인공지능 책

Books

알고리즘 리더 2019, 2020

알고리즘 시대에 리더의 필요 역량, 의사 결정 및 행동의 방법을 제시하는 책으로 볼 수 있다. 공연히 제목에 ‘알고리즘’을 넣어 인기에 부합하려나 의심했으나 의외로 흥미로운 사례가 많이 등장한다. 책 전체가 사례 모음으로 구성되어 있다.

사고를 전환하라

  • p34. “철자를 확인하라고요?” 기초적인 기술조차 사용하지 못하는 법조계의 문제점 지적. 그들 대부분이 소프트웨어로 대체되는 처지가 되리라 짐작했으나 20년 후에도 법률 분야는 기술로 대체되지 않았고 역사상 그 어느 때보다 많은 변호사가 활동하고 있다.
    • p35. 기술로 인해 직업이 사라지기 보다 직업이 ‘변화’하는 현상이 벌어지는 경우가 많다.
    • p36. 변호사의 일이 자동화되면서 법률서비스에 대한 접근성이 매우 높아졌고 그에 따라 변호사를 찾는 수요도 늘어났다.
  • p76. 미래에는 운영 플랫폼과 인프라를 최적화하는 알고리즘이 아니라 고객과 의뢰인을 위해 매력적인 경험을 창출하는 알고리즘이 비즈니스 가치를 최대로 끌어올릴 것이다.
  • p90. 롤스로이스가 생산하는 모든 엔진에 대한 가상의 실체를 만들어 사업 전반에 걸친 데이터를 설계 및 생산 관련 데이터와 결합해 완전한 디지털 트윈 digital twin을 실현하겠다는 계획이었다. 디지털 트윈은 현실 세계의 기계나 장비, 사물 등을 컴퓨터 속 가상세계에 구현한 것을 말한다.
  • p121. 불확실성을 기꺼이 받아들여라: 새로운 증거가 쌓일 때 세상에 대한 신념이 갱신되는 베이즈 정리 소개
    • p122. 앨런 튜링이 애니그마를 해독할때도 활용했다고(처음 듣는 얘기)
    • 확률적 사고를 하라고 강조한다. 마치 도박사처럼.
  • p128. 어떻게 회의해야 하는가에 애자일 사례가 언급된다.
  • p132. 구글은 2년 동안 180개 팀을 분석해 ‘아리스토텔레스 프로젝트’라는 성과가 좋은 팀의 비결을 찾기 시작했다.
    • 소프트 스킬, 집단 규범, 즉 평등, 관대, 팀 동료의 아이디어에 대한 호기심, 공감, 정서 지능 등의 가치를 중시하는 모습이 두드러졌다.
    • 성공하는 팀의 가장 중요한 특성이 팀 내 인재의 수가 아니라 정서적 안정감의 정도에 있다는 것이다. 위험을 감수하는 결정, 팀의 프로젝트 성과를 평가할 때 편안함을 느끼는 정도를 말한다.

일을 재해석하라

  • p148. 중요한 것은 프로세스가 아니라 원칙이다.
  • p156. 대영제국이 무너진 주요 원인으로 전신의 발명을 들었다. 배로 서신을 전달할때는 6개월이 걸렸지만, 그 시간이 단 6분으로 단축되면서 모든 것이 허물어졌다. 대영제국의 중앙권력이 어느 순간부터 전신을 통해 사소한 것까지 관리했기 때문이라는 흥미로운 주장. Ali Parsa가 얘기했다고.
  • p172. 잭웰치 식의 스택 랭킹은 A급 직원의 기준이 너무 모호하다.
  • p189. 제조업체 롤스로이스는 어떻게 서비스업체가 되었을까
    • p190. 『초연결』에 나왔던 롤스로이스의 항공기 운항 시간에 따라 엔진 요금을 부과하는 가입형 모델에 대한 얘기가 여기 다시 등장한다.
  • p191. 롤스로이스는 방대한 수의 엔진을 관리했고, 물리적 엔진의 디지털 버전을 설계하고 관리했다. 트렌트 엔진은 ‘디지털 트윈’의 가장 오래된 사례라고 할 수 있다.
  • p204. 팀의 변화를 꾀하는 메타팀을 만들어라: 이런 팀이 제대로 동작할지는 의문

세상을 바꿔라

  • p280. 경제학자 케인스는 1930년에 2028년도의 삶을 예측했다. 물자가 부족한 경제적인 문제는 해결되어 인간은 그로 인해 얻은 시간을 비경제적인 목적에 쏟을 것이라 예견했다. (요즘의 게임 중독, 운동이나 취미에 심취하는 것이 이와 비슷한 현상으로 생각된다)
  • p282. 테일러리즘: 1911년에 노동자를 관리하는 과학적 관리법을 연구하여 책으로 펴냈다.
    • 고도의 지식 노동자는 그렇지 않겠지만 아마존의 물류 창고 직원 등은 테일러리즘의 관리를 받을 것이다.
  • p284. 미래에는 회사를 위해 일하지 않는다. 우리는 플랫폼을 위해 일할 것이다. 그에 따라 우리는 정규직 보다는 자유계약직에 가까운 처지에서 일해야 한다. (비슷한 주장들이 이미 여러 책에 있다)

AI 최강의 수업 2020

인공지능이 변화시키는 우리의 삶, 우리의 세상

  • 인공지능을 활용한 다양한 실험, 서비스를 소개한다.
  • 이미테이션 게임(튜링 테스트) 소개
  • p56. 존 설 John Searle의 중국어 방 Chinese Room, 1980: 중국어를 이해하지 못하는 사람이 방 안에서 한자가 쓰여 있는 글자판을 전달받는다. 그러면 그는 영어로 쓰인 지침서의 지시에 따라 여러 글자판 중에서 하나를 선택하여 밖으로 던진다. 그런데 밖에서는 그 사람이 멋진 중국어 시를 짓는다고 감탄한다. 과연 그 사람은 중국어를 이해하는 것인가?
  • p63. 자율주행차의 딜레마 소개
  • p71. 레이 커즈와일은 “2029년이면 튜링 테스트를 통과하는 컴퓨터가 나올 것”이라 예측했다. 2020년대 중반까지 인간지능 모델이 만들어지고, 이 모델의 능력이 생물학적 신체와 뇌의 한계를 초월하는 특이점이 2045년쯤에는 나타날 것이라고 주장했다.
  • p72. 2016년 한 인공지능 학회에 참가한 인공지능 연구자 350명을 대상으로 ‘언제쯤 사람보다 잘 하는 인공지능이 등장할 것이라고 생각하는지’ 조사했다. (Katja Grace et al., When Will AI Exceed Human)

사람보다 똑똑한 인공지능을 위한 기술

  • p200. 컨볼루션 결과는 어떤 특징을 지니는가
  • p246. 자바, 파이썬 같은 프로그래밍 언어를 형식언어 formal language라고 한다. 형식언어에서는 일련의 규칙에 따라 유한한 알파벳으로 형성되는 문자열의 집합으로 문장을 구성한다. 형식언어에서는 의미를 정의하는 규칙이 잘 정의되어 있다. 따라서 해석에 있어서 애매함이 없다. 그러나 자연어는 애매하다.
  • p247. 자연어 처리에서는 확률적 판단을 자주 사용한다. 언어 요소의 발생 빈도를 확률적으로 표현한 확률적 언어모델이 대표적이다. … 특정한 순서로 단어가 앞뒤로 나타났을 때 가운데 단어의 빈도를 표현하는 모델을 심층 신경망으로 만들기도 한다.
  • p247 ~ p248. 한국어는 조사를 붙여 쓰고, 어미 변화가 있기 때문에 단순한 띄어쓰기로는 형태소를 판단할 수 없다. 그래서 우선 형태소 분석기로 어절 단위의 구문적 역할을 파악하는 것이 빌잔적이다.
  • p281. 마이크로소프트에서 만들었던 타이 Tay 자율 학습 챗봇이 그 예다. … 타이는 인종파별, 마약 등 바람직하지 않은 트윗을 하는 것으로 밝혀졌다.
  • p284. 이런 기계 학습 시스템 개발의 작업흐름에서 아직은 공학적 관리기법을 적용하지 못하고 있다. 이러한 상황은 딥러닝 기술의 현장 배치나 확장 가능성을 심각하게 제한한다. 그러나 현장에서의 요구가 강하기 때문에 공학적 관리기법에 곧 정형화되고 정립될 것이라 본다. (공학적 관리는 구체적으로 무엇을 지칭하는지 파악 필요. 공학적 관리가 마치 해결책인 것 처럼 언급하나 SI의 경우를 생각해보면 그렇진 않을 것이다. 결국 양산형 개발자들이 공학적 관리의 범주에 들 것이며, 혁신적인 시스템들은 계속 관리 영역의 밖에 있을 것이다)
  • p285. 소프트웨어 시스템 개발에서 기계 학습은 매우 적은 부분을 차지하며, 필요한 주변 인프라가 더 광범위하고 복잡하다. 이런 이유로 기계 학습 시스템을 개발하는 엔지니어는 소프트웨어 공학의 기술도 깊게 이해해야 한다. 소프트웨어 엔지니어가 기계 학습 도구를 익히는 것이 더 바람직해 보이기도 한다. 인공지능에 대한 흥분이 가라앉으면 기계 학습도 소프트웨어를 개발하는 방법 중의 하나였구나 하고 이해하는 엔지니어들이 많아 질 것이다.

인공지능을 지배하는 자, 미래를 지배한다

  • 교육이 변하여 대학이 혁신의 중심이 되어 인공지능 전문가를 양성하자는 주장
  • p345. 이미 중국 대학에서 발간하는 인공지능 연구 논문 수는 미국을 앞서고 있고, 우수 학술행사에서의 논문 발표는 미국에 버금가는 2위를 차지한다.
  • p352. (양극화 현상과 함께) 인공지능 시대의 어두운 면 중 하나는 인간 소외 현상이다. 인공지능이 채용 면접을 진행하고 합격 여부의 판단까지 한다. 어떤 관점에서 합격, 불합격이 결정되는지 지원자들은 모른다.
  • p357. 네이버, 구글, 아마존 등에서는 나의 습관이나 기호를 너무나 잘 파악하고 있다. 영화 감상 기록을 바탕으로 새로운 영화를 추천한다. 일요일 아침 유튜브를 틀면, 다니는 교회의 예배가 자동으로 시작된다. 숙소를 예약하면 주위 볼거리와 행사 안내가 시시각각 전해진다. 온라인으로 상품을 검색하면 유사한 광고가 며칠간 계속 따라다닌다. 구글 알고리즘이 나보다 나를 더 잘 알고 있다는 말이 실감된다.
  • p358. 사회공학 social engineering은 초기 단계이지만 지난 미국 대통령 선거에서 이런 전략이 시도된 적이 있다. 불특정 다수를 대상으로 선거 홍보를 하는 대신 대상자 개개인의 정치적 성향을 파악하여 맞춤형 홍보물을 제공하는 전략을 사용했다고 한다. 정치적 성향을 파악하는 데 페이스북 사용자 약 5,000만 명의 개인 정보가 무단으로 활용됐다는 의혹이 제기되었다. (케임브리지 애널리티카 정보 유출 사건을 지칭한 듯) 빅데이터를 활용하여 정교한 심리 조작의 가능성을 보여준 사례다.
  • p365. 인공지능이 사람의 두뇌와 연결되고, 바이오 기술로 원하는 자손들의 생물학적 특성을 마음대로 선택할 수 있다면, 이런 세상을 사는 인류는 지금의 인류와는 완전히 다른 종으로 더 이상 호모 사피엔스라고 할 수 없을 것이다. 역사학자 유발 하라리는 그 종을 ‘호모 데우스’ 즉 신성을 획득한 인간이라고 명명했다.

창조력 코드 2019, 2020

창조력 Creativity과 인공지능의 관계를 파헤친다. 튜링 테스트 대신 러브레이스 테스트를 제안하며 거창하게 출발하지만 수학과 교수답게 수학에 대한 내용이 대부분을 차지하며 작곡, 수학 증명 등 수학에 관한 내용으로 채워져 있다.

  • 러브레이스 테스트
    러브레이스는 어떤 창조 행위든 기계가 아닌 코드 작성자의 책임이라고 믿었다. 기계는 인간이 시키는 일만 할 수 있다는 논리. 오늘날 해석이 어려운 ML 알고리즘의 판단을, 당시에는 있을 수 없는 일이라고 생각했다.
  • 창조력 창조하기
    보든의 세 가지 창조력:
    1. ‘탐구적’ 창조력
    2. ‘접목’
    3. ‘변혁적’: 허수의 등장을 예시로
  • 제자리에, 준비, 출발(go)!: 알파고, 강화학습 이야기, 창의성을 이야기하는 강화학습을 빼놓을 수 없다.
  • 알고리즘, 현대 생활의 비법: 유클리드 호제법으로 시작해 알고리즘의 기원을 설명, 이외에 페이지랭크, Shapley Value 설명.
  • 알고리즘의 진화: 넷플릭스 프라이즈, 편향에 대해서도 언급
  • 수학으로 그림 그리기: 수학으로 즉 프랙털 같은 일정한 패턴으로 그림을 그릴 수 있는가
  • 대가에게 배우기: 렘브란트 같은 대가의 화풍을 학습하여 대가처럼 따라하는 AI 만들기
  • 수학이라는 예술: 수학에는 직관이 필요하다, 증명은 어떻게 시작되었나
  • 수학자의 망원경, 음악, 작곡에도 공식이 있다면, 딥매시매틱스(딥러닝 수학 증명)
    음악, 작곡, 수학 공식 모두 수학자의 관점에서 AI가 창의적인가를 대입한다. 사실상 이 책에서 가장 구체적인 부분, 그러나 가장 집중력이 떨어지는 부분이기도 하다.
  • 언어 게임: QA, 번역, 중국어 방
    중국어 문장을 보고 그것과 같은 문장을 지침서에서 찾을수만 있다면 컴퓨터가 어떤 프로그램에 따라 인간의 응답과 다를 바 없는 응답을 내놓더라도 그 기계에 지능이나 이해력이 있다고 볼 수 없다. 존 설의 중국어 방 p397
  • 인공 지능이 들려주는 이야기: NLG, 재무제표를 보고 자동으로 기사를 쓰는 알고리즘 이야기
  • 우리는 결국 교감을 원한다:
    기계 학습이라는 새로운 기법을 살펴보면 기계가 무언가를 창조하기란 불가능하다는 전통적 주장 가운데 상당 부분을 의심하게 된다. p438

딥러닝 레볼루션 2018, 2019

목차만 보면 딥러닝을 얘기하는거 같지만 실제로 그는 신경 과학 연구자이고, 오늘날 인공 신경망의 붐업과는 그 궤를 달리한다. NIPS 또한 지금은 인공 신경망을 위한 학회가 되었지만 과거에는 그렇지 않았다. 이 책은 ‘생물학적 신경망의 역사’ 정도가 어울린다.1

  • 머신러닝의 부상: AI 활용 분야 소개
  • 퍼셉트론
  • 시각 시스템에서 얻은 통찰: 생물 시각 시스템에서 얻은 여러가지 통찰 소개
  • 머신러닝의 미래
  • 헬로, 미스터 칩스: 하드웨어의 발전
  • 자연은 인간보다 영리하다: 마빈 민스키의 비판
  • 칵테일파티 문제: 화자 인식에 관한 문제, ICA(PCA와 유사)를 소개한다.
  • 오류의 역전파: 럼멜하트의 백프로퍼게이션
  • 컨볼루션 러닝, 보상학습(강화학습), NIPS 소개

지능에 관하여 1950, 2019

계산 기계와 지능 Computing Machinery and Intelligence 이미테이션 게임 Imitation Game = 튜링 테스트 나는 약 50년 안에 약 \(10^9\)의 저장 용량을 가진 컴퓨터를 프로그래밍 하여 흉내 게임에서 평범한 질문자가 5분 동안 질문한 뒤에 정체를 알아맞힐 확률이 70퍼센트를 넘지 않도록 할 수 있다고 믿는다. 나는 “기계가 생각할 수 있을까?”라는 원래 질문이 논의 주제로 삼기에는 무의미 하다고 믿는다. p.82

내 의견에 반대하는 의견들을 살펴보자.

  1. 신학적 반론
  2. ‘모래에 처박은 머리’ 반론
    “기계가 생각한다면 그 결과가 너무 끔찍할 테니 차라리 기계가 생각하지 못한다고 바라고 믿자.”
  3. 수학적 반론
    수리 논리의 결론 중에는 이산 상태 기계의 능력에 한계가 있음을 밝히는 데 쓸 수 있는 것들이 많다. 이런 결론 중에서 가장 널리 알려진 것은 괴델 정리로, 아무리 강력한 논리 체계에서도 그 체계 자체가 일관성을 유지하는 한 체계 안에서 입증할 수도 반증할 수도 없는 진술을 만들어낼 수 있음을 보여준다.
  4. 의식 논변
    제퍼슨 교수의 1949년 리스터 메달 수상 연설이 있다. “기계가 우연한 기호의 조합에 의해서가 아니라 생각과 감정을 바탕으로 소네트 협주곡을 쓰지 못하는 한, 기계가 놔와 동등하다는 주장에 동의할 수 없습니다. 제 말은 단순히 작품을 쓰는 것이 아니라 자신이 그 작품을 썼다는 사실을 알아야 한다는 것입니다.”
  5. 다양한 행위 무능력 논변
  6. 러브레이스 부인의 반론 “해석 기관은 결코 독창적인 일을 하는 척하지 않는다. 기계는 우리가 어떻게 명령해야 할지 아는 모든 일을 할 수 있다.”
  7. 신경계와의 연관성 논변
  8. 비격식적 행동 논변
  9. 초감각 지각 논변
    나는 독자들이 초감각 지각 개념과 네 가지 초감각 지각 능력(텔레파시, 투시, 예지, 염력)의 의미에 친숙하다고 가정한다. 이 난감한 현상들은 우리의 정상적 과학 개념을 모조리 부정하는 듯하다.

계산 기계와 지능 Computing Machinery and Intelligence

마음의 사회 1985, 2019

p91 ‘Signals and Signs’
우리는 사물들을 보되 그것들을 있는 그대로 보기보다, 그것들이 어떻게 사용될 수 있는지를 더 잘 보는 것일까?

우리는 지식을 그 자체로 좋은 것으로 생각하는 경향이 있다. 그러나 지식은 우리가 목표를 달성하는 데 도움이 되도록 활용하는 한에서만 유용한 것이다.

딥 씽킹 2017

기계가 인간의 노동을 대체하는 현상을 당연한 흐름으로 바라보는 입장은 항생제 때문에 장의사들이 일자리를 잃게 되었다고 한탄하는 부정적인 입장보다 나을 바 없다. 문명이 진화하는 동안 노동은 언제나 인간으로부터 기계로 넘어갔다. 냉난방이 이루어지는 쾌적한 방 안에 앉아 조그마한 디지털 장비로 인류의 모든 지식을 검색하면서, 우리가 직접 노동을 하지 않아도 되는 현실을 한탄한다는 것은 놀라운 사치가 아닌가. 지금도 세상 곳곳에서는 수많은 사람들이 하루 종일 땀 흘려 일하면서도 깨끗한 식수와 현대적인 의료 혜택을 누리지 못하고 있다. (p72, 딥 씽킹, 2017)

실버는 에드거 앨런 포가 1836년에 쓴 에세이에서 다루었던 체스 자동인형 투르크를 언급했다. 그러나 실버는 포가 남긴 “들은 것은 하나도 믿지 말고, 본 것은 절반만 믿을지어다”라는 격언도 진지하게 받아들였어야 했다. (p290, 딥 씽킹, 2017)

수많은 사람들이 내게 물었다. “딥블루가 정말 속임수를 썼을까요?” 그때마다 나는 이렇게 답한다. “잘 모르겠습니다.” 그러나 20년간의 자기 성찰과 폭로, 그리고 연구 끝에 나는 이제 “아니요”라고 대답한다. 반면 IBM에 대해 말하자면, 그들은 승리를 얻기 위해 공정한 경쟁의 정신을 배반했다. 그리고 그 배반의 희생자는 과학이었다. (p352)

마음의 탄생 2012, 2016

나이가 많은 독자라면 아날로그 전화선을 통해 정보를 전송하던 전화기 모뎀을 기억할 것이다. 모뎀선은 귀에도 분명하게 들릴 정도로 지직거리는 소리가 나고 여러 형태의 왜곡이 발생한다. 그럼에도 매우 높은 수준의 정확도로 디지털 데이터를 전송할 수 있었던 것은 모두 섀넌의 노이즈 채널 정리 덕분이었다. p269

Last Modified: 2021/03/20 22:03:10


2021 Book Reports  ·  Keras  ·  Windows Subsystem for Linux  ·  비지니스  ·  gRPC  ·  Go  ·  통계학 책  ·  머신러닝  ·  GPU Data Science  ·  C++  ·  AWS  ·  NLP  ·  Distance  ·  알고리즘  ·  통계학  ·  인공지능 책  ·  Firebase Cloud Messaging  ·  OAuth 2.0  ·  인공지능  ·  온라인 개발  ·  Microservices  ·  App Engine  ·  Cloud Load Balancing  ·  Cloud Run  ·  Python  ·  Serverless AI  ·  NLP 실험  ·  2020 Book Reports  ·  Windows 10  ·  비지니스 책  ·  통계학 응용  ·  Links  ·  Recommender System  ·  미래학 책  ·  자기계발 책  ·  수학 책  ·  GCP  ·  건강 책  ·  Terraform  ·  클라우드 책  ·  BigQuery  ·  수학  ·  컴퓨터시스템구조  ·  JetBrains  ·  Kubernetes  ·  2017 Book Reports  ·  2018 Book Reports  ·  2019 Book Reports  ·  Template  ·  Project Management  ·  Cryptography  ·  이산수학  ·  PyData  ·  Flask  ·  Docker  ·  강화학습  ·  머신러닝 책  ·  Markov Decision Process  ·  Santander Product Recommendation  ·  Java  ·  Android Development  ·  Zsh  ·  Software Deployment  ·  GCS  ·  XGBoost  ·  Deno  ·  Front-End  ·  Activation, Cost Functions  ·  자료구조  ·  사회심리학  ·  Information Retrieval  ·  OOP  ·  데이터 사이언스  ·  진화생물학  ·  LifeHacks  ·  Decision Tree  ·  Hadoop, Spark  ·  데이터 마이닝  ·  CNN, RNN  ·  운영체제  ·  머신러닝 분류기  ·  Support Vector Machine  ·  Naive Bayes  ·  컴파일러  ·  딥러닝  ·  Word Embedding  ·  영어  ·  Scikit Learn  ·  MySQL
is a collection of Papers I have written.
© 2000 - Sang-Kil Park Except where otherwise noted, content on this site is licensed under a CC BY 4.0.
This site design was brought from Distill.