에는 단점도 있었으니, 유래없이 급성장 중인 파이썬 데이터 사이언스 생태계에서 멀어지고 있다는 점이었다. 반대로 그 당시 또 다른 프레임워크들이 파이썬에서 파생되고 있었다. 엘리는 대학 시절부터 AI에 흥미가 많았다. 하지만 그의 커리어는 다른 방향으로 진행 중이었고 열의를 가지고 취미로 하기에 초기 딥러닝 프레임워크는 너무 많은 노력이 필요했다.
이 때문에 2017년 1월 18일 첫 번째 파이토치가 릴리스되었을 때 우리 모두는 크게 흥분했다. 루카는 핵심 개발자로 기여했으며, 엘리는 초창기 커뮤니티의 일원으로서 특이한 버그를 고쳐 내고 기능을 추가하며 문서를 업데이트했다. 토마스는 수많은 기능과 버그 수정에 기여하고 결국 핵심 기여자 중 한 명이 되었다. 적절한 수준의 복잡성과 최소의 인지적인 부하만을 요구하면서 뭔가 큰 움직임이 시작되고 있었다. 토치7에서 배운 린(lean) 설계 교훈을 계승하며 자동미분이나 동적 계산 그래프, 넘파이 통합 같은 최신 기능도 추가됐다.
열정적으로 프로젝트에 참여하며 여러 파이토치 워크샵도 진행하고 나자 책 집필 작업은 자연스러운 다음 과정으로 느껴졌다. 우리 저자진은 파이토치를 시작한 몇 년 전의 우리에게 설득력 있게 다가갈 수 있는 책을 쓰자는 목표를 세웠다.
예상한 대로 우리는 거창한 아이디어로 시작했다. 기본을 가르치고 엔드투엔드 프로젝트를 따라 해보며 파이토치의 최고 모델과 최신 모델을 설명하려 했다. 하지만 이 모든 것을 다루려면 책 한 권으로는 부족할 것임을 금세 알아챘다. 그래서 초기 목표에 집중하기로 하고 파이토치 기저의 핵심 개념을 다루는 데 시간을 들이고 깊이를 더했다. 딥러닝에 대한 사전 지식이 거의 없어도 독자가 프로젝트 전체를 따라갈 수 있도록 저술했다. 실습 프로젝트로는 우리의 전공 분야인 의학 이미지 분석 과제를 선택했다.
[옮긴이 소개]
현동석
서울대학교에서 컴퓨터공학을 전공한 후, 오랫동안 네이버나 마이크로소프트 등 여러 회사에서 검색 관련 개발을 수행했으며, 딥러닝 모델 제품화를 위한 서빙과 데이터 분석을 엮은 엔드투엔드 플랫폼도 만든 바 있다. 현재는 네이버에서 지식그래프 기반의 검색 결과를 제공하는 지식베이스 조직을 이끌고 있다.
[옮긴이의 말]
만약 범용인공지능(AGI, artificial general intelligence)에게 질문할 기회가 생긴다면, 이 책이 출간되기 십 년 전쯤인 어느 날 앤드류 응(Andrew Ng)이 회사 키친에서 우연히 제프 딘(Jeff Dean)을 만나지 못했어도 GPU를 활용한 학습과 이미지로부터 사물 탐지, 그리고 지금의 네가 존재할 수 있었을까, 라고 물어보고 싶다. 저자진도 책에서 여러 번 언급하듯이 지난 십여 년의 딥러닝의 발전은 엄청났고 매우 빠르게 일어났다. 컴퓨터공학을 전공하고 업을 삼아 살아가는 우리에게 엄청난 공부거리가 생겨 부담이었지만, 한편으론 영화에서만 보던 상상이 꽤 가까운 현실로 자리 잡아 가는 설렘 속에 살게 된 것은 기쁜 일이다.
2015년의 일이다. 딥러닝이 등장한 지도 몇 년 됐으니 이젠 잘 정리된 책도 좀 나왔겠지, 라는 생각으로 여기저기 서적을 살펴보고 온라인서점 사이트에서 원서도 뒤적거려 보았으나 여전히 쓸 만한 내용은 찾기가 어려웠고 얇은 두께에 이끌려 샀던 책은 주마간산이라는 표현으로는 부족할 만큼 부실하게 훑고 넘어가는 경우도 많았다. “딥러닝, 무엇부터 공부하나요?”라고 물어보는 분들에게 늘 스탠포드 강의와 코세라(Cousera)를 추천할 수밖에 없었다. 도서로는 딱히 추천할 만한 책이 떠오르지 않았고 이안 굿펠로(Ian Goodfellow)가 쓴 딥러닝 책은 그 명성에 걸맞게 금과옥조 같은 내용이 가득했지만, 고백하자면 나에게 커누스의 『The Art of Computer Programming』처럼 읽기보다는 소장의 목적이 컸다.
그사이 딥러닝 프레임워크는 춘추전국 시대를 지나 텐서플로(TensorFlow)와 파이토치(PyTorch)로 양분되어 가고 있었고 응당 그래야 했던 것처럼 멋진 모델과 훈련 결과로 데모를 보여주는 것을 넘어 실제 서비스와 비즈니스에 활용되는 상용화 단계로 진화해갔다. 그즈음 나도 발맞추어 실무에 적용하고 제품화를 위한 엔드투엔드 플랫폼도 구축했으나, 텐서플로보다 조금은 늦게 빛을 보던 파이토치에 대한 서적이나 자료는 공식 사이트 외에는 찾기가 힘들었다. 그때 마침 출판사에서 이 책의 번역을 의뢰했으니 어찌 거절할 수 있었으랴. 국내 전문가 그룹에서도 한창 화제에 올랐던 책이 드디어 한글로 출간되고, 출간 작업에 역자로 참여하게 되어 뿌듯하기 그지 없다.
제목에 속거나 얇은 두께의 유혹에 못 이겨 구입했다가 후회한 여타의 딥러닝 책과는 달리 이 책은 파이토치 핵심 멤버였던 저자진의 면면부터 책에서 다루는 상세 내용까지, 인공지능 개발에 목마른 독자들의 갈증을 후련하게 해소시켜줄 것이라 믿어 의심치 않는다. 이 책은 빠르게 발전하는 딥러닝 분야의 현실을 전제하고 그 안에서 오랫동안 남을 지식을 제공하려는 저자진의 노력은 물론, 딥러닝에 대한 기본적인 이해부터 다양한 용어 해설, 실무에 적용하기 위한 테크닉과 도구 그리고 평가까지 모두를 담았다. 내용 중에 전문 용어에 대한 별도 공부가 필요할 수도 있겠지만 부디 포기하지 말고 끝까지 읽어보시고 인공지능 연구에 많은 지식과 도움을 얻어가시길 바란다.
- 현동석
