추가 적립 안내

인공 지능 역사속 5가지 핵심 사건으로 알아 보는 인공 지능의 과거, 현재, 미래!
“자율 주행차는 어떻게 작동하는 걸까?” “알파고는 이세돌을 어떻게 이겼을까?”
개발자, CTO는 물론 중·고등학생에 이르기까지 4차 산업 혁명을 이끌 모든 사람을 위한 필독서!
출간 5주년을 기념한 리커버 판 출간!

미래는 벌써 우리 곁에 다가와 있다. 자율 주행차가 도로를 달리고, 알고리즘이 내가 좋아하는 영화와 TV 프로그램을 추천해 주며, IBM 왓슨은 TV 퀴즈 쇼 〈제퍼디!〉에서 우승을 거두었고, 알파고는 이세돌을 꺾었다. 심지어 아타리 게임을 하는 방법을 스스로 학습하는 컴퓨터 프로그램도 등장했다.
구글 엔지니어링 팀 수석 리더인 숀 게리시는 컴퓨터 프로그램을 똑똑하게 만든 인공 지능과 기계 학습 분야에서 어떤 것을 발견하고 문제를 어떻게 해결해 나갔는지 비전공자도 이해할 수 있는 언어로 쉽게 설명해 준다. 또한 최근 인공 지능 개발 분야의 내부에서 무슨 일이 일어나고 있었는지 관련 연구자들의 성과와 기계들이 생각하는 방식을 흥미롭게 소개한다. 우리에게 잘 알려진 자율 주행차와 알파고의 실체가 궁금한 모든 분께 좋은 안내서가 될 것이다. 이 책을 통해 베일 속에 감춰진 인공 지능의 중요한 아이디어를 만날 수 있다.

이 책의 특징
-대표적인 인공 지능 다섯 가지 대표 사례의 배경과 기술 원리를 배울 수 있다.
자율 주행차 경주 대회 / 넷플릭스 영화 추천 알고리즘 대회 / 아타리 게임 에이전트와 이미지넷 대회 / 〈제퍼디!〉 퀴즈쇼에서 우승한 IBM의 왓슨 / 딥마인드의 알파고
-자율 주행차, 알파고 등과 인공 지능 기술이 어떻게 결합했는지 이해할 수 있다.
-기계 학습의 구성 요소와 구조의 원리에 대한 직관력과 통찰력을 기를 수 있다.
-왓슨의 문제 푸는 방식을 이해할 수 있다.
-넷플릭스 영화 추천 알고리즘의 아이디어를 알 수 있다.
-딥마인드에서 만든 아타리 게임 에이전트의 작동 원리를 파악할 수 있다.
-이미지를 인식해서 설명글을 다는 인공 지능의 원리를 알 수 있다.

*어려운 수학, 컴퓨터 과학을 몰라도
기계 학습, 인공 지능의 작동 원리를 이해할 수 있다.
인공 지능은 이미 우리의 일상생활에 깊숙이 들어와 있다. 이 책은 알파고와 자율 주행차에 이르기까지 최신 인공 지능이 어떻게 성공을 거둘 수 있었는지 독자의 궁금증을 시원하게 풀어 준다. 또한 복잡하고 중요한 개념을 대중이 이해할 만한 언어로 쉽게 설명하며, 기계 학습과 인공 지능에 쓰인 세부 기술 관련 내용과 수학을 다루는 부분을 최소화하여 일반 독자도 핵심 아이디어를 찾아낼 수 있도록 구성했다. 이 책을 읽는 데 정말 필요한 것은 독자의 호기심과 집중력이다.

*우리가 꼭 알아야 할 인공 지능 다섯 가지 분야의
대표적인 구현 사례를 한 권에 담았다.
인공 지능에 관한 이야기가 날마다 매스컴에서 흘러나온다. 심지어 정부에서도 인공 지능 관련 콘퍼런스에 참여해 인공 지능 정부를 선포했다. 이제 인공 지능은 누구나 아는 상식처럼 되었지만 막상 인공 지능 관련 책을 들여다보면 용어조차 생소하고 어려운 수식 때문에 좌절하고 만다. 이 책은 인공 지능 관련 뉴스가 무슨 내용인지 이해하고 싶은 분을 위해 준비했다. 인공 지능 분야에서 변하지 않을 대표적인 알고리즘을 통해 개발뿐 아니라 미래 기술의 방향에 대한 직관력과 통찰력을 얻을 수 있다.
-인공 지능 구조와 닮은 자율 주행차와 다르파 그랜드 챌린지
-기계를 학습시키는 인공 신경망을 재발견한 넷플릭스 영화 추천 알고리즘 대회
-스스로 성장하는 강화 학습과 심층 신경망을 사용한 아타리 게임 에이전트와 이미지넷 대회
-사람의 말을 이해하는 자연어 처리와 IBM 왓슨
-인간보다 게임을 더 잘하는 IBM의 딥블루, 딥마인드의 알파고, 알파스타

*전 세계가 주목하는 인공 지능과 기계 학습.
이것은 이제 상식이 될 것이다!
마이크로소프트, 구글, 아마존, 애플 등 세계적인 IT 기업들은 인공 지능과 기계 학습에 투자한 지 꽤 시간이 흘렀다. 사실 IBM, 넷플릭스, DARPA는 일찍이 이들 분야에 대한 성공 가능성을 내다보았으며, 분야는 달랐지만 그들이 투자한 기술은 한 가지였다. 바로 기계 학습이다. 그들은 일을 효율적으로 하기 위해 기계를 훈련시켰고, 마침내 기계 스스로 자신을 훈련하며 성능이 향상되는 인공 지능까지 개발하기에 이르렀다.
이제 인공 지능의 지식을 갖추는 것은 IT 기업에 입사하기 위한 필수 덕목이 되었으며 인공 지능을 다룰 줄 아는 개발자는 업계에서 인정받는 시대가 되었다. 마이크로소프트 CTO 케빈 스콧이 말했듯이, 기계 학습이 작동하는 방식을 배우는 것은 개발자와 연구자의 경력을 관리하는 데 꼭 필요한 투자가 될 것이며, 자신의 이력서에 기계 학습에 대한 최소한의 지식을 갖추고 있다고 적어야 할 것이다. 이 책은 그러한 지식을 얻는 데 중요한 역할을 할 것이다.

*섣부른 미래 판단은 금물! 제대로 알아야 제대로 예측한다!
인공 지능에 둘러싸인 오해와 진실을 해결해 주는 책!
이 책은 비전문가를 위한 최신 인공 지능과 기계 학습 입문서이다. 이 책에서는 DARPA 자율 주행차 경주 대회, 질문-답변 방식의 〈제퍼디!〉 퀴즈 쇼에 참여한 왓슨, 넷플릭스 영화 추천 알고리즘 대회를 소개하면서 개발 시스템을 만들 때 공개적인 연구와 프로젝트에서 공동 협력의 중요성을 강조하고 있다. 그러면서 마지막으로 스스로 학습을 하는 인공 지능은 지성을 갖게 될 것인지 문제를 제기한다. 이 책은 그런 섣부른 판단은 하지 않는다. 다만, 현 상황에서 최대한 중립적이고 객관적으로 서술한다. 〈제퍼디!〉에서 인간 참가와 대결하여 우승한 왓슨은 사람의 언어로 문제를 듣고 거침없이 정답을 맞히는 걸 보면 지성이 있을 것으로, 조금 더 발전한다면 지성이 생길지도 모른다고 생각할 수도 있다. 하지만 왓슨은 문제를 이해하는 게 아니라 정답을 찾기 위한 일련의 과정만 반복할 뿐이다. 공동 협력을 통한 인공 지능 분야의 진보는 인간이 기계의 지배를 받을 거라는 주장에 대한 걱정과 우려를 잠재울 것이다. 이제 이 책을 통해 인공 지능에 대한 지식을 갖추고 당당하게 이야기하자.

[이런 분께 추천해요!]
-기계 학습과 인공 지능의 직관력과 통찰력, 문제 해결력 기르고 싶은 분들
-단순 코더가 아닌 설계자가 되고 싶은 프로그래머들
-디지털 세계의 추종자가 아닌 기획자가 되고 싶은 분들
-호기심 많은 고등학생부터 미래를 준비하는 과학과 기술 애호가들
-인공 지능이나 로봇 소프트웨어를 배우고 싶은 중·고등학생
-인공 지능의 현주소를 알고 싶어 하는 소프트웨어 개발자
-기술 관련 의사결정을 해야 하는 기술 임원은 물론 4차 산업 혁명을 이끌 모든 사람들
-자율 주행차와 알파고의 실체가 궁금한 독자들
-전체 시스템 설계가 궁금한 로봇 공학, 인공 지능, 기계 학습 커뮤니티 전문가들
-인공 지능 게임 에이전트의 작동 원리가 궁금한 독자들

[추천사]

게리시의 비유는 핵심을 잘 짚어 줍니다. 이 책은 일반인들이 이해하기 어려운 개념을 쉽게 풀어서 설명합니다.
- 키아나(Khiana), 아마존 독자

게리시는 어려운 수학 개념을 사용하지 않고도 인공 지능이 어떻게 작동하는지 명확하고 정확히 설명합니다.
- 오닐(W. D ONEIL), 아마존 독자

윤경구(파수닷컴 개발본부장)
이 책은 지능적 기계들이 생각하는 방식을 재미있는 이야기를 통해 쉽게 설명하여 기계 학습의 구성 요소와 구조의 원리에 대한 직관력과 통찰력을 길러준다.

박해선(ML Google Developer Expert, 《Do it! 딥러닝 입문》의 저자)
이 책은 비전문가도 쉽게 이해할 수 있도록 여러 가지 사례를 들어 인공 지능을 흥미롭게 소개합니다. 인공 지능이 궁금했다면 이 책과 함께 베일 속에 감춰진 인공 지능의 세계로 탐험을 떠나 보세요!

E&T 매거진
인공 지능의 활용에 관심이 많은 엔지니어가 꼭 읽어야 하는 훌륭한 입문서!

인사이드 빅데이터
게리시는 자율 주행차, 넷플릭스, 스타크래프트, 바둑, 체스, 스도쿠 등과 같이 우리에게 익숙한 요소들이 인공 지능 기술과 어떻게 결합했는지를 보여줌으로써 인공 지능, 기계 학습, 딥 러닝에 대한 최신 주제들을 쉽게 설명합니다.

페드로 도밍고스(워싱턴 대학교 컴퓨터 과학 교수, 《마스터 알고리즘》의 저자)
알파고와 자율 주행차에 이르기까지, 최신 인공 지능이 어떻게 성공을 거둘 수 있었는지 궁금했던 독자에게 매혹적인 책이 될 것입니다.

케빈 머피(구글 수석 연구원, 과학자, 《Machine Learning 머신 러닝》의 저자)
비전문가를 위한 최신 인공 지능과 기계 학습 입문서입니다. 게리시는 자율 주행차의 DARPA 그랜드 챌린지, 질문-답변 시스템의 〈제퍼디!〉 퀴즈 쇼와 같은 경쟁에서 좋은 성적을 거둔 인공 지능의 저변에 어떤 중요한 아이디어가 있었는지 명쾌하게 설명합니다. 또한, 이러한 시스템을 만들 때, 공개적인 연구와 그에 따른 프로젝트에서 공동 협력의 중요성을 강조하고 있습니다. 공동 협력을 통한 인공 지능 분야의 진보는 기계의 지배를 받을 거라는 걱정을 덜어 줍니다.

레이 커즈와일(구글 엔지니어링 이사, 《마음의 탄생》, 《특이점이 온다》의 저자)
이 책은 최근 인공 지능 개발 분야의 ‘내부에서 무엇이 일어나는지’를 살펴볼 수 있는 흥미롭고 통찰이 가득한 책입니다. 게리시는 복잡하고 중요한 개념을 대중이 쉽게 이해할 만한 언어로 소개합니다.

마이크로소프트 CTO 추천사
머리말
한국어판 서문
국내 전문가 추천사

시작하기 - 생각하는 기계의 기원을 찾아서

01 자동인형의 비밀
플루트를 연주하는 자동인형 | 오늘날의 오토마타 | 진자 운동과 오토마타 | 이 책에서 다룰 오토마타 | 인공 지능과 기계 학습은 무엇인가?

첫째마당 자율 주행차와 인공 지능

02 자율 주행차의 시작 - DARPA 그랜드 챌린지
100만 달러가 걸린 사막의 무인 자동차 경주 대회 | 초기 자율 주행차는 어떻게 만들었을까? | 주행 경로 계획하기 | 험비의 계획 - 낮은 비용, 최단 경로를 찾아라! | 자율 주행차는 어떻게 달릴 수 있을까? | 험비의 고난에 찬 주행기 | DARPA 그랜드 챌린지는 과연 실패한 걸까?

03 자율 주행차는 차선을 어떻게 인지할까?
두 번째 DARPA 대회 - 그랜드 챌린지 | 자율 주행차에 적용한 기계 학습 | 자율 주행차 스탠리의 구조 | 장애물을 피하는 알고리즘 | 도로의 경계를 찾는 모듈 | 도로를 인식하는 방법 | 속도 조절을 위한 경로 계획 | 스탠리의 두뇌 각 부분은 서로 어떻게 소통할까?

04 자율 주행차는 교차로에서 어떻게 양보할까?
세 번째 DARPA 대회 - 어번 챌린지 | 인지의 추상화 | 한 차원 높아진 자율 주행차 경주 대회 | 보스를 생각하는 차로 만든 모노폴리 판 모듈 | 오류 회복 시스템으로 교통량 정보 얻기 | 3 레이어 구조 | 자율 주행차의 객체 분류 | 자율 주행차는 복잡한 시스템이다 | 자율 주행차는 앞으로 어떻게 발전할까?

둘째마당 넷플릭스 프라이즈와 인공 지능

05 넷플릭스 프라이즈 - 영화 추천 알고리즘 대회
100만 달러가 걸린 영화 추천 알고리즘 대회| 경쟁자들 | 분류기의 훈련 | 대회의 목표 | 거대한 평점 행렬 | 행렬 인수 분해 | 다가오는 첫해의 결말

06 협력하는 참가자들 - 넷플릭스 프라이즈의 우승자
참가자들의 격차가 좁혀지다 | 첫 번째 대회의 결과 | 시간에 따른 평점 예측 | 과적합 여부 판단하기 | 모델 블렌딩은 하나의 해결책 | 넷플릭스 프라이즈의 두 번째 해 | 넷플릭스 프라이즈의 마지막 해 | 대회 이후 넷플릭스가 얻은 것

셋째마당 강화 학습과 심층 신경망

07 보상을 통한 컴퓨터의 학습 - 강화 학습
딥 마인드, 아타리 게임을 하다 | 강화 학습 | 에이전트에게 명령하기 | 에이전트 프로그래밍하기 | 에이전트가 보는 세계 | 컴퓨터는 어떻게 경험을 저장할까? | 강화 학습으로 아타리 게임하기

08 신경망으로 아타리 게임을 정복하다
신경 정보 처리 시스템 | 완벽에 가깝게 | 수학 함수로서의 신경망 | 아타리 게임 에이전트 신경망의 구조 | 신경망에 더 깊게 들어가기

09 인공 신경망이 보는 세상
인공 지능에 대한 미신 | 체스 두는 오토마타 - 터키인 | 신경망에 대한 오해 | 이미지에서 객체 인지하기 | 과적합 문제와 해결책 | 이미지넷 대회 | 합성곱 신경망 | 왜 심층 신경망인가? | 데이터 병목

10 심층 신경망의 내부 구조
컴퓨터가 생성한 이미지 | 스쿼싱 함수 | ReLU 활성화 함수 | 인조 인간의 꿈

넷째마당 세상과 소통하는 인공 지능

11 듣고 말하고 기억하는 신경망
기계가 ‘이해’한다는 것의 의미 | 음성 인식 심층 신경망 | 순환 신경망(RNN) | 이미지 설명글 생성기 | LSTM 유닛 | 적대적 데이터

12 자연어, 그리고 〈제퍼디!〉 문제의 이해
왓슨의 개발은 인공 지능 연구에 독인가, 득인가? | IBM 왓슨 | 왓슨, 〈제퍼디!〉에 도전하다 | 사실에 대한 긴 목록 | 〈제퍼디!〉 챌린지의 탄생 | DeepQA | 문제 분석 | 왓슨의 문장 해석 방법

13 〈제퍼디!〉의 답 마이닝하기
최저 기준 | 후보 생성 단계 | 답을 찾아서 | 가벼운 필터 | 증거 수집 단계 | 점수 계산 단계 | 집계와 순위 결정 | 왓슨 최적화하기 | DeepQA 다시 살펴보기 | 왓슨에게 지성이 있을까?

다섯째마당 게임과 인공 지능

14 무차별 탐색으로 좋은 전략 찾기
게임에서 이기는 수 탐색 | 스도쿠 | 트리의 크기 | 분기 계수 | 게임의 불확실성 | 클로드 섀넌 | 평가 함수 | 딥 블루 | IBM에 합류하다 | 탐색 그리고 신경망 | TD-GAMMON | 탐색의 한계

15 알파고는 어떻게 완성되었나?
컴퓨터 바둑 | 바둑의 규칙 | 직관을 길러주는 바둑 기보 | 신의 한 수 | 몬테카를로 트리 탐색 | 슬롯머신과 멀티암드 밴딧 | 알파고, 이렇게 복잡할 필요가 있었을까? | 알파고의 한계

16 실시간 인공 지능과 스타크래프트 봇
봇 만들기 | 스타크래프트와 인공 지능 | 게임 단순화하기 | 실용적인 스타크래프트 봇 | Open AI와 도타2 게임 | 스타크래프트 봇의 미래

끝내기 기계는 지능을 가질 수 있을까?

17 50년 후, 또는 그 후
적기를 맞은 인공 지능 개발 | 성공 사례로 배우기 | 데이터의 광범위한 활용 | 우리는 어디로 가는가?

옮긴이의 말
노트
찾아보기