◈ 지은이의 말 ◈
『텐서플로와 케라스로 구현하는 딥러닝 3/e』은 소프트웨어 엔지니어와 데이터 과학자를 위해 특별히 설계된 최신 신경망, 인공지능 및 딥러닝 기술에 대한 간결하면서도 알찬 소개서다. 이 책은 같은 저자가 쓴 『텐서플로 2와 케라스로 구현하는 딥러닝 2/e』(에이콘, 2020) 및 『TensorFlow 1.x Deep Learning Cookbook』(Packt, 2017)의 후속작이다.
지난 6년 동안 학습 기술이 어떻게 진화했는지 매우 상세한 파노라마를 보여준다. 아울러 케라스와 유사한 API를 기반으로 하는 모듈식 네트워크 라이브러리인 텐서플로 2.x를 사용해 파이썬으로 코딩된 수십 개의 작동하는 심층 신경망을 제시한다.
인공지능(AI)은 이 책에서 논의하는 모든 것의 토대다. 머신러닝(ML, Machine Learning)은 AI의 한 부류이며 딥러닝(DL, Deep Learning)은 머신러닝의 하위 집합이다. 이 절에서는 이 책의 나머지 부분에서 정기적으로 접하게 될 세 가지 개념에 대해 간략하게 설명한다.
AI는 일반적으로 인간이 보여주는 지능형 행동을 기계가 모방하는 모든 활동을 나타낸다. 보다 형식적으로는 기계가 학습 행동, 환경과의 능동적 상호 작용, 추론 및 추측, 컴퓨터 비전, 음성 인식, 문제 해결, 지식 표현 및 인식과 같은 인지 기능을 복제하는 것을 목표로 하는 연구 분야다. AI는 인간 행동을 연구하는 심리학 및 기타 과학뿐만 아니라 컴퓨터 과학, 수학 및 통계의 요소를 기반으로 한다. AI를 구축하기 위한 전략은 여러 가지가 있다. 1970년대와 1980년대에 “전문가” 시스템은 엄청난 인기를 끌었다. 이러한 시스템의 목표는 수동으로 정의된 많은 수의 if-then 규칙으로 지식을 표현해 복잡한 문제를 해결하는 것이었다. 이 접근 방식은 매우 구체적인 도메인의 작은 문제에는 효과가 있었지만 더 큰 문제와 복합적인 도메인까지 확장할 수는 없었다. 나중에 AI는 머신러닝의 일부인 통계 방법을 기반으로 하는 노하우에 점점 더 집중했다.
머신러닝은 특정 작업을 위해 프로그래밍할 필요 없이 컴퓨터에게 학습 방법을 가르치는 데 중점을 둔 AI의 하위 분야다. 머신러닝의 핵심 아이디어는 데이터에서 학습하고 예측하는 알고리듬을 만들 수 있다는 것이다. 머신러닝에는 크게 세 가지 범주가 있다.
◆ 지도학습은 기계에 입력 데이터와 원하는 출력이 제공되는 것으로서, 목표는 기계가 교육 예제를 통해 이전에 관찰한 적이 없는 데이터에 대해 의미 있는 예측을 할 수 있는 방식으로 학습하는 것이다.
◆ 비지도학습은 기계에 입력 데이터만 제공되고 이후에 기계가 외부 지도나 입력 없이 자체적으로 의미 있는 구조를 찾는다.
◆ 강화학습은 기계가 환경과 상호 작용하는 에이전트 역할을 한다. 기계는 원하는 방식으로 행동하면 “보상”을, 원하지 않는 방식으로 행동하면 “처벌”을 받는다. 기계는 그에 따라 행동을 개발하는 방법을 학습해 보상을 극대화하려고 시도한다.
딥러닝은 2012년에 전 세계를 강타했다. 그해에 ImageNet 2012 챌린지는 손으로 레이블을 붙인 대규모 데이터셋의 하위 집합을 사용해 사진의 내용을 예측하는 것을 목표로 시작됐다. AlexNet이라는 딥러닝 모델은 상위 5개 오류율 15.3%를 달성했으며, 이는 이전의 최신 결과에 비해 크게 개선된 것이다. 「이코노미스트」에 따르면 갑자기 사람들이 AI 커뮤니티뿐만 아니라 기술 산업 전반에 걸쳐 관심을 갖기 시작했다.
이는 시작에 불과했다. 오늘날 딥러닝 기술은 의료, 환경, 녹색 에너지, 컴퓨터 비전, 텍스트 분석, 멀티미디어, 금융, 소매, 게임, 시뮬레이션, 산업, 로봇 공학 및 자율주행 자동차와 함께 그보다 더 많은 여러 종류로 이뤄진 영역에 성공적으로 적용된다. 이러한 각 영역에서 딥러닝 기술은 이전 방법으로는 불가능했던 정확도 수준으로 문제를 해결할 수 있다.
지난 8년간 딥러닝이 과학과 산업에 기여한 범위를 돌이켜보면 흥미진진하다. 향후 8년 동안 기여도가 줄어들 것이라고 믿을 이유가 없다. 실제로 딥러닝 분야가 계속 발전함에 따라 딥러닝은 제공하는 훨씬 더 흥미롭고 매력적인 기여를 보게 될 것으로 기대한다.
이 책은 딥러닝의 마법을 소개한다. 먼저 간단한 모델로 시작해 점진적으로 더 정교한 모델을 도입할 것이다. 접근 방식은 작업하기 적절한 양의 코드를 사용해 항상 직접 손으로 작업할 것이다.
◈ 지은이 소개 ◈
아미타 카푸어(Amita Kapoor)
신경망 및 인공지능 분야의 연구를 가르치고 관리했다. 인도 델리대학교에서 부교수로 20년 이상 재직했으며 현재 프리랜서로 활동하고 있다. AI 컨설턴트이며 AI 및 EdTech 분야에서 일하는 다양한 조직에 전문 지식을 제공하고 있다.
안토니오 걸리(Antonio Gulli)
혁신과 실행에 있어 전체적 기술과 관리를 구축하는 데 열정을 갖고 있다. 핵심 전문 분야는 클라우드 컴퓨팅, 딥러닝과 검색엔진이다. 현재 스위스 취리히의 Google 클라우드 오피스 CTO로 재직 중이며 검색, 클라우드 인프라, 데이터 독립 대화형 AI를 연구하고 있다. 이전에는 EMEA의 CTO 사무실에서 근무했다. Google 바르샤바에서 관리자로 일하는 동안 GCE, 쿠버네티스, 서버리스, 보르그, 콘솔에서 클라우드 관리 팀에 집중하며 450명이 넘는 엔지니어 집단으로 성장시켰다.
지금까지 운 좋게 유럽 4개국에서 전문적인 경험을 얻을 수 있었고 EMEA의 6개국과 미국에서 팀을 관리했다.
◆ 암스테르담의 주요 과학 출판사인 Elsevier에서 부사장으로서 과학 출판을 이끌었다.
◆ 런던에서는 Microsoft Ask.com의 CTO로서 Bing 검색 작업을 수행하는 엔지니어링 사이트 책임자로 일했다.
◆ 이탈리아와 영국에서는 Ask.com 유럽의 CTO였다.
◆ 폴란드, 영국, 스위스에서는 Google에 근무했다.
검색, 스마트 에너지, 환경, AI에서 공동 발명한 수많은 기술이 있으며 11개 특허가 등록(21개 출원)됐고 코딩과 머신러닝에 관한 다수의 책을 저술했으며 이는 일본어와 중국어로도 번역됐다.
수짓 팔(Sujit Pal)
Reed-Elsevier 그룹 내 고급 기술 그룹인 Elsevier Labs의 기술 연구 이사다. 관심 분야는 문맥 검색, 자연어 처리, 머신러닝, 딥러닝이다. Elsevier에서 여러 머신러닝 이니셔티브(initiatives)를 수행했는데 검색 품질 측정과 개선, 이미지 분류와 중복 탐지, 어노테이션, 의학과 과학 말뭉치에 대한 온톨로지 개발 등을 수행했다.
◈ 옮긴이의 말 ◈
이 책은 딥러닝 기초부터 최신 기술 동향까지 한눈에 쉽게 파악할 수 있도록 구성돼 있으며, 전작을 증보한 3판이다. 특히 Keras를 완전 통합한 TensorFlow 2.0에 대한 풍부한 예제와 함께 현재 활발히 연구가 진행 중인 AutoML까지 다루고 있던 2판에서 4개의 장이 더 늘어나면서 그래프 신경망의 소개, 최신 TPU version 4.0의 소개, 확률적 TensorFlow의 소개가 늘어났으며, 2판에 있던 여러 예제도 최신 내용으로 많이 갱신됐다. 또한 2판에 다소 산재해 있던 몇 가지 개념은 독립시키거나 다시 정리해, 한결 더 쉽게 다가오도록 했다. 새로 추가한 6장, ‘트랜스포머’ 등을 통해 최근 가장 주목받고 있는 챗GPT 등에 대한 개념도 더욱 굳건히 이해할 수 있을 것이다. 또한 그래프 신경망도 별도의 장으로 추가돼 여러 예제와 함께 소개하고 있다.
이 책은 딥러닝을 처음 시작하는 사람에게도 어렵지 않을 정도로 친절히 안내하면서도 딥러닝의 핵심인 역전파의 이면에서 벌어지고 있는 수학적 의미에 대한 해부에 한 장을 할애할 정도로 전문적인 설명 역시 빠트리지 않고 있다. 편안한 마음으로 책을 읽고 나면 어느새 TensorFlow에 대한 최신 전문가가 될 수 있을 것이다.
◈ 옮긴이 소개 ◈
이병욱
서울과학종합대학교 디지털금융 주임교수
한국과학기술원(KAIST) 겸직교수
한국금융연수원 겸임교수
인공지능연구원(AIRI) 부사장
- 금융위원회 금융규제혁신회의 위원
- 금융위원회 법령해석심의위원회 위원
- 금융위원회 디지털자산 자문위원
- 한국산업기술진흥원(KIAT) ‘규제자유특구 분과위원회’ 위원
- 과기정통부 우정사업본부 정보센터 네트워크 & 블록체인 자문위원
한국과학기술원(KAIST) 전산학과
전) BNP 파리바 카디프 전무
전) 삼성생명 마케팅 개발 수석
전) 보험넷 Founder & CEO
전) LG전자 연구원
서울과학종합대학원 디지털금융 주임교수와 카이스트 겸직교수, 한국금융연수원 겸임교수를 맡고 있으며 인공지능연구원(AIRI)의 부사장으로도 재직 중이다. 한국과학기술원(KAIST) 전산학과 계산이론 연구실에서 공부했으며 공학을 전공한 금융 전문가로, 세계 최초의 핸드헬드-PC 개발에 참여해 한글 윈도우 CE1.0과 2.0을 미국 마이크로소프트 본사에서 공동 개발했다. 1999년에는 전 보험사 보험료의 실시간 비교 서비스를 제공하는 핀테크 전문회사 ㈜보험넷을 창업했고 이후 삼성생명을 비롯한 생명 및 손해 보험사에서 CMO(마케팅 총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발, 총괄했다.
세계 최초로 파생상품인 ELS를 기초 자산으로 한 변액 보험을 개발해 단일 보험 상품으로 5천억 원 이상 판매되는 돌풍을 일으켰고, 매일 분산 투자하는 일 분산 투자(daily Averaging) 변액 보험을 세계 최초로 개발해 상품 판매 독점권을 획득했다. 인공지능 연구원에서 머신러닝 기반의 금융 솔루션 개발에 관련된 다양한 활동을 하고 있으며, 금융위원회, 금융정보분석원 등에 다양한 자문을 하고 있다.
저서로는 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018)과 대한민국학술원이 2019 교육부 우수학술도서로 선정한 『블록체인 해설서』(에이콘, 2019)와 한국금융연수원의 핀테크 전문 교재인 『헬로, 핀테크!』(공저, 2020), 『헬로핀테크-인공지능편』(2021)이 있다.
