본문 바로가기

리디북스 접속이 원활하지 않습니다.
강제 새로 고침(Ctrl + F5)이나 브라우저 캐시 삭제를 진행해주세요.
계속해서 문제가 발생한다면 리디북스 접속 테스트를 통해 원인을 파악하고 대응 방법을 안내드리겠습니다.
테스트 페이지로 이동하기


딥러닝 레볼루션 상세페이지

경영/경제 경영일반 ,   컴퓨터/IT IT 비즈니스

딥러닝 레볼루션

AI 시대, 무엇을 준비할 것인가

구매종이책 정가25,000
전자책 정가20,000(20%)
판매가20,000


책 소개

<딥러닝 레볼루션>

인공지능, 초연결, 초지능, 자율주행까지
모든 혁신은 딥러닝에서 시작되었다

4차 산업혁명, AI 시대의 미래를 예측하려면
딥러닝에 주목하라
‘스마트폰 혁명’ 이후의 새로운 패러다임은 무엇일까. 누구도 경험하지 못한 미래가 다가오고 있다. ‘딥러닝 혁명’이 바로 그것이다. 딥러닝 혁명에서 시작된 변혁은 산업, 교육, 경제, 문화, 전 영역에 걸쳐 가시화되고 있다. 새로운 패러다임 등장은 필연적으로 승자와 패자를 낳는다. 발 빠르게 적응하는 이와 그렇지 못한 이가 나뉘는 것이다. 얼마 전 소프트뱅크 손정의 회장이 문재인 대통령을 만나 자리에서 “첫째도 AI, 둘째도 AI, 셋째도 AI”라고 힘주어 말했다. 인공지능에 기업과 국가의 경쟁력이 달려 있으며, 인공 지능 개발에 모든 역량을 집중해야 한다는 것이었다. 실제로 4차 산업혁명 열풍과 알파고 충격 이후, 인공지능은 제조업, 통신, 자동차, 서비스업 등 산업뿐만 아니라 교육, 의료, 법조, 행정 등 우리 생활 모든 영역에 깊숙이 들어왔다. 빅데이터와 인공지능이 결합된 서비스가 나의 욕구를 나보다 먼저 정확하게 알고 상품을 추천을 해주는 일은 이제 너무 당연해서 특별하게 느껴지지 않을 정도다.

이제는 앞을 내다보는 질문이 필요한 시점이다. 이와 같은 변화가 어디서 시작되었고, 앞으로 어떻게 될 것이며, 나아가 우리는 무엇을 준비해야 하는지 말이다. 《딥러닝 레볼루션》의 저자 테런스 J, 세즈노스키는 인공지능 발전에 결정적 역할을 한 것이 딥러닝이라고 말한다. 딥러닝 없이는 지금과 같은 변화가 없었을 것이며, AI 시대의 미래를 예측하기 위해서는 딥러닝을 알아야 한다는 것이다. 모두의 각광을 받고 있는 빅데이터, 초연결, 자율주행 역시 딥러닝 없이는 불가능했을 성과다. “아무리 많은 데이터를 만들어내도 머신러닝(딥러닝)이 발전하지 않으면 아무 소용이 없다”는 말이 이를 압축적으로 보여준다.

이 책에서 신경과학과 머신러닝 분야의 대가인 세즈노스키는 통찰력 있게 인공지능의 과거와 현재를 돌아보고 미래를 조망한다. 딥러닝은 지금까지 이뤄낸 변화보다 앞으로 훨씬 큰 변화를 가져올 것이다. 하지만 여기에는 ‘궁극적으로’라는 단서가 붙는다. 그 시기가 앞당겨질지 아닐지, 발전의 결과물을 유리하게 이용할지 못할지는 전적으로 우리가 어떻게 하느냐에 달려 있다.


출판사 서평

제조업, 통신, 자동차, 서비스, 교육, 의료, 법조, 행정까지
게임의 규칙을 바꾸고 있는 인공지능

인공지능은 어디까지 왔고, 어디로 향할 것인가
인공지능은 과연 인간의 지능을 따라잡을 수 있을 것인가

자율주행 자동차, 인공지능과 머신러닝을 통한 의료 진단, 딥러닝 시스템을 통한 법률 상담, 자동 거래를 통한 막대한 이익 등은 딥러닝 혁명이 만들어낸 변화들이다. 자율주행과 의료 영역을 중심으로 그 발전 양상을 좀 더 자세히 살펴보자.
자율주행차가 불러올 변화는 운전으로부터의 해방과 도로 주행이 보다 안전해지는 수준을 훨씬 넘어선다. 우선 언제 어디서든 자율주행차를 쓸 수 있게 되면 자연스럽게 소유 개념이 달라질 것이다. 부르자마자 1분 만에 인공지능이 안전하게 운전하는 자동차가 온다면 굳이 차를 소유할 필요가 없기 때문이다. 자율주행 자동차가 상용화되고 도시 밖에 주차를 하는 시대가 오면 현재 도시에서 주차장으로 쓰이는 방대한 면적이 생산적인 목적으로 재활용될 것이다. 실제로 도시 계획가들은 이미 주차장을 공원화하는 방안 등을 그려보고 있다. 이는 도시의 형태를 완전히 뒤바꿀 것이다. 자동차와 관련된 여러 산업군이 영향을 받는 것은 물론이다. 보험사와 정비소가 대표적이다.
의료계는 어떨까. 머신러닝이 발전하고 빅데이터를 이용할 수 있는 여러 문제에 적용됨으로써 변혁을 겪게 될 전망이다. 의료 진단이 대표적인 예다. 환자 수백만 명의 기록을 활용할 수 있게 되면서 더욱 정확해질 것이다. 암 진단에서 딥러닝의 예측과 전문의의 판단이 결합된 경우 0.995라는 거의 완벽한 정확도가 나왔다. 인간과 인공지능이 힘을 합쳤을 때 더 나은 수행력이 나온 이유는 전문의와 딥러닝 네트워크가 동일한 자료를 서로 다른 방식으로 보기 때문이다. 이는 곧 인간과 기계가 경쟁하기보다는 공조하는 미래가 열릴 것이며 보다 많은 생명을 살릴 수 있게 될 것이라는 의미다.
이와 같은 놀라운 변화는 수많은 데이터를 해석하고 응용하게 됨으로써 가능해졌다. 그리고 여기서 핵심적인 역할을 하는 것이 머신러닝과 딥러닝이다. 세즈노스키 교수는 이렇게 말한다. “데이터를 가공해 정보로 만들어내는 정제소 역할을 하는 것이 머신러닝(딥러닝)이다. 아무리 많은 데이터를 만들어내도 머신러닝(딥러닝)이 발전하지 않으면 아무 소용이 없다.” 머신러닝과 딥러닝 없이는 수많은 데이터도 의미가 없다는 뜻이다.
한편 인공지능 개발 초기, 많은 연구자들은 로직을 통해서 인공지능을 구현할 수 있다고 생각했다. 그리고 이들이 주류 학파의 위치를 점하고 있었다. 세즈노스키는 이에 대해 도전장을 내밀었다. 인공지능을 현실화시키기 위해서는 인간이 학습하고 응용하는 방식을 이해해야 하는데, 인간은 로직을 통해서 학습하지 않는다는 것이었다. 이는 인공지능을 신경과학과 떼놓고 말할 수 없는 이유이기도 하다.
세즈노스키를 비롯한 몇몇 과학자들이 개발한 AI의 새로운 버전은 로직 대신 데이터를 기반으로 하는 방식이었다. 딥러닝은 아기가 세상을 경험하는 것과 동일한 방식으로 데이터를 통해 학습한다. 그렇게 새로운 눈으로 출발하여 처음 접하는 환경을 다루는 데 필요한 기술을 하나씩 습득해나가는 것이다. 학습 알고리즘은 원시 데이터에서 정보를 추출해 그런 정보로 지식을 만들고 그런 지식을 이해의 토대로 삼으며 그런 이해로 지혜를 쌓는다. 물론 이와 같은 모델은 초기에 데이터를 확보하는 데 어려움을 겪었고, 컴퓨터가 데이터를 처리할 만큼의 수준에 오르지 못해 발전 속도가 더뎠다.
하지만 2016년 알파고를 통해서 전 세계가 똑똑히 보았다. 딥러닝이 세상의 모든 것을 변화시키는 인공지능 혁명의 중심에 서게 된 것을 말이다. “알파고가 이겼다, 우리는 달에 착륙했다.” 2016년 봄 인공지능 바둑 프로그램 알파고가 이세돌 9단을 꺾은 직후, 구글 딥마인드 최고경영자 데미스 허사비스가 트위터에 올린 글이다. 인공지능 개발의 성취와 앞으로 펼쳐질 인공지능의 역사에 새로운 출발을 알리는 상징적인 사건이었다.
달에 도착한 다음에는, 달에서 어떻게 잘 살아갈지를 고민해야 한다. 인공지능은 과연 인간의 지능을 뛰어넘을 수 있을 것인가? 머신러닝과 딥러닝은 어떤 미래를 가져다 줄 것인가? 저자는 인간 지능의 진화와 인공지능의 진화라는 두 개의 축으로 위 질문에 대한 답을 풀어간다. 분명한 건 인공지능의 발전은 인간의 지능에 대한 이해와 따로 떼놓고 얘기할 수 없으며, 인간에 대한 이해가 곧 인공지능의 발전으로 이어질 것이라는 점이다. 저자는 말한다.

현재 딥러닝과 인공지능을 놓고 한편에서는 이상적인 시나리오를, 다른 한편에서는 종말론적 시나리오를 펼쳐놓고 있지만, 어느 누구도 그것들의 궁극적인 영향은 예측할 수 없을 것이다. 사실 우리에게 주어진 선택지는 별로 없다. 제대로 알고, 미리 준비하는 것. 이상적 시나리오든, 종말론적 시나리오든 미래의 방향 또한 사전 준비에 들인 노력과 시간에 의해 달라질 것이다. 한 가지는 확실하다. 인공지능과 관련한 모든 기술은 가공할 만큼 빠르게 발전하고 있으며, 인간 사회의 모든 영역에 걸쳐 영향을 끼치고 있다. 기술의 발전 속도와 영향의 정도는 날로 높아지고 있는데, 안전벨트에 몸을 맡긴 채 움츠리는 것은 올바른 반응이 아닐 것이다.

머신러닝 및 신경과학 분야 최고 학회 NeurIPS 의장이 말하는 인공지능의 모든 것
인공지능, 머신러닝, 딥러닝을 제대로 알고 싶다면
첫 번째로 봐야 할 책!

《딥러닝 레볼루션》은 총 3부에 걸쳐 인공지능과 딥러닝의 활용 현황, 인공지능으로 변화할 미래 모습과 이를 대하는 관점, 인공지능과 딥러닝 기술의 발전 과정에 대해서 이야기한다. 1부 경우 딥러닝의 실제 적용 사례를 사례를 들어가며 현재의 발전상을 보여준다. 주식거래, 자율주행차, 교육, 게임, 헬스케어, 번역, 음성인식, 사물인식 등이다. 2부에서는 미래의 인공지능 기술에 대한 조망과 더불어 인공지능과 관련 기술을 바라보는 다양한 관점을 보여준다. 대가의 시선으로 앞으로 펼쳐질 변화의 모습을 가늠해보고, 인공지능에 대한 다양한 시각을 접하는 기회가 될 것이다. 마지막 3부에서는 인공지능과 딥러닝 발전 과정에 있었던 다양한 연구와 그 사이 등장한 여러 알고리즘의 원리와 직관을 차근차근 살펴본다. 저자의 깊이 있는 설명을 통해, 인공지능 발전의 역사와 머신러닝의 이론적 기초를 이해할 수 있을 것이다.
세즈노스키 교수는 현재 인공지능 분야 최고 학회인 NeurIPS의 의장이며, 2018년 한국에서 과기정통부 주최로 열린 ‘2018 인공지능 국제컨퍼런스’에 기조연설자로 참여한 바 있다. 또한 노벨상의 산실인 소크생물학연구소의 석좌교수로 재직 중이다. 머신러닝과 신경과학 분야의 세계적 권위자가 몇 십 년에 걸친 경험과 연구를 집대성한 기록인 만큼 이 책은 쉽지만은 않다. 다행인 점은, 그가 뛰어난 작가라는 사실이다. 공학적인 차원에서 전문가만 이해할 수 있는 책이 아니라 누구든 약간의 노력을 기울인다면 이해할 수 있는 책을 써냈다. 또한 제프리 힌튼, 프랭크 로젠블랫, 마빈 민스키, 놈 촘스키 등 인공지능 분야뿐만 아니라 현대 지성사에서 빼놓을 수 없는 학자들의 생생한 일화와 치열한 논쟁이 곳곳에 담겨 있어 한 편의 역사책을 읽는 듯한 기분이 들게 한다.
만약 누군가 인공지능, 머신러닝, 딥러닝에 알고자 한다면 《딥러닝 레볼루션》은 첫 번째 리스트에 올려야 하는 책이다. 그리고 이 책을 읽은 사람과 읽지 않은 사람의 차이는 크게 날 것이다.

책 속으로
IBM의 토머스 J. 왓슨(Thomas J. Watson) 사장은 1943년에 이렇게 말한 것으로 유명하다. “아마도 전 세계적으로 컴퓨터에 대한 시장 수요는 다섯 대 정도가 될 겁니다.” 상상하기 어려운 것은 새로운 발명품이 어떤 용도에 쓰일 것이냐 하는 부분이다. 사실 이 부분에 대한 예측은 발명자 본인도 다른 사람들보다 그다지 나을 게 없다. 현재 딥러닝과 인공지능을 놓고 한편에서는 이상적인 시나리오를, 다른 한편에서는 종말론적 시나리오를 각양각색으로 펼쳐놓고 있지만, 가장 상상력이 풍부한 공상과학 소설가조차도 그것들의 궁극적인 영향은 짐작할 수 없다고 봐야 옳다.
_ 서문

딥러닝은 수학과 컴퓨터공학, 신경과학에 뿌리를 두고 있는 머신러닝의 한 분야다. 딥러닝 네트워크는 아기들이 자신을 둘러싼 세상을 배워나가는 것과 같은 방식으로 데이터를 통해 학습한다. 생생한 눈으로 시작해 점차 새로운 환경을 탐색하는 데 필요한 기술을 습득해나가는 아기들처럼 말이다. 딥러닝의 기원은 인공지능을 창출하는 방법에 관한 두 가지 다른 시각이 경합을 벌이던 1950년대의 인공지능 태동 시점까지 거슬러 올라간다. 하나는 로직과 컴퓨터 프로그램에 기초한 시각으로 수십 년 동안 인공지능 세계를 지배했으며, 다른 하나는 데이터로부터 직접 학습하는 방식에 기초한 시각으로 성숙 단계에 이르기까지 그보다 더 오랜 시간이 걸렸다.
오늘날의 기준으로 볼 때 컴퓨터가 보잘것없고 데이터 저장에 많은 비용이 들던 20세기에는 로직이 문제를 해결하는 효율적인 방법이었다. 숙련된 프로그래머들이 각각의 문제에 대해 서로 다른 프로그램을 작성했고, 문제가 클수록 프로그램도 커졌다. 하지만 컴퓨터의 역량이 커지고 빅데이터가 풍부해진 오늘날에는 학습 알고리즘을 사용해 문제를 해결하는 것이 더 빠르고 보다 정확하며 훨씬 효율적이다. 또한 동일한 학습 알고리즘이 서로 다른 문제를 해결하는 데 이용될 수 있다. 각각의 문제에 서로 다른 프로그램을 작성하는 것보다 훨씬 덜 노동 집약적인 솔루션이 나온다는 뜻이다.
_ 1장: 머신러닝의 부상

자율주행 자동차는 곧 수백만에 달하는 트럭 및 택시 운전사들의 생계를 파괴할 전망이다. 결국 도시에서는 승용차를 소유할 필요가 없어질 것이다. 언제든 자율주행 자동차가 1분 안에 나타나 목적지에 안전하게 모셔다줄 테니까 말이다. 직접 주차할 필요도 없으니 금상첨화가 아닐 수 없다. 현재 일반적인 승용차의 주행 시간은 4퍼센트에 불과하다. 이는 곧 차의 생애 중 96퍼센트의 시간 동안에는 어딘가에 주차해둬야 한다는 의미다. 자율주행 자동차가 상용화되고 도시 밖에 주차되는 시대가 오면 현재 도시에서 주차장으로 쓰이는 방대한 면적이 보다 생산적인 목적으로 재활용될 것이다. 도시 계획가들은 이미 주차장을 공원화하는 방안 등을 그려보고 있다.
자동차와 관련된 여러 다양한 비즈니스들도 영향을 받을 것이다. 보험사와 정비소가 대표적이다. 속도위반이나 불법주차도 없어질 것이다. 음주운전이나 졸음운전으로 인한 사망 사고도 크게 줄어들 것이다. 출퇴근길에 운전하며 소비하는 시간도 다른 목적에 쓰일 것이다. 미 인구조사국에 따르면 2014년 1억 3,900만 명의 미국인이 근무일 출퇴근길에 쓰는 시간은 평균 52분이었다. 이는 연간 총 296억 시간에 해당하며 보다 나은 용도에 쓸 수 있었던 340만 년이라는, 인간 삶의 귀한 시간이다. 헤매는 일 없는 질서정연한 운행으로 고속도로의 수용 능력이 4배 정도 증가할 것이다.5 그리고 운전대 없이 목적지를 찾아갈 수 있는 자율주행 차량이 일단 개발되어 널리 이용되면 차량 절도가 종식될 것이다. 자율주행 자동차가 상용화되기까지 물론 많은 규제와 법적 제약이 따르겠지만, 일단 그런 세상이 도래하면 우리는 완전히 신세계에서 살게 될 것이다. 트럭이 아마 지금부터 10년 정도 후에 가장 먼저 운전자 없는 차량으로 도로를 누빌 것이다. 택시는 15년 정도 후에 그렇게 될 것이고, 일반 승용차는 15년 후부터 20년 후 사이에 자율주행 차량으로 전환될 것이다.
_ 1장: 머신러닝의 부상

금융 서비스는 이른바 ‘핀테크(fintech)’라는 금융 기술의 기치 아래 보다 광범위한 변혁을 겪고 있다. 금융 거래에서 금융 중개자를 대체하는 안전한 인터넷 원장인 블록체인과 같은 정보기술은 아직까지는 소규모로 테스트되고 있지만 조만간 수십 억 달러 규모의 금융 시장을 파괴할 수도 있다. 머신러닝은 현재 대출 관련 신용 평가를 개선하고 비즈니스 및 재무 정보를 정확하게 전달하고 소셜 미디어에서 신호를 수집해 시장 동향을 예측하고 금융 거래에 생체 인식 보안을 제공하는 데 사용되고 있다. 세상에는 금융 데이터가 널려 있고, 가장 많은 데이터를 보유하면 누구든 승자가 된다.
_ 1장: 머신러닝의 부상

일자리의 전환은 새로운 현상이 아니다. 19세기에도 농장 근로자들은 기계에 의해 대체되었고 기계로 인해 도시의 공장들에 새로운 일자리가 창출되었으며 이 모든 상황으로 인해 새로운 기술을 훈련시키는 교육 시스템이 등장했다. 그 당시와 현재의 차이점은, 오늘날 인공지능이 열어놓는 새로운 일자리는 전통적인 인지 기술과 더불어 새롭고 다르며 끊임없이 변화하는 기술을 요구한다는 사실이다. 그 때문에 우리는 경력 전반에 걸쳐 학습해야 할 필요가 생겼다. 그리고 그것이 가능하려면 학교가 아닌 가정을 기반으로 하는 새로운 교육 시스템이 필요하다.
_ 1장: 머신러닝의 부상
이 책에는 인간의 지능이 진화한 과정과 인공지능이 진화하고 있는 방식이라는 두 가지 주제가 얽혀 있다. 이 두 종류의 지능 사이의 가장 큰 차이점은 인간의 지능은 진화하는 데 수백만 년이 걸렸지만 인공지능은 수십 년 범위 안에서 측정 가능한 궤도를 따라 진화하고 있다는 사실이다. 비록 인공지능이 문화 진화와 관련해서조차 가공할 초고속으로 달리고 있지만, 안전벨트를 매고 몸을 도사리는 것은 올바른 반응이 아닐 수도 있다.
_ 2장: 인공지능의 재탄생

인간 지능의 기능을 가진 컴퓨터 프로그램을 작성하려고 애썼던 인공지능 개척자들은 인간의 뇌가 실제로 어떻게 지능적인 행동 방식을 성취했는지에 대해서 관심을 갖지 않았다. 내가 뉴얼에게 그 이유를 물었을 때, 그는 개인적으로 뇌 연구에서 나온 식견을 얻고 싶어 개방적인 자세를 취했지만 당시는 그저 뇌에 관한 내용이 충분히 파악되지 않았던 시절이라 쓸 만한 정보가 별로 없었다고 답했다.
_ 2장: 인공지능의 재탄생

인공지능의 모든 난제를 풀 수 있다는 유일한 실존 증거는 자연이 이미 진화를 통해 그것들을 해결했다는 사실뿐이다. 그러나 만약 인공지능 연구원들이 애초부터 상징 처리(symbol processing)와는 근본적으로 다른 접근 방식을 취했더라면 1950년대에도 컴퓨터가 실제로 지능적인 행동 방식을 취할 수 있는 실마리가 잡혔을 것이다. 첫 번째 단서는 우리의 뇌가 강력한 패턴 인식 기능을 갖췄다는 사실이었다. 인간의 시각 시스템은 여러 가지가 뒤섞인 어수선한 장면에서도 특정 객체를 영점 몇 초 사이에 인식할 수 있다. 해당 객체를 전에 본 적이 없는 경우에도 그렇고, 일정한 크기만 갖췄다면 그것이 어떤 위치에 어떤 방향으로 놓여도 그렇다. 간단히 말해서 우리의 시각 시스템은 ‘객체 인식’을 단일 명령으로 처리하는 컴퓨터처럼 움직인다.
두 번째 단서는 우리의 뇌가 연습을 통해 피아노 연주에서 물리학 학습 등에 이르는 많은 어려운 작업의 수행법을 배울 수 있다는 사실이었다. 자연은 범용 목적의 학습을 이용해 특수한 문제를 해결하며 인간은 그런 학습의 달인이다. 이는 실로 우리의 특별한 힘이다. 딥러닝 네트워크는 우리의 모든 감각 및 운동 시스템에서 발견된다. 세 번째 단서는 우리의 뇌가 로직(논리)이나 규칙으로 가득 차 있지 않다는 사실이었다. 물론 우리는 논리적으로 생각하거나 규칙을 따르는 법을 배울 수 있지만, 많은 훈련을 한 후에도 잘하지 못하는 경우가 허다하다. 이를 잘 보여주는 예가 ‘웨이슨 선택 과제(Wason selection task)’라는 논리 테스트에 나타나는 전형적인 수행력이다.
_ 3장: 뉴럴 네트워크의 여명

추론은 영역에 의존하는 것으로 보인다. 우리가 해당 영역에 익숙할수록 관련 문제의 해결이 용이해진다는 뜻이다. 영역 내의 문제 해결에서는 경험이 크게 도움이 된다. 과거에 접한 사례를 이용해 해결책을 직관적으로 떠올릴 수 있기 때문이다. 예를 들어 물리학을 공부할 때 우리는 공식을 암기하는 것이 아니라 많은 문제를 풀어봄으로써 전기나 자기 같은 영역을 학습한다. 만약 인간의 지능이 순수하게 로직에 기반한다면 영역에 종속되지 않아야 마땅하다. 하지만 그렇지 않지 않은가.
_ 3장: 뉴럴 네트워크의 여명

남성 및 여성의 얼굴 식별이 흥미로운 작업인 이유는 우리 인간이 그 일을 꽤나 잘해내지만 남성 및 여성 얼굴의 어떤 점이 어떻게 다른지를 정확하게 설명할 수는 없다는 데 있다. 어떤 단일 특징도 결정적이지 않기 때문에 이 패턴 인식 문제는 많은 수의 낮은 수준 특징으로부터 증거를 수집해 결합하는 일에 달려 있다.
_ 3장: 뉴럴 네트워크의 여명



저자 소개

저자 저자 테런스 J. 세즈노스키(Terrence J. Sejnowski)는 소크생물학연구소Salk Institute for Biological Studies의 프랜시스 크릭Francis Crick 석좌교수이자 캘리포니아대학교 샌디에이고 캠퍼스UCSD의 교수로 재직 중이다. 버락 오바마 행정부의 브레인 이니셔티브BRAIN Initiative에서 자문위원으로 활동했으며, 현재 인공지능 분야 최고 학회인 NeurIPS의 의장직을 수행하고 있다. 딥러닝 기술의 초석이 된 볼츠만 머신 알고리즘을 제프리 힌튼과 함께 개발한 것을 비롯해 뉴럴 네트워크의 학습 이론에 대한 다수의 논문을 발표했다.
머신러닝 및 신경과학 최고 권위자 중 한 명인 세즈노스키 교수는 한국에서 열린 ‘2018 인공지능 국제컨퍼런스’에 기조연설자로 참여해, ‘딥러닝 혁명’이라는 주제로 딥러닝의 현황과 미래를 통찰력 있게 조망한 바 있다. 그는 이 책에서 인공지능의 발전에 변곡점 역할을 한 딥러닝 기술이 현재에 이르기까지의 과정, 앞으로 딥러닝이 만들어낼 혁신과 변화에 대해서 풀어내고 있다.

역자 안진환은 서울에서 태어나 연세대학교를 졸업했다. 현재 전문번역가로 활발히 활동 중이다. 지은 책으로 《한 줄만 잘 써도 Cool해지는 영작문》, 《영어 실무 번역》 등이 있으며, 옮긴 책으로는 《주목하지 않을 권리》, 《부자아빠 가난한 아빠 20주년 특별판》, 《넛지》, 《팀 쿡》, 《스티브 잡스》, 《조너선 아이브》, 《괴짜경제학》, 《빌게이츠 @ 생각의 속도》, 《노동의 미래》, 《전쟁의 기술》, 《천재들의 대참사》, 《창업자 정신》, 《이코노믹 씽킹》 등이 있다.

감수 권정민은 세상은 데이터로 이뤄져 있다고 생각하며, 이를 잘 활용하고자하는 목표를 가지고 다양한 데이터 분석 및 활용 방안을 만들고 연구하는 것을 업으로 하고 있다. 카이스트KAIST 및 포항공과대학교POSTECH에서 산업공학과 전산학을 전공했으며, 다양한 산업군에서 데이터 분석을 수행하고 있다. 옮긴 책으로는 《빅데이터 분석 도구 R 프로그래밍》, 《The R Book(Second Edition) 한국어판》, 《파이썬을 활용한 베이지안 통계》 등이 있으며 《인터넷, 알고는 사용하니?》를 감수했다.

목차

추천사 006
감수자의 글 010
서문

1부 지능의 재해석
1장 머신러닝의 부상 024
2장 인공지능의 재탄생 061
3장 뉴럴 네트워크의 여명 076
4장 두뇌 방식의 컴퓨팅 093
5장 시각 시스템에서 얻은 통찰 112
· 연대표 133

2부 기술적 영향과 과학적 영향
6장 머신러닝의 미래
7장 알고리즘의 시대
8장 헬로, 미스터 칩스
9장 내부 정보
10장 인식
11장 자연은 인간보다 영리하다
12장 심층 지능
· 연대표

3부 다양한 학습 방법
13장 칵테일파티 문제
14장 홉필드 망과 볼츠만 머신
15장 오류의 역전파
16장 컨볼루션 러닝
17장 보상학습
18장 NIPS
· 연대표

헌사
용어 설명


추천사

에릭 브린욜프슨Erik Brynjolfsson,(MIT 슬론경영대학원 교수 · 《머신 플랫폼 크라우드》 공저자)
AI는 이제 세상을 깨우고 변화시키고 있다. 그러한 혁신을 주도하는 것이 바로 테런스 세즈노스키 같은 개척자들이 지난 30년 동안 쏟은 노력의 결과인 딥러닝 혁명이다. AI를 이해하고 싶으면 이 책을 읽어야 한다.

빈트 서프Vint Cerf(구글 부사장)
딥러닝 혁명을 이끈 인물들과 그 역사에 대한 세즈노스키의 조예 깊은 안내로 통찰력과 재미를 본문 곳곳에서 접할 수 있다. 저자의 개인적인 경험과 더불어 질풍노도의 스토리가 책 전체에 스며들어 있다.

이어령(한중일비교문화연구소 이사장)
인공지능을 끔찍한 괴물이 아닌 ‘인공지혜’로 만들기 위해서는 어떤 성찰과 고민이 필요한지 모두 머리를 맞대야 할 때다. 저자의 통찰은 미래를 향한 넓고 깊은 논의의 토대가 되어줄 것이다.

송길영(마인드 마이너 · 《상상하지 말라》 저자)
혁신적 기술의 발전을 위해 노력한 연구자들의 이야기를 담은 딥러닝의 역사서이자, 그들이 꿈꾸는 미래의 인공지능에게는 창세기와 같은, ‘과거와 현재, 그리고 미래의 딥러닝을 한눈에 파악할 수 있는 가이드북’의 일독을 권합니다.
이광형(KAIST 바이오및뇌공학과 겸 문술미래전략대학원 교수)

이광형(KAIST 바이오및뇌공학과 겸 문술미래전략대학원 교수)
딥러닝 네트워크는 아기가 세상을 경험하며 배우는 방식과 비슷하게 데이터를 통해 학습한다. 학습 알고리즘은 데이터에서 정보를 추출해, 그 정보로 지식을 만들고, 그 지식을 바탕으로 새로운 사실을 찾아낸다. 이와 같이 AI 속 깊은 이야기기 흥미진진하게 펼쳐진다.


북 트레일러


리뷰

구매자 별점

2.0

점수비율

  • 5
  • 4
  • 3
  • 2
  • 1

2명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

좋아요

최고예요

별점 취소

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디북스에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.

무료 도서 (프로모션 등으로 무료로 전환된 도서 포함)
'구매자'로 표시되지 않습니다.
시리즈 도서 내 무료 도서
'구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
영구 삭제
도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
결제 취소
‘구매자’ 표시가 자동으로 사라집니다.

이 책과 함께 구매한 책


이 책과 함께 둘러본 책



본문 끝 최상단으로 돌아가기

spinner
모바일 버전