이것이 인공지능이다_김명락

**인공지능에 관한 입문서입니다. 개념을 잘

잡아주는 책 같습니다. 요새 "마스터 알고리즘"이라는

인공지능(머신러닝에 관한) 서적을 읽고 있는데

이해하기가 어려워서 자꾸 늘어지고 있습니다.

그래서 좀 쉬운 책을 찾아 읽게 되었습니다.

이 책 부제가 '하룻밤에 읽는 AI의 모든 것!'으로

되어 있습니다.^^;..주말동안 읽었는데 읽어보기

잘한 것 같습니다. 인공지능에 대한 큰 줄기가

이해되고 그래서인지 "마스터 알고리즘"에서 읽고있는

부분이 좀 더 이해되는 경험을 하고 있네요

 

인공지능이 뭐지? 궁금해 하는 분에게는 많은 도움이

될 책입니다. 우선 200쪽이 안되는 분량에 마음이

가볍고, 인공지능 전문가인 저자분의 쉬운 설명이 

마음을 더 가볍게 만들어 줍니다.

 

*One Big Message :도구로서 인공지능 활용이 필수인 시대가 왔다

 

*One Action : 파이썬 공부를 멈추지 말자

 

*유용성(독서목적 관련) : 인공지능이 인간사에 갖는 의미와 활용방법을 알 수 있음

 

*핵심 키워드

-읽기 前 : 인공지능이란, 대응방안, 융통성

-읽은 後 : 인공지능이란, 활용방안, 사람이 중심

 

*연관지어 읽고 싶은 책 : 인재 대 인재(홍성국)

 

 

 

<중요구절>

 

프롤로그4

7..언제나 기술은 수단일 뿐이고 기술을 이해하고

활용하는 사람에 의해서 역사는 개척된다.

 

 

PART.1 인공지능 파도가 오고 있다

 

01 20세기 말 인터넷 광풍과 인공지능 시대의 데자뷔15

18..2000년대 초반의 IT벤처 회사들이 제시했던

것들이 틀렸다기 보다는 그들이 생각했던 것이

실현되는 데 소요되는 시간이 오래 걸렸다

 

 

02 오히려 늘어난 종이 소비량22

24..인공지능이 본격화되면 대체되는 사람과 

몸값이 오르는 사람들로 양분화 될 것이다.

 

 

03 IT와 DT를 다 알지 못해도 괜찮다25

25..DT는 IT가 발전한 것이다.

26..동서양의 역사를 가른 가장 중요한 IT는

금속활자 인쇄술이다.

27..우리 선조들은 자료를 보관하는 데 활용했다

28..서양에서는 지식의 공유와 확대에 활용했다

이 부분이 바로 동양보다 서양이 더 먼저

근대화에 성공한 요인이 되었다.

31..수집할 수 있는 데이터 양이 증가하면서

IT는 DT로 확대되었다.

33..빅데이터와 인공지능이 포함된 DT를 

활용한 혁신이 바로 4차 산업혁명이다.

 

 

04 빅데이터가 필요한 이유34

38..사람이 하루 받아들이는 데이터 양은 14GB에

이른다. 이중 71%인 10GB가 시각데이터다

기억으로 넘어가는 시각 데이터는 아주 일부일

수 밖에 없다.

 

 

05 빅데이터가 아니라 올데이터40

40..빅데이터는 데이터의 양으로 구분하는

것이 아니라 전체 데이터 중 일부를 인포메이션으로

선별했는지 여부다

43..IT는 인포메이션 외에 올데이터의 

가능성을 놓칠 수 있게 된다.

44..20년 전에 야후가 IT를 다루는 동안

구글은 DT를 다뤘던 것이다.

45..DT는 인간의 사고력 안에서 답을 찾는 

것이 아니라 올데이터 안에서 답이 나타나도록

하는 방식이다.

 

 

06 떼려야 뗄 수 없는 빅데이터와 인공지능46

47..인공지능의 큰 양대축은 전문가 시스템과 

머신러닝이다.

48..영어 학원을 다니면서 문법을 익히는 것을

전문가 시스템이라 하면 아이들이 부모의 말을

무작정 따라하면서 자연스럽게 모국어를

익히게 되는 것이 머신러닝이다.

56..빅데이터와 인공지능은 사다리의 양쪽 

다리와 같다

 

 

 

PART.2 인공지능 파도에 발을 담그자

 

01 스타벅스와 인공지능61

64..자라 사례, 자라와 일반패션 브랜드의

차이는 사람의 판단력과 데이터 중 어떤 것을

더 신뢰하느냐이다.

 

 

02 스포츠를 알면 인공지능이 보인다66

70..스포츠는 인공지능의 가장 좋은 놀이터고,

활용되는 수준이 가장 높은 분야이다

 

 

03 인공지능은 어떻게 똑똑해지는가?71

72..인공지능이 개발되는 과정은 훈련데이터를

가지고 에이전트(인공지능 실체)를 훈련시키는

단계와 인공지능을 활용하는 단계로 구분할

수 있다.

75..훈련 데이터가 에지전트를 어떤 방향으로

훈련시키도록 하는 의도를 가져서는 안 된다

77..구글은 방대한 데이터를 저장하고

관리하기 위해 대규모 데이터 센터를 운영하고 있다

79..인공지능 도구들은 대부분 무료로 개방되어

있고, 전 세계적으로 표준화되어 있다.

 

 

04 인공지능은 0원?80

81..인공지능은 기본적으로 특정 사례에 특화

되어 훈련되기 때문에 범용적으로 활용되기

위해서는 더 많은 바용과 시간이 필요하다.

 

 

05 인공지능과 통계의 차이점83

89..비선형적인 모습을 보이는 패턴이

복잡하게 얽혀 있는 문제에서는 딥러닝이

훨씬 더 유리하다

 

 

06 인공지능의 적용과 성과 평가90

98..정확도와 정밀도, 재현율, 조화평균

정도만 알면 인공지능을 적용한 결과가

기존보다 더 좋아진 것인지 아닌지를

충분히 판단 할 수 있다.

99..인공지능이 추천할 경우, 추천 자체의

성능을 측정하려는 시도보다는 인공지능이

추천한 결과로 원하는 상황이 벌어지고

있느냐로 평가해야 한다.

 

 

07 인공지능의 성과를 평가할 때 유의할 점101

104..지금은 딥러닝이 이미지를 인식할 때의

정확도가 사람을 뛰어넘은 상태다. 다른 분야

에서도 딥러닝의 성능이 이렇게 높을 것으로

기대하는데 실제로는 전혀 그렇지 않다.

108..특정 사례에 지나치게 오버피팅(과적화)

되면 일반적인 사례에서 성능이 오히려 더

나빠진다. 

 

 

08 인공지능과 보헤미안 랩소디110

110..가치판단이 포함된 일이나 창조적인

결과가 기대되는 영역에서는 인공지능의

역할이 없다. 

112..현재의 직업과 주어진 일 안에서

가치판단과 창조성을 발휘할 수 있는 

부분을 찾아서 시도하면 된다.

 

 

09 인공지능의 오남용116

117..인공지능이 하게 되는 일은 결국

추천 또는 예측이다.

 

 

 

PART.3 서핑을 잘하기 위한 유연성 기르기

 

01 빅데이터와 축구125

130..빅데이터와 인공지능을 제대로 활용

하느냐 또는 그렇지 않느냐는 기술이 아니라

인간의 의지와 사고의 유연성에 달려 있다.

 

 

02 커피 마실래? 녹차 마실래?132

132..머신러닝은 인간의 이성적 판단을 흉내

내고 있는 것이 아니라, 인간의 감성적 

판단을 흉내 내고 있다.

133..감성적인 판단은 절대로 임의로

선택을 하는 것이 아니다. 감정적이라는

것은 기억에 남는 경험을 토대로 확률적으로

최선을 선택하는 과정인 것이다.

**"이렇게도 생각할 수 있구나"하고 느꼈습니다

위에서 말한 머신러닝은 인간의 감성판단을

흉내내는 것과 상통한다고 보입니다.

 

135..인간은 전체 데이터 중에서 극히

일부분만을 선택해서 기억한다. 기억된 내용도

시간이 지나면 왜곡되고 변형된다. 그래서

편견과 오류에 빠지기 쉽다.

136..머신러닝이 인간의 감성적 판단을

흉내내는 것이 인간의 감성적 판단보다

더 정확할 수 있다

 

 

03 고정관념에서 벗어나야 인공지능을 제대로 쓸 수 있다140

142..인간의 판단력에 대한 집착을

내려놓지 않으면 인공지능을 제대로

활용할 수 없는 것이다.

 

 

04 인간적인 오류의 가치144

146..사람이 오류와 실수를 저지르는

과정에서 전혀 새로운 기회와 대안을 

찾아내는 것은 인공지능이 흉내 낼 수

없는 부분이다.

 

 

05 삶의 마지막을 향해148

152..인공지능이 앞으로 스스로에게 수명을

부여하는 것이 장기적으로 자신들에게

더 유리하다는 것을 깨달을 수도 있다.

‘인공감정’을 윤활유로 하여 인공지능도

인간처럼 가치판단을 하기 시작할 것이고,

창조적인 시도를 할 것이다.

 

 

 

PART.4 인공지능과 동행하기

 

01 인공지능 초간단 사용설명서157

157..인공지능 도입을 검토하기 위한 질문

-인공지능이 필요한 일인가?

-가치 판단이 포함되어 있거나 창조적인

경과가 기대되는 일인가?

-사람의 경험과 논리를 살리는 것이 중요한가?

-굳이 머신러닝이 필요한가?

-통계로 충분한 경우

-머신러닝의 기법은 100여가지가 넘는다

-사람이 과정을 이해하고 납득해야 하는 경우

161..딥러닝은 시간과 인력,비용이 많이 필요하다

 

 

02 인공지능을 활용하는 4가지 방법163

164..인공지능 개발에서 소프트웨어 개발이

차지하는 비율은 약20% 정도 밖에 되지 않는다.

나머지 80%는 해당 분야를 공부하면서

협업을 하는 일이다.

170..머신러닝을 하려는 사람은 통계 공부도

게을리 하지 않는 것이 좋다

 

 

03 회사에 인공지능 전담팀 만들기173

175..인공지능 기술은 클래식 음악이라기 보다

대중음악처럼 시장의 평가를 즉각적으로

받는 분야다.

 

 

04 인공지능을 제대로 이해하고 활용하는 회사 만들기177

184..20년 전에 수많은 조직들이 인터넷을 

도입하는 과정에서 크고 작은 시행착오를 겪었지만

현재 시점에서 인터넷을 전혀 사용하지 않고

일을 하는 것은 상상하기 어려워졌다. 현재의

인공지능도 마찬가지다.

 

 

05 인문학을 알아야 인공지능도 발전한다185

186..영화 기생충의 번역사례; 달시 파켓

언어를 쓰는 사람들의 정서를 이해하고

그 중 탁월한 단어를 선택하는 것은 인공지능

에게는 아직 어렵다.

188..인문학이 뒷받침되지 않으면 인간을 

제대로 이해할 수 없다 

 

에필로그190

193..인공지능은 누군가에게 조선 말기 

쇄국정책의 대상이었던 서양문물처럼 받아들여

질 수도 있고, 또 다른 누군가에게는 마치 모든

것을 해결해 줄 수 있는 만병통치약처럼

여겨질 수도 있다.

 

참고문헌194