마스터 알고리즘_페드로 도밍고스

**인공지능이 기업 측면에서 활용되는 책을 

읽다가 인공지능 자체가 궁금해져서 찾아

읽게 되었습니다. 빌 게이츠 회장이 인공지능에

관하여 추천한 책이라 무작정 읽기 시작했

습니다. (2권을 추천했는데 이 책과 슈퍼인텔리전스

라는 책입니다),,거의 한달이 걸려 읽었네요ㅜㅜ

너무 안 읽혀서 다른 책들을 보면서 짬짬이

읽어나갔습니다. 다 읽은 지금은 끝까지

읽기를 잘한 것 같습니다

 

저는 ‘문송’한 사람이라 읽기가 너무나 힘들었습니다.

수학지식을 거의 사용하지 않고 일반인의

언어로 쓴 책이라고 알았지만 이해하지 못한

부분이 많습니다.

그렇지만 끝까지 읽은 것이 어쩌면 신의

한수인 듯 합니다. 머신러닝에 대한 

첫단추를 어떻게든 끼우게 되었고

앞으로의 우리 미래상을 그려보는데

도움을 많이 받게 되었습니다. 

앞으로 읽어나가는 책들과 융합하여

통찰력에 큰 도움을 얻을 수 있을거라는

생각이 들었습니다.

 

각 머신러닝의 방법론은...

아이가 커가는 것과 비슷한 것 같습니다

인식의 틀이 점점 생겨나고 그에따라

세상을 인식하고 해석하는 방법이 

차이가 생길 것입니다. 그래서 ‘다름’이

생길 것이고요. 

머신러닝의 각 방법론도 그와같다는

생각이 들었네요. 세상을 이미지로 

인식을 잘하는 아이, 심볼화된 문자로

인식하길 좋아하는 아이, 추상화한

상태만을 인식하려고 하는 아이 등등

각자의 다름을 어떻게 통합해낼까

저도 궁금해집니다. 그래서 마스터

알고리즘은 신을 만드는 작업일 것이라는

생각이 드네요. 인식의 틀이 없는

全知한 알고리즘이 나오면 뭐든지

할 수 있지全能 않을까 생각해봅니다.

 

우리가 인공지능을 재미삼아 이야기할 때

가장 많이 묻는 것이 “인공지능의 발전은

스카이넷의 탄생으로 이어지는 것 아닌가?”

입니다. 450쪽 이하에 있는데 저자는 

고유의 의지가 없기 때문에 불가능하다고 

봅니다. 

이 부분을 읽으면서 “고유의 의지”가 뭐지? 

그 의지라는 것은 ‘어디서’부터 오는 거지?라는 

생각이 들었습니다.

그러다가 얼마전에 읽었던 “이것이 인공지능이다”라는

책이 떠올랐습니다. 로봇(인공지능)이 

감정이 생겼을 때(‘인공감정’이라 칭함)

로봇은 스스로 창의적인 일을 하기

시작할 것이라는 내용이었습니다.

 

사람은 유한한 삶을 삽니다. 그래서인지

그 ‘유한함’에서 많은 감정들이 나오는

거라는 생각이 들었습니다. 그런 감정들은

욕망을 만들어내고, 행동하게 만든다는

생각이 들었습니다. 스카이넷은 아마

인공지능이 스스로 수명을 정하고

그럼으로서 '인공감정을 익히고’ 

마치 사람처럼 감정에 의한 욕망과

그 욕망을 실현하려는 때가 되어야

나오지 않을까 싶었습니다. 아주 먼

훗날이겠지요..잡생각이었습니다ㅎㅎㅎ;;

여유있는 연휴 보내시길 바래요^^

 

 

*One Big Message :인공지능을 이해하고 이용하는 것이 필수적인 시대가 온다

 

*One Action : 수학적 지식을 조금씩이라도 쌓자

 

*유용성(독서목적 관련) :머신러닝에 대한 이해가 생기고 인공지능의 미래상도

추측해볼 수 있었다

 

*핵심 키워드

-읽기 前 : 머신러닝,인공지능의 미래, 학습론

-읽은 後 : 머신러닝이란, 인공지능의 미래상, 학습론

 

*연관지어 읽고 싶은 책 : 슈퍼인텔리전스(닉 보스트롬)

 

 

>>좀 더 쉬운 책으로 "이것이 인공지능이다"(김명락 저)

hongbbang30.tistory.com/66

이것이 인공지능이다_김명락

>>인공지능이 현재 기업들에 쓰여지는 상태가 궁금하다면

"인공지능 비즈니스 트렌드"가 있습니다

hongbbang30.tistory.com/62

인공지능 비즈니스 트렌드_테크니들

 

 

<개인적으로 기억에 남는 문구들>

 

!! 읽으면서 이해 못한 부분이 많습니다. 다음에 읽을 때

참조해보려고 남긴 내용이니 도움이 안 될 수

있어요. 직접 읽어보셔서 내용 파악해보시길

권해드립니다.

 

 

들어가는 말

9..아침에 깨어나 밤에 잠들 때까지 당신의

하루는 머신러닝으로 물들어 있다

13..머신러닝 알고리즘은 다른 인공물을 

설계하는 인공물이다.

16..우리는 어떻게 배우는가

더 나은 방법은 있는가

무엇을 예측할 수 있는가

배운 것은 신뢰할 수 있는가

==>이 물음에 대한 답은 5종족이 다르다

17..최종 마스터알고리즘이 존재한다면 과거,현재,

미래의 모든 지식을 데이터에서 얻어 낼 것이다.

18..가장 필요한 것은 신비로운 수학에서 

한발 물러나 학습 현상의 지배 형태를 보는

안목이다.

21..오래되고 유효성이 증명된 통계 도구만으로는

빅데이터 시대에 앞서 나가지 못한다.

 

 

제1장 머신러닝의 혁명이 시작됐다

29..알고리즘이란 컴퓨터가 수행할 일을 순서대로

알려 주는 명령어의 집합이다.

30..논리곱,논리합,부정 세가지 기본 동작이면

아무리 복잡한 알고리즘도 표현할 수 있다

31..논리가 컴퓨터의 전부다

33..이론을 알고리즘으로 표현할 수 없으면

완전한 이론이 아니라는 말은 과학의 모든

분야에 적용된다.

 

36..머신러닝은 다른 알고리즘을 만들어내는

알고리즘이다.

37..머신러닝은 씨앗이고 데이터는 토양, 학습된

프로그램은 성장한 식물이다.

38..머신러닝은 복잡성 괴물을 베어내는 칼이다.

39..정보 처리 생태계에서 머신러닝은 최상위

포식자이다. 데이터베이스와 크롤러, 인덱서는

초식동물 격 프로그램이다. 통계 알고리즘과 

온라인분석 처리 등은 육식동물 격 프로그램이다.

40..전통적으로 컴퓨터 과학에서는 결정론적

사고가 최고이지만 머신러닝에서는 통계적

사고가 필요하다.

41..머신러닝의 중요한 착상은 수학 없이

표현 할 수 있다.

산업혁명은 수공업을 자동화하고 정보혁명은

정신노동을 자동화하고, 머신러닝은 자동화

자체를 자동화했다.

43..기업은 성장하면서 3단계를 거친다

-1단계; 모든 일을 손으로 하는 단계,

-2단계; 성장으로 컴퓨터가 필요해진 상태로

더 많은 고객에게 서비스를 제공하지만 

서비스 수준은 이전과 같지 않다

-3단계; 규모가 계속 커지면 어쩔 수 없이

머신러닝을 사용하게 된다.

44..컴퓨터에서 인터넷으로 그리고 머신러닝으로

발전한 것은 피할 수 없는 과정이다.

머신러닝이 제공한 선택안 중에서 최종적으로

무엇을 선택할지는 여전히 당신의 몫이지만

99.9%는 머신러닝이 골라 놓은 것이다.

45..최선의 알고리즘과 최대의 데이터를 보유한

기업이 승리한다.

46..석유처럼 데이터도 정제하는 일이

큰 사업이다.

머신러닝이 없는 회사의 전문가가 고객의

취향을 예측하는 천 가지 규칙을 작성하는 동안 

다른 회사의 머신러닝은 개별 고객의 

취향을 모두 나타내는 수십억 개의 규칙을

학습한다.

47..머신러닝은 발견을 자동화한다.

49..머신러닝은 비선형 모델들의 광대한

신세계를 열었다.

51..오바마 대통령은 머신러닝 전문가인

레이드 가니를 선거운동본부의 최고 과학자로

고용했다.

6만6천번의 모의실험을 실시했고, 그 결과를

바탕으로 누구에게 전화를 걸고 어느 집을 

방문하고 무슨 말을 할지 선거 자원봉사자들에게

지시했다.

58..머신러닝이 처음으로 큰 성공을 거둔 곳은

1980년대말부터 주가의 등락을 예측한

금융 분야다.

 

 

제2장 마스터 알고리즘은 어떻게 탄생하는가

64..머신러닝 알고리즘은 대부분 몇 백 줄 분량임에

비해 이 머신러닝 알고리즘이 대체하는 프로그램은 

수십만 줄 혹은 수백만 줄 분량이다.

66..이 책의 중심 가설; 세상의 모든 지식, 즉 과거,

현재, 미래의 모든 지식은 단 하나의 보편적 학습

알고리즘으로 데이터에서 얻어 낼 수 있다. 

이 머신러닝을 마스터 알고리즘이라 부른다.

 

>>신경과학에서

68..감각에 할당된 뇌의 영역이 단지 눈이나

귀, 코 등 입력에 따라 구분될 뿐이며 뇌는

전적으로 같은 학습 알고리즘을 사용한다는

증거다.

소뇌가 손상되면 대뇌 피질이 소뇌의 기능을

인계받는다. 

69..두뇌가 마스터 알고리즘이라는 가장 중요한

논거는, 두뇌가 배울 수 없는 무엇인가가

있다면 우리는 그것이 존재하는지 알 수 없다.

70..모든 신경과학자가 대뇌피질의 일원성을

믿는 것은 아니다.

 

>>진화론에서

71..진화는 충분한 데이터가 주어지면 간단한

머신러닝이 얼마나 많이 성취할 수 잇는가를

보여주는 최상의 본보기다.

 

>>물리학에서

72..수학은 신비가 아니며 마스터 알고리즘은

수학의 논리적 확장이다.

 

>>통계학에서

76..빅데이터와 빅 컴퓨팅이 만나자 베이즈

정리는 광대한 가설의 세계에서 자기자리를

찾고 인식 가능한 모든 지식 분야로 퍼져

나갔다.

 

>>컴퓨터 과학에서

78..컴퓨터가 존재한다는 것 자체가 마스터 알고리즘이

존재한다는 강력한 신호다.

 

79..마스터 알고리즘은 적어도 지지자만큼이나

회의론자도 많다. 가장 분명한 거부는 머신러닝의

숙적인 지식공학에서 나온다

85..민스키와 촘스키, 포더 같은 비판자들의

영향력이 우세한 적도 있었지만 다행스럽게도

그들의 영향력은 줄어드는 형세다

86..자주 듣는 반대의견은 “데이터는 인간의

직관을 대체할 수 없다”라는 말이다. 사실은

그 반대가 맞는 말이다. 인간의 직관은 데이터를

대체할 수 없다. 직관은 사실을 모를 때 사용하는

것이다.

89..머신러닝의 역사에는 간단한 알고리즘들이

매우 복잡한 알고리즘을 이겨 온 기쁜 사례가 있다.

95..컴퓨터가 배울 수 있다는 사실이 컴퓨터가

스스로 의지를 획득한다는 것을 의미하지는

않는다.

무엇보다도 우리는 마스터 알고리즘이 악당의

손에서 무엇을 할지 걱정해야 한다.

 

100..마스터 알고리즘은 특정 지식 분야를 

학습하는데 최고의 알고리즘이 아니다.

104..머신러닝 분야의 5종족

-기호주의자는 모든 지능을 기호를 다루는

활동으로 귀결 짓는다. 역연역법(연역을 

진행하는데 필요한 지식 중 빠진 지식이

무엇인지 파악한 후 연역을 최대한 

보편적으로 만든다)

-연결주의자는 두뇌를 역공학(리버스 엔지니어)

으로 알아내는 것이다.역전파법(시스템의

출력을 목표값과 비교한 후 여러 층에 걸쳐

연결된 신경세포들의 연결상태를 계속

바꾸어 시스템의 출력이 목표값에 더

가깝게 한다)

-진화주의자는 모든 학습의 어머니는

자연 선택이라 믿는다. 유전자 프로그래밍

-베이즈주의자는 불확실성에 주목한다.

학습된 지식은 모두 불확실하며 학습자체는

불확실한 추론의 형태를 띤다.

-유추주의자는 상황들 사이의 유사성을

인식하여 다른 유사점을 추론하는 것이다.

핵심과제는 두 사물이 얼마나 비슷한가를

판단하는 일이다.

 

106..진정한 마스터 알고리즘은 한 가지가 아니라

다섯 가지 문제를 모두 해결해야 한다. 

109..종족마다 다른 퍼즐 조각을 가지고 

있으며 우리는 이것들을 모아야 한다.

 

 

제3장 흄이 제기한 귀납의 문제 _기호주의자의 머신러닝

113..컴퓨터 과학에서 이론가와 지식공학자가

합리적주의자라면 해커와 머신러닝 전문가는

경험주의자다.

115..우리가 본 것에서 시작한 일반화를 보지 못한

것까지 적용하는 일을 어떻게 정당화할 수

있는가? 모든 머신러닝은 이 질문에 답하려는

시도라 할 수 있다.

117..한 군데에서 얻은 일반화를 다른 것에도 

적용할 수 있다는 보장은 없는 것이다.

119..미래가 과거와 같을 거라고 단순하게

가정하는 것은 어떤가? 위험한 가정이다. 

반면에 이런 가정이 없으면 모든 지식은

불가능하고 삶도 불가능하다.

122..우리는 가능한 모든 세계를 다루지 않는다

우리가 사는 세계만 다룰 뿐이다.

데이터만으로는 충분하지 않다. 무에서

출발하면 다만 무에 도달할 뿐이다.

123..머신러닝에서 선입견은 없어서는

안 된다. 선입견 없이는 학습이 불가능하다.

125..뉴턴의 원리는 머신러닝에 관한 최초의

불문율이다.

132..규칙의 모음은 100% 정확하게 보이지만

착각이다.

134..머신러닝 알고리즘은 데이터에서

어떤 패턴을 찾는 능력이 거의 무제한이기

때문에 과적합 문제에 특히 취약하다.

135..잡음은 일관성 있는 규칙 모음을 

찾아내는 것을 불가능하게 만들 수 있다.

138..머신러닝이 가정하는 패턴이 새로운

데이터에서도 유효하다면 그 패턴을 

믿을 수 있다.

145..머신러닝이 계속 같은 실수를 하면

문제점은 편중이다. 

실수에 어떤 패턴이 없으면 문제점은 분산이다

149..역연역법은 새로운 약이 해로운 부작용을 

일으킬지 예측하는 분야에 중요하게 쓰인다.

153..역연역법의 또 다른 한계는 계산량이 

매우 많아서 대용량의 데이터를 처리하기 

어렵다는 점이다. 이런 점 때문에 기호주의자가

선택한 알고리즘은 의사결정트리를 이용한

귀납법이다.

157..처음에는 대단하지 않게 시작한 의사결정트리가

가장 널리 사용되는 머신러닝 알고리즘으로 성장했다.

160..기호주의는 마스터 알고리즘으로 가는

가장 짧은 길이다.

161..역연역법은 잡음에 쉽게 오류를 일으킨다.

가장 심각한 것은 실제 개념은 규칙의 모음으로

간결하게 정의되는 일이 거의 없다는 사실이다.

 

 

 

제4장 우리 두뇌는 어떻게 학습하는가 _연결주의자의 머신러닝

165..이 학파의 이름은 ‘지식이란 신경세포

사이의 연결에 있다’는 그들의 믿음에서 

유래한다

166..기호주의자 학습과 연결주의자 학습의

차이점은 기호주의는 순차적인 반면 연결주의는

동시적이라는 점이다.

168..컴퓨터는 1000개의 연결을 모의시험하는

것을 한 개의 연결을 1000번 반복하는 방법을

통해 부족한 연결 수를 속도로 만회할 수 있다.

173..신경망은 소수의 가까운 친구들이 

페이스북 친구 1000명 이상보다 중요한

사회관계망과 더 비슷하다

181..신경세포는 논리 회로보다는 전압 주파수

변환기와 더 비슷하다. 시그모이드 곡선

 

184..우리가 선형적이라고 생각하는 많은

현상이 사실은 S자 곡선(시그모이드 곡선)이다.

어떤 것도 무한으로 커질 수 없기 때문이다.

185..퍼셉트론 알고리즘의 오류신호는 있음

아니면 없음이다. 옳거나 틀리거나 뿐이다.

신경세포의 출력이 양자택일이 아니고

연속되는 값을 갖는다면 상황이 달라진다.

 

192..신경망의 첫번째 성공은 주식시장을 

예측하는 일이었다.

195..살아있는 세포는 비선형 시스템의 정수다

197..연결주의 다시 유행하고 있다. 이들

머신러닝 알고리즘은 영상 인식과 음성인식,

신약 개발 등의 영역에서 새로운 기준을 

세우고 있다.

201..우리는 두뇌 이해에 필요한 생각의

원리를 여전히 파악하지 못했다

 

 

 

제5장 진화, 자연의 학습 알고리즘 _진화주의자의 머신러닝

209..완전히 임의의 개체로 시작하여 유전

알고리즘은 적합성에 따라 선택할 수 있는 

변종들을 내놓아야 한다. 자연은 어떻게

이런 일을 할까?

홀랜드에게 유전 알고리즘의 진정한 힘은

성sex이다.

 

215..유전 알고리즘은 역전파보다 국소

최적값에 머무는 경우가 덜하고 원리적으로는

새로운 것을 더 잘 도출할 수 있다. 하지만

유전 알고리즘의 분석은 훨씬 더 어렵다.

222..유전자 프로그래밍의 첫 번째 성공은

1995년에 전자 회로 설계에서 거두었다.

225..성이 자연에 널리 퍼져 있는 까닭을

아직은 어느 누구도 확실히 알지 못한다.

 

228..진화주의자는 학습 구조에 집중한다.

연결주의자는 간단한 구조를 선호하며

가중치 학습이 모든 일을 하도록 한다.

229..마스터 알고리즘은 구조 학습과 

가중치 학습이라는 양쪽의 핵심 요소를

포함해야만 한다.

 

232..진화는 훌륭한 구조를 찾고, 신경망 학습은

구조를 학습시킨다.

233..진화의 산물은 명백한 단점이 많다

234..기호주의자와 베이즈주의자는 자연의

모방을 신뢰하지 않는다.

 

 

 

제6장 베이즈 사제의 성당에서 _베이즈주의자의 머신러닝

**이 장의 내용은 거의 이해가 되지 않았음

 

240..근본적으로 베이즈 정리란 새로운 증거를

얻었을 때 가설에 대한 믿음의 정도를 갱신

하는 간단한 규칙일 뿐이다.

246..우리는 보통 원인에 대한 결과의

확률은 결과가 나왔을 때 결과의 원인에

대한 확률이기 때문에 베이즈 정리가 유용하다.

248..베이즈 추론을 수행하기에 충분히

강력한 컴퓨터의 등장과 대규모 데이터 덕분에

베이즈주의자는 다시 우위를 점하기

시작했다

250..나이브 베이즈 분류기; 베이즈 정리를

사용하고 원인이 조건으로 주어졌을 때

결과들은 서로 독립적이라고 가정하는

머신러닝 알고리즘을 말한다.

251..스팸메일을 걸러 내는 많은 프로그램의

기반이 나이브 베이즈다

255..구글을 탄생시킨 알고리즘인 페이지랭크

자체도 마르코프 연쇄다

261..모든 것은 연결되어 있지만 다만 간접적으로

연결되어 있다.

262..베이즈 네트워크는 머신러닝이 검은백조를

예측할 수 없다는 오해가 거짓임을 보여준다

272..베이즈 네트워크로 추론할 때 단순히

확률만 계산하지 않는다. 제시된 증거에

관한 가장 그럴듯한 설명을 찾는 일도 포함한다

285..우리는 논리와 확률 둘 다 필요하다.

암 치료가 좋은 사례다

287..해결하고자 하는 문제의 어떤 부분에

관한 데이터는 넘쳐나지만 다른 부분에 관한

데이터는 거의 없다시피 한 경우, 유추다

—>7장으로.

 

 

 

제7장 당신을 닮은 것이 당신이다 _유추주의자의 머신러닝

294..유사성은 머신러닝의 중심 아이디어이고

여러 모습의 유추주의자들은 모두 유사성의

수호자다.

최근접 이웃 알고리즘은 이제까지 발명된

머신러닝 알고리즘 중에서 가장 간단하고

빠르다

304..차원이 낮은 경우(2차,3차원) 최근접이웃

알고리즘은 보통 매우 잘 작동한다. 하지만

차원이 올라갈수록 상황은 급속히 나빠진다.

305..큰 문제는 더 많은 속성이 있으면

그 속성들이 모두 연관성을 지녔을 때라도

해로울 수 있다는 점이다

310..유추주의 머신러닝은 후에 유사성을 

기반한 새로운 알고리즘이 나타나 휩쓸었다

서포트 벡터머신 SVM.

312..SVM을 학습시키려면 벡터들과

그것들의 가중치를 정해야 한다.

322..기술의 사다리를 더 높이 올라가면

기계가 음악을 만든다는 것도 거의 

틀림없다.

323..유추주의자의 가장 멋진 묘수는 

문제 영역 전반에서 학습하는 방식이다.

인간은 항상 이렇게 한다.

325..마스터 알고리즘은 유추와 비슷한 

것이어야 한다

328..인간은 선생님 없이 학습할 수 있다

 

 

제8장 선생님 없이 배우기

332..지능을 가진 기계를 만드는 방법은 로봇

아기를 만들어 인간 아기가 하듯이 세상을

경험하게 하는 것이라고 주장하는 연구자도 있다

335..사물을 유사한 것끼리 모으는 것은 사람의

본성이며 종종 지식으로 가는 첫번째 단계다

빅 데이터를 다루는 쉬운 방법은 군집화하는 것이다

348..PCA를 국회의원 선거와 여론 조사 데이터에

적용해 보니 많은 사람이 믿는 것과는 반대로

정치는 진보와 보수의 대결이 주요한 것이

아니라는 결과가 나왔다

351..시간은 다른 말로 하면 기억의 주요 

성분축이다.

353..아기와 매우 비슷한 알고리즘만 전적으로

다루는 머신러닝이 강화학습이다

356..당신이 얻은 보상과 옮긴 새로운 상태의

가치의 합을 사용하여 이전 상태의 가치를

갱신한다.

359..우리 두뇌도 기대한 보상과 실제 보상

사이의 차이를 전파시키는 신경 전달 

문질인 도파민을 이용하여 강화 학습을 한다.

360..역설적이게도 배울 때 가장 고통스러우면

가장 많이 배운다.

366..구글이 나오기 전까지 검색 엔진은 

웹페이지가 당신의 검색어와 연관되어 있는지를

웹페이지의 내용을 보고 결정했다

370..관계형 학습알고리즘은 한 관계망에서

배운 것을 다른 관계방에도 적용할 수 있도록

일반화를 수행할 수 있다

 

 

 

제9장 마스터 알고리즘을 위한 마지막 퍼즐 조각

379..머신러닝은 과학이자 기술이다.

381..전기가 에너지의 에스페란토어라면

마스터 알고리즘은  머신러닝의 통합체다

387..머신러닝의 각 구별요소

표현-평가부분-최적화

-표현은 머신러닝 알고리즘이 자신의 모형을 

표현하는 언어다

-평가부분은 모형이 얼마나 좋은지로 점수를 

매긴다.

-최적화는 가장 높은 점수를 내는 모형을

찾아 주는 알고리즘이다.

396..논리와 확률을 어떻게 결합할 것인가

410..어떤 일을 하는 방법을 안다고 해도

쓸 수 있는 시간과 기억 장치 용량의 한계

안에서 과제를 해낼 수 없다면 그리 유용한

게 아니다.

416..암 박멸 알고리즘, 모형은 계속 진화하며

새로운 실험 결과와 데이터 출처, 환자이력을 

추가한다. 궁극적으로 모형은 인간의 모든 

세포에서 일어나는 대사 경로와 조절 원리,

화학 반응, 즉 인간 분자 생물학의 총체를

알게 될 것이다.

417..머신러닝이 없으면 암에 대한 생물학

지식은 수천의 데이터베이스와 수백만 

과학저술, 작은 부분만 아는 의사들에게

흩어지고 우리에게는 암에 대한 파편화된

생물학 지식만 있을 것이다.

 

 

제10장 이것이 머신러닝이 펼치는 세상이다

421..중요한 사실은 우리가 머신러닝으로 

무엇을 할지 결정하는 일이다.

422..컴퓨터가 당신에 대해 학습하도록 하는

수준의 상호작용, 많이 가르칠수록 당신에게

더 봉사하거나 당신을 더 조종한다.

429..마스터알고리즘이 당신에 대해 세운 

모형은 당신이 더 나은 사람이 되도록

도움을 줄 것이다.

432..미래의 가상 공간은 실제 세상에서 시도할

가장 유망한 것들만 고르는 광대한 평행

세상이다. 전 지구의 무의식, 즉 인류의

이드 총합과 비슷할 것이다.

439..21세기에는 노동조합과 비슷한 이유로

데이터 조합이 필요하다. 회사는 개인보다

데이터를 수집하고 사용하는 힘이 훨씬 더 크다.

440..당신의 데이터는 투표만큼, 아니 그 이상

세상에 영향을 미칠 수 있다.

443..대결상황은 사람 대 기계가 아니다. 기계를

이용하는 사람 대 기계를 이용하지 않는 

사람의 대결이다.

445..결국 우리는 실업률 대신 고용률을 이야기할 

것이고, 고용률의 감소를 발전의 지표로 여길 것이다

실업 급여는 모든 사람에게 주는 기초 수입으로 

대체 될 것이다.

451..마스터 알고리즘을 갖춘 인공지능이 세상을

지배할 가능성은 0이다. 고유의 의지가 없기

때문이다. 

453..기술은 인간의 확장된 표현형이다.

454..우리가 유전자의 생존 기계인 것처럼

인공지능은 우리의 생존기계다

457..기계의 지능이 인간의 지능을 뛰어넘는

시기는 우리가 마스터 알고리즘을 발명한

이후나 가능할 것이다.

 

맺는말

 

감사의 말

감수의 글

더 읽을거리

찾아보기