AI시대, 어떤을 준비할 것인가 <딥러닝 레볼루션> ~~

>

▪ 책 소개 ▪ ​ 4차 산업 혁명은 어디까지 와도 신 AI을 알아야 미래를 선점할 수 있는 인공 지능, 초연, 아주 지능, 자율 주행의 모든 혁신은 딥 러닝부터 시작됩니다.스마트폰 혁명 이후의 새로운 패러다임은 무엇일까. 누구도 겪어보지 못한 미래가 다가오고 있다. 딥러닝 혁명이 바로 그것입니다. 딥러닝 혁명으로 시작된 변혁은 산업, 교육, 경제, 문화, 전 영역에 걸쳐 가시화되고 있다. 새로운 패러다임입니다. 등장은 필연적으로 승자와 패자를 낳는다. 빠르게적응하는사람과그렇지않은사람이나를누우는거죠.최근 소프트 뱅크 손정의 회장이 사건의 대통령을 만난 자리에서 "날 눈도 AI, 2번째도 AI, 3번째도 AI"와 힘을 들고 내용했습니다. 인공지능에 작은 기업과 정부의 경쟁력이 달려 있어 인공지능 개발에 모든 역량을 집중해야 한다는 것이었다.실제로 4차 산업 혁명의 열풍과 알 빠코 충격 이후 인공 지능은 제조업, 통신, 자동차, 서비스업 등 산업뿐 아니라 교육, 의료, 법조, 행정 등 한국 생활 모든 영역에 깊이 들어왔다. 빅데이터와 인공지능이 결합된 서비스가 자신의 욕구를 자신보다 이미 인식하고 상품을 추천해주는 것은 이제 당연하게 느껴지지 않을 정도다.지금은 앞을 내다보는 질문이 필요한 시기입니다. 이런 변화가 어디에서 비롯되고 앞으로 어떻게 되는지, 우리가 무엇을 준비해야 하는지 내용입니다. 딥러닝 레볼루션의 저자 테런스 J, 세즈노스키는 인공지능 발전에 결정적인 역할을 한 것이 딥러닝이라고 설명한다. 딥러닝 없이는 지금과 같은 변화가 없었을 것이고, AI시대의 미래를 예측하기 위해서는 딥러닝을 알아야 한다는 것입니다. 모두에게 각광받는 빅데이터, 초연결, 자율주행도 딥러닝 없이는 불가능했던 성과다. 아무리 많은 데이터를 만들어내도 머신러닝(딥러닝)이 발전하지 않으면 아무 의미가 없다는 내용이 이를 압축적으로 보여준다.이 책에서 신경과학과 머신러닝 분야의 대가인 세즈노스키는 통찰력 있게 인공지능의 과거와 현재를 돌아보고 미래를 전망한다. 딥러닝은 지금까지 이룬 변화보다 앞으로 더 큰 변화를 가져올 것입니다. 그러나 여기에는 궁극적으로라는 단서가 붙는다. 그 시기가 빨라지느냐 아니냐, 발전 결과를 유리하게 이용할 수 없느냐는 전적으로 우리가 어떻게 하느냐에 달려 있다.▪저자가 소개▪저: 테런스 J. 세즈노스키 Terrence J. Sejnowski 소크 생물학연구소 Salk Institute for Biological Studies의 프랜시스 크리크 Francis Crick 석좌교수이자 캘리포니아대학교 샌디에이고캠퍼스 UCSD 교수로 재직 중입니다. 버락 오바마 행정부의 브레인 이니셔티브 BRAIN Initiative에서 자문위원으로 활동했으며 현재 인공지능 분야 최고학회인 Neur IPS의 의장직을 맡고 있다. 딥러닝 기술의 초석이 된 볼츠만 머신 알고리즘을 제프리 힌튼처럼 개발한 것을 비롯해 뉴럴 네트워크의 학습 이론에 대한 다수의 논문을 발표했습니다.머신 러닝 및 신경 과학 최고 권위자 중 한명 세즈에 스키 교수는 한국에서 열린 '20하나 8인공 지능 국제 콘퍼런스'로 기조 연설자로 참여하고,'디플러 닌 혁명'이란 주제로 디플러 닌의 현황과 미래를 통찰력을 가지고 조망한 바 있다. 그는 이 책에서 인공지능 발전에 변곡점 역할을 했던 딥러닝 기술이 현재에 이르기까지의 과정, 앞으로 딥러닝이 만들어낼 혁신과 변화를 풀어냈다.감수: 권정민의 세계는 데이터로 이루어져 있다는 의견이 있으며, 이를 잘 활용하려는 목표를 가지고 다양한 데이터 분석 및 활용 방안을 만들고 연구하는 것을 업으로 삼고 있다. KAIST 및 포항공과대학교 POSTECH에서 산업공학과 전산학을 전공하여 다양한 산업군에서 데이터 분석을 하고 있다. 옮긴 책으로는 《빅데이터 분석 툴 R프로그래밍》, 《The RBook(Second Edition) 한국어판》, 《파이슨을 활용한 베이지언 통계》 등이 있으며, 《인터넷, 알고 사용하니? 반려자를 감수하였습니다.서울에서 태어난 연세대학교를 졸업했습니다. 현재 전문 번역가로 활발히 활동 중입니다. 지은 책에서(한줄만 잘 써도 Cool인 영작문》,《영어 실무 번역》등이 있다, 옮긴 책으로는《주목하지 않을 권리》,《부자 아빠 가난한 아빠 20주년 특별판》,《놋지》,《팀·쿡》,《스티브 잡스),《쵸덱송아이브》,《괴짜 경제학》,《빌 게이츠@의견의 속도》,《노동의 미래》,《전쟁의 기술》,《천재들의 대참사),《창업자 정신》,《이코노믹 씽킹》등이 있다.​ ​ ​ ​ ​ ​ ▪회 ▪ 추천사 006껌 수자의 글 0하나 0서문 ​ ​ 하나부 지능의 재해석하거나 장 머신 러닝의 부상 024하나 2장 인공 지능의 재생 06하나하나 3장 뉴럴 네트워크의 여명 076개 4장 두뇌 방식의 컴퓨팅 093하나 5장 시각 시스템에서 얻은 통찰 하나 2·연표 하나 33​ 2부 기술적 영향과 과학적 영향 하지만 6장 머신 러닝의 미래 하나 7장 알고리즘의 시절 하나 8장, 헬로, 미스터 칩스 하나 9장의 내부 정보 하나 0장 의식할지 장 자연은 인간보다 똑똑할지 2장 심층 지식과 연표 ​ 3부 각종 학습의 노하우 ​ 하나 3장 칵테일 파티 사건 하나 4장 홉필드 망과 볼츠만 머신 하나 5장, 오류 욕쵸은파 하나 6장 콤보 루루)달리기 하나 7장 보상 학습하지만 8장 NIPS·연표 ​ 헌사 용어 솔면 주례 ​ ​ ​ ​ ​ ▪, 책 속에 ▪ IBM토머스 J. 왓슨(Thomas J.Watson)사장은 하나 943년에 이처럼 내용한 것으로 유명하다. "아마 세계적으로 컴퓨터에 대한 시장의 수요는 5대 정도 될 겁니다.상상하기 어려운 것은 새 발명품이 어떤 용도로 인상되느냐 하는 부분입니다. 사실 이 부분에 대한 예측은 발명자 자신도 남들보다 별로 자신이 없다. 현재 딥러닝과 인공지능을 놓고 한편에선 이상적인 시자리오를, 다른 한편에선 종내용론적 시자리오를 다양하게 펼치고 있지만 가장 상상력이 풍부한 공상과학소설가조차 이들의 궁극적 영향은 가늠하기 어렵다고 봐야 한다.바른_서문 딥러닝은 수학과 컴퓨터공학, 신경과학에 뿌리를 둔 머신러닝의 한 분야다. 딥러닝 네트워크는 아이가 자신을 둘러싼 세상을 배우고 자신이 가는 것과 같은 방식으로 데이터를 통해 학습한다. 생생한 눈으로 시작해 점차 새로운 환경을 탐색하는 데 필요한 기술을 습득하고 내 아기처럼 내용이 되어 있습니다. 디플러 닌의 바람은 인공 지능을 창출하는 노하우에 관한 두가지의 다른 시각이 경합을 벌이고 온 하나 950년대 인공 지능 태동까지 올라간다. 하자신은 로직과 컴퓨터 프로그램에 기초한 시각으로 수십 년간 인공지능 세계를 지배했고, 다른 하자신은 데이터에서 직접 학습하는 방식에 기초한 시각으로 성숙 단계에 이르기까지 그보다 더 오랜 시간이 걸렸다.오거의 매일 뜨는 날의 기준에서 볼 때에는 컴퓨터가 보잘 것 없고 데이터 보존에 많은 비용이 걸린 20세기에는 논리가 사건을 해결한 효율적인 노하우였다. 숙련된 프로그래머들이 서로 다른 사건에 대해 프로그램을 만들어 사건이 클수록 프로그램도 커졌다. 하지만컴퓨터역량이커지고빅데이터가풍부해진오가닉에게는학습알고리즘을사용해서사건을해결하는것이더빠르고더정확하고더효율적입니다. 비슷한 수준의 학습 알고리즘은 다른 사건의 해결에 이용될 수 있다. 각각의 사건에 서로 다른 프로그램을 작성하는 것보다, 노동 집약성이 적은 솔루션이 자신감에 온다고 하는 의미입니다._ 하나장: 머신러닝 부상자 자율주행자동차는 곧 수백만 명에 달하는 트럭 및 택시기사의 생계를 파괴할 전망입니다. 실내용 도시에서는 승용차를 소유할 필요가 없어집니다. 언제든지 자동 운전 차가 1대 분 이내에 자신의 다른 사람의 목적지에 안전하게 보내는 내용입니다. 직접 주차할 필요도 없으니 금상초화가 틀림없다. 현재 일반적인 승용차의 주행 가끔은 4%에 불과하다. 이는 곧 차의 생아이 중 96%의 시기 사이에는 어딘가에 주차하고 두어야 한다는 뜻이다. 자율주행 자동차가 상용화되고 도시 밖에 주차되는 시대가 오면 현재 도시에서 주차장으로 사용되는 방대한 면적이 보다 생산적인 목적으로 재활용될 것입니다. 도시 안가들은 앞서 주차장을 공원화하는 방안 등을 그려보고 있다.자동차와 관련된 다양한 비즈니스도 영향을 받을 것입니다. 보험회사와 정비소가 대표적입니다. 속도위반이 자신의 불법주차도 없어질 겁니다. 소음주 운전이 졸소음 운전에 의한 사망 사건도 크게 줄어들 것입니다. 출퇴근 시간대에 운전하고 소비할 때에도 다른 목적으로 쓰일 것입니다. 미국 잉크 용 구국에 따르면 20개 4년 하나 옥 3,900만명의 믹크인이 근무 날 출근 길에 쓸 때는 평균 52분이었다. 이는 연간 총 296억 중간 중간에 해당하고 보다 자신은 용도에 사용할 수 있었던 340만년이라는 인간의 삶의 귀중한 가끔니다. 당신이다. 망설임 없이 질서 정연한 다이아몬드에 고속 도로의 수용 능력이 4배 정도 증가하는 임니다니다.5그리고 운전대 없이 목적지를 찾아갈 수 있는 자율 주행 차량이 일단 개발되고 널리 이용되면 차량 절도가 종식하기 임니다니다. 자율주행자동차가 상용화되기까지 물론 많은 규제와 법적 제약이 따르겠지만, 일단 그런 세상이 오면 우리는 완전히 신세계에 살게 됩니다. 트럭이 아마 지금부터 하나 0년 쯤 후에 가장 이미 서울 운전자 없는 차량으로 도로를 달리기 임니다니다. 택시는 한개 5년 정도 후에 그렇게 되므로 일반 승용차는 하나 5년 이후 20년 후 사이에 자율 주행 차량으로 전환될 것 임니다니다._ 하나장: 머신러닝의 부상, 그렇다면 컴퓨터를 통한 소음성 인식과 언어 번역이 인간 수준의 수행력을 갖추는 데 그렇게 오래 걸린 이유는 무엇일까? 컴퓨터의 이러한 인지기능과 그 외의 인지기능이 동시에 기능합니다. 계점에 도달한 것은 단지 우연의 일치일까? 이런 모든 혁신의 원동력은 바로 빅데이터다._ 하나장: 머신러닝의 부상 서비스 산업 및 전문직도 머신러닝이 발전하고 빅데이터를 이용할 수 있는 다양한 사건에 적용됨으로써 큰 변혁을 겪을 전망입니다. 의료진단이 대표적인 예다. 환자 수백만 명의 기록을 활용할 수 있게 되면서 정확해질 것입니다. 최근 한 연구에서는 2,000종류 이상의 피부과 질환의 하나 3만 건에 이르는 앞서게 디플러 닌을 적용했습니다. 전에 쓰던 것보다 한살 0배가 큰 의료 데이터 베이스였다. 이 연구의 네트워크는 이전에 본 적이 없는 새로운 선구자인 테스트 세트에서 각각의 질환을 진단하도록 훈련되었습니다. 새로운 리드하는 것에 대한 그것의 진단 수행 능력은 2개인의 피부과 마스터로 대충 비슷하고, 몇몇 경우에는 더 뛰어났다. 조만간 스마트폰 사용자라면 누구나 자신의 의심스러운 피부병변을 촬영해 즉시 진단을 할 수 있게 될 것입니다. 병원에 가서 마스터미 검진을 받기 때문에 가끔 기다렸다가 상당한 금액까지 내는 일이 생략된다는 얘기다._하나장:머신러닝의 부상 딥러닝은 점점 더 많은 돈과 높은 수익을 창출하고 있다. 금융시장을 예측할 때 일어나는 일은 데이터에 잡음(noise, 잡음은 측정에서 원치 않는 신호를 뜻한다-이동인)이 끼어 조건이 안정되지 않는다는 점입니다. 직선제로 인해 사람들의 투자 감정은 하루아침에 바뀔 수 있다. 이는 곧 주식의 가치를 예측하는 오거 매일의 알고리즘이 내일이면 통하지 않는다는 것을 의미한다. 실제로 수백 개의 알고리즘이 사용되고 있으며 수익을 최적화하기 위해 최상의 알고리즘이 지속적으로 결합되고 있다._ 하나장: 머신러닝의 부상 금융서비스는 소위 핀테크(fintech)라는 금융기술의 기치 아래 보다 광범위한 변혁을 겪고 있다. 금융거래에서 금융중개자를 대체할 안전한 인터넷 원장의 블록체인과 같은 정보기술은 현재 소규모로 테스트되고 있지만 조만간 수십억 달러 규모의 금융시장을 파괴할 수도 있다. 머신러닝은 현재 대출관련 등급을 개선하고, 비즈니스와 재무정보를 확실하게 전달하며, 소셜미디어에서 신호를 수집하여시장동향을 예측하고 금융거래에 생체인식 보안을 제공하는 데 사용되고 있다. 세상에는 금융 데이터가 널려 있어 가장 많은 데이터를 보유하면 누구나 승자가 된다._ 하나장: 머신러닝의 부상 고용 전환은 새로운 현상이 아니다. 하나 9세기에도 농장 근로자들은 기계에 의해서 대체되었고 기계에 의해서 도시의 공장에 새로운 일자리가 창출됐으며 이 모든 그이츄우에 의해서 새로운 기술을 훈련시키는 교육 시스템이 등장했습니다. 그 당시와 현재의 차이는 매일같이 인공지능이 열어가는 새로운 일자리는 전통적인 인지 기술과 함께 새롭고, 다르다, 끊임없이 이어집니다.아닌 변화하는 기술을 요구한다는 사실입니다. 그래서 우리는 경력 전반에 걸쳐 학습할 필요가 생겼다. 그리하여 그것이 가능하려면 학교가 아닌 가족을 기반으로 하는 새로운 교육 시스템이 필요하다._하나ジャン: 머신러닝의 부상이 책에는 인간의 지능이 진화한 과정과 인공지능이 진화하고 있는 방식이라는 두 가지 주제가 얽혀 있다. 이 2종류의 지능의 가장 큰 차이는 인간의 지능은 진화하는데 수백만년이 걸리긴 했지만, 인공 지능은 수십년의 범위 내에서 측정 가능한 궤도에 따라서 진화하고 있다는 것입니다. 비록 인공지능이 문화의 진화와 관련해서도 가공할 초고속으로 달리고 있지만 안전벨트를 매고 몸을 굳히는 것은 올바른 반응이 아닐 수 있다._2장:인공 지능의 재생 ​ ​ ​ 인간 지능의 기능을 가진 컴퓨터 프로그램을 작성하게 아이가 쓴 인공 지능의 개척자들은 인간의 뇌가 실제로 어떻게 지능적인 행동 방식을 성취했는지 훙미울하지 않았다. 제가 뉴얼에게 그 이유를 물었을 때 그는 개인적으로 뇌 연구로 자기온견을 얻고 싶어서 개방적인 자세를 취했는데 당시는 단지 뇌에 관한 내용이 충분히 파악되지 않았던 시절이라 별로 쓸 만한 정보가 없었다고 대답했습니다._2장:인공 지능의 재생 ​ ​ ​ 인공 지능의 모든 난제를 풀 수 있다는 유일한 실존 증거는 자연이 앞서고, 진화를 통해서 그것들을 해결합니다.*는 사실 プン임니다 당신이다. 그렇게 자신 만약 인공 지능 연구원들이 아이쵸에서 상징 처리(symbol processing)와는 근본적으로 다른 접근법을 취하고 있다면 하나 950년대에도 컴퓨터가 실제로 지능적인 행동 방식을 취할 수 있는 실마리가 잡힌 일 임니다니다. 첫 번째 단서는 우리 뇌가 강력한 패턴 인식 기능을 갖추고 있다는 것이었다. 인간의 시각 시스템은 여러 가지가 뒤섞인 장면에서도 특정 객체를 영점수초 사이에 인식할 수 있다. 해당 오브젝트를 이전에 본 적이 없는 경우에도, 균등한 크기만 갖추면, 그것이 어느 위치에 어느 방향에 놓이든지 그렇다. 우리의 시각 시스템은 단순히"객체 인식"을 단일 명령으로 처리하는 컴퓨터처럼 작동한다. 2번째 단서는 우리의 뇌가 습관을 통과 하고, 피아노 연주에서 물리학 학습 등에 이르는 많은 어려운 작업의 수행 법을 배울 수 있다는 사실이었다. 자연은 범용 목적의 학습을 이용해 특수한 사건을 해결하고, 인간은 그러한 학습의 달인입니다. 이것은 바로 우리의 특별한 힘입니다. 딥러닝 네트워크는 우리의 모든 감각 및 스포츠 시스템에서 발견된다. 3번째 단서는 우리의 뇌가 논리(논리)이 자신의 룰에서 충족되지 않다는 사실이었다. 물론 우리는 논리적으로 의견을 개진하거나 자신의 규칙을 따르는 법을 배울 수도 있지만 많은 훈련을 한 후에도 잘하지 못하는 경우도 많다. 이를 잘 보여주는 예가 '웨이슨 선택 과제(Wasonselection task)'라는 논리 테스트에 자신감은 전형적인 수행력입니다._3장:뉴럴 네트워크의 여명 ​ ​ ​ ​ 추론은 영역에 의존하는 것으로 보인다. 우리가 해당 영역에 익숙할수록 관련 사건 해결이 쉬워진다는 의미입니다. 영역 내 사건 해결에서는 경험이 큰 도움이 된다. 과거에 접한 사례를 통해 해결책을 직관적으로 떠올릴 수 있기 때문입니다. 예를 들어 물리학을 공부할 때 공식을 암기하는 것이 아니라 많은 사건을 풀어봄으로써 전기 자신과 같은 영역을 학습한다. 만약, 인간의 지능이 단순한 논리에 근거한다면, 영역에 종속되어서는 곤란하다. 그러나 그렇지 않은가._3장:뉴럴 네트워크의 여명 ​ ​ ​ ​ 남성과 여성의 얼굴 식별이 흥미로운 작업인 이유는 우리 인간이 그 일을 꽤 자신 잘 수행하지만 남성과 여성의 얼굴의 어떤 점이 어떻게 다른지를 명확히 설명할 수 없다는 데 있다. 어느 단일 특징도 결정적이지 않기 때문에, 이 패턴 인식 사건은 많은 오전은 레벨의 특징으로부터 증거를 수집해 결합하는 것에 달려 있다._3장:뉴럴 네트워크의 여명 ​ ​ ​ 퍼셉트론에 가해진 결정적 타격은 마빈 민스키와 시모어 페포토우(Seymour Papert)가 공동 연구하고 하나 969년에 발표한<퍼셉트론>라는 제목의 절묘한 수학 논문이었다.하나 6두개는 거의 완벽한 기하학적 분석을 바탕으로 퍼셉트론의 능력이 제한적일 수밖에 없는 소리를 밝혔다. 퍼셉트론을 분류할 수 있는 것은 선형으로 분리 가능한 범주뿐이라는 얘기였다. 이 책의 표지에는 퍼셉트론으로 풀 수 없는 소음을 민스키와 페퍼트가 증명한 기하학적 사건이 실려 있었다. 민스키와 배 파트는 책의 마지막 부분에서 1층이 향후층에 반영되는 방식으로 단일 계층에서 다중 계층에 퍼셉트론이 일반화되는 현실성을 고려하면서도 그렇게 거세지자 퍼셉트론을 훈련시키는 노하우가 있는지 의문을 가졌다. 불행히도 많은 사람들이 고런 회의적인 시각을 확정적으로 받아들였고 교루네네 한개 980년대에 이르는 새로운 세대의 뉴럴 네트워크 연구원들이 사건을 새로운 관점에서 볼 때까지 해당 분야는 방치되고 네용앗다._3장:뉴럴 네트워크의 여명 ​ ​ ​ ​ 하나 939년 개봉된 고전이나 뮤지컬 영화<오즈의 마법사>에서는 허수아비가 나에게 뇌만 있으면(If I Only Had a Brain)>라는 움액룰 부른다. 허수아비가 몰랐던 것은 그가 먼저 뇌를 다듬고 있었다는 것입니다. 뇌가 없었다면 음악은커녕 내용도 한마디 못했을 겁니다. 다만 그의 뇌는 생긴 지 불과 2일밖에 지나지 않고, 그래서 그의 진짜 사건은 뇌가아니라 경험의 부재였다. 때때로 그는 세상에 대해 배우고 자신 있게 결자된 내용은 오즈의 모든 인물 중에서 가장 현명한 존재로 인정받는다. 그는 자신의 한계를 알 정도로 영리했어요. 대조적으로 틴 우드먼(Tin Woodman)은 나에게 심장만 있으면(If I Only Hada Heart)을 불렀다. 그와 허수아비는 뇌를 갖는 것과 심장을 갖는 것 중 어느 것이 더 중요한지에 대해 열띤 토론을 벌였다. 실세계에서는 물론 오즈에서도 인지와 감성이 조화를 이뤄 행동과 학습에 정교한 균형을 더하고 인간지능을 창출한다. 이 고전 뮤지컬을 인용한 이유는 이 장의 주제가 '인공지능에 뇌와 심장만 있다면(IfAI Had Only a Brainanda Heart)'이기 때문입니다._4장:두뇌 방식의 컴퓨팅 ​ ​ ​ 인지 컴퓨팅 시대가 밝고 있다. 머지않아 우리는 인간보다 더 잘 운전하는 자율주행차를 보게 되고, 우리가 사는 집이 주인을 알아보고, 집주인의 연습을 예측하여, 방문자가 왔음을 알리는 시대를 맞이하게 될 것입니다. 구글이 최근 인수한 클라우드 톱 싱그우에브사이토케글(Kaggle)은 하나 00만달러의 상금을 걸고 전산화 단층 촬영(CT scan)리드하는 것을 통한 폐 암 감지 프로그램 경기회를 개최했으며, 믹크 국토 안보부(Department of Homeland Security)때문, 하나 50만달러의 상금을 걸고 공항 전신의 검색대(body scan)을 통과할 때에 도피의 부품을 탐색하는 프로그램 경기회를 진행 중임 니다니다. 의사들은 인지 컴퓨팅으로 희귀질병을 진단할 수 있게 되어 결과적으로 의료서비스의 질적 향상이 가능해질 것입니다. 이 같은 인지 컴퓨팅 적용 사례는 앞서 언급한 수천 가지에 이르며 우리가 상상조차 하지 못했던 적용 분야 또한 수두룩하다. 사라지는 직업도 있을 것이고, 전에 없던 새로운 직업이 생길 것입니다. 인지 컴퓨팅 기술이 파괴적인 측면을 보유하고 있어 우리 사회가 이를 흡수하고 적절히 대응해 자신감을 갖는데 상당한 때로 필요한 것도 사실이지만 결코 실존적 위협은 아니다. 그와 반대로 우리는 이제 새로운 발견과 계몽의 시대로 접어들고 있습니다. 인류를 더 현명하게 하고, 더 오래 살며, 인류의 지속적인 번영을 가능하게 하는 새로운 시대입니다._6장:머신 러닝의 미래 ​ ​ ​ 오거의 매일 날나 것은 기계 학습 알고리즘은 수천개의 뉴런에서 생성되는 동시 기록 분석, 자유롭게 움직이는 동물의 복잡한 행동 데이터 분석, 순차적으로 전자 현미경 디지털 주도할 3차원 해부학적 회로 재구성의 자동화 등에 사용되고 있다. 인간의 뇌를 역설계하면 자연에 의해 발견된 수많은 새로운 알고리즘에 대해 알 수 있을 것입니다._6장:머신 러닝의 미래 ​ ​ ​ 미래의 인공 지능을 훈계할 때 우리는 장기적 관점에서 볼 필요가 있다. 현재로선 인간 수준의 지능을 확보하는 데 필요한 컴퓨터 역량에 도달하기엔 역부족이기 때문이다. 현재의 딥러닝 네트워크는 수백만 개의 유닛과 수십억 개의 무게를 가지고 있다. 1입방 밀리 미터의 세포 내에 수십 억개의 시냅스를 보유하는 인간의 대뇌 피질에 있는 뉴런과 시냅스의 수에 비해서 1가지 배가 자신감 적다. 세상의 모든 감지기가 인터넷에 연결되어 딥러닝 네트워크에 의해 서로 연결되면 어느 순간 그 네트워크가 스스로 각성해 이렇게 인사할지도 모른다."헬로, 월드(Hello, world)!"_6장:머신 러닝의 미래 ​ ​ ​ ​ ​ 몇대의 컴퓨터가 하 쟈싱의 선반 위에 조립되던 하나 980년대를 시작으로 디지털 컴퓨터는 초병렬화되었습니다. 초기 병렬 컴퓨터 가운데 하자신은 커넥션 머신(Connection Machine)이었다. 하나 985년 대니 힐 리스(Danny Hillis)에 의해서 설계되어 신 킨 기계 주식 회사(Thinking Machines, Inc.)을 통해서 판매되었습니다. 공학자이자 발명가였던 힐리스는 MIT 출신으로 당시 매우 복잡한 현실세계의 사건에 대해 인공지능이 해결책을 도출하기 위해서는 좀 더 강력한 컴퓨터 연산능력이 필요하다는 예측이 점차 뚜렷해지고 있을 때였다. 하나 990년대 들어 컴퓨터 칩에 들어가는 트랜지스터의 숫자가 무어의 법칙에 따르는 지속적으로 거의 매 일본어에 가고 있는 가운데 다수의 처리 장치를 동일 칩에 넣어 다수의 칩을 동일한 보드에 설치하고, 다수의 보드를 동일한 캐비닛에 넣어 다수의 캐비닛을 동일 공간에 둘 수 있었다. 그 결과 매일같이 세계에서 가장 빠른 컴퓨터에는 수백만 개의 코어가 달려 있고, 1초에 수행할 수 있는 작업 수는 수백만, 수천만 건에 이른다. 수십억의 수십억배의 처리속도를 자랑하는 엑사급 컴퓨팅 시대가 오고 있다._9장:머신 러닝의 부상 ​ ​ ​, 기초 과학에 의해서 개발된 기술은 상용화될 때까지 약 50년 때 로이 소요된다. 20세기 초의 하나 0여년 동안 상대성과 양자 기계 분야에서 이룬 위대한 발견은 20세기 후반의 CD플레이어와 위성 위치 파악기(GPS), 컴퓨터 등의 등장에 이어진 적이 있다. 하나 950년대의 DNA와 유전자 코드의 발견은 의학 분야의 아이플 케이션과 작은 기업식 농업의 발전으로 이어지고 오거의 매일 뜨는 날의 경제에까지 그 파급 효과가 미치고 있다. 브레인 이니셔티브를 비롯한 전 세계의 다른 뇌 연구 프로그램을 통해서 지금 이룬 기초적인 성과는 앞으로 50년 후 등장하는 아이플 케이션의 단서가 되임니다니다. 현재의 관점에서 본다면 공상 과학 소설 이쟈싱 변하지 않는 50년 후의 세계에서 내용 임니다니다.하나 6 2050년까지 인간의 뇌에 상응하는 인공 지능을 위한 운영 체제가 만들 것이라는 기대도 할 수 있다. 그러다 보면 어떤 작은 기업이, 어떤 내가 이 기술에 대한 통제권을 握 수 있는가는 지금 얼마나 자기 투자를 하고 얼마나 자기 돈을 크게 걸느냐에 달려 있다._9장:내부 정보 ​ ​ ​인의 얼굴과 함께 수많은 유사한 오브젝트를 구별하게 어느 정도 자신 많은 피질 신경이 필요한가? 앞선 연구를 통해 우리는 인간의 뇌에서 다수의 영역이 얼굴에 대해 반응하는 것을알겠습니다. 그중 일부는 매우 높은 민감도를 보이는 것으로 나타났다. 그러면 신들의 영역 사이에서도 자신의 얼굴과 관련된 정보는 많은 뉴런에게 널리 배분되고 있다. 캘리포니아 공과 대학의 도리스 다리(Doris Tsao)는 얼굴에 선택적으로 반응하는 원숭이의 피질 신경 신호를 기록하고 200개의 얼굴 세포에서 자신 오는 인풋을 조합해서 얼굴을 재구성하는 것이 가능하다는 것을 보였다는 것이 있다. 이는 얼굴에 선택적으로 반응하는 모든 뉴런의 하위 집합 중 비교적 작은 규모라고 할 수 있다._한 0장:의식 ​ ​ ​ ​ 오거의 매일 뜨는 날의 시점에서 보면, 촘스키는 중대한 사안이 무엇인지 이해하고 있었다는 것을 알 수 있다. 다만, 촘스키는 학습의 힘을 간과해 버린 것입니다. 딥러닝은 뇌의 뉴럴 네트워크와 마찬가지로 뉴럴 네트워크 모델이 촘스키가 '신비주의'라고 일축한 '일반화'의 역량을 보유할 수 있음을 입증했습니다. 역시 하나의 다양한 언어 중에서 선택적으로 인지하도록 학습할 수 있고, 서로 다른 언어를 번역해 완벽한 구문론을 적용해 선두의 캡션을 생성할 수도 있는 소음을 보여줬다. 궁극의 아이러니는 머신러닝이 자동 문장 구문 분석의 사건을 해결했다는 것입니다. 컴퓨터 언어학자들의 불굴의 노력에도 불구하고 촘스키가 내용한 구문론의 추상적 이론을 풀지 못한 그 내용입니다. 스키데크가 개척한 동물연구의 결자신 강화학습과 함께 머신러닝은 목표달성을 위한 일련의 선택에 의해 좌우되는 복잡한 사건을 해결할 수 있다. 이것이 사건 해결의 정수이며, 궁극적으로는 지능의 기반이 된다._하나하나장:자연은 인간보다 똑똑하다는 ​ ​ ​ ​ 뒤돌아보면, 20세기 행동에 대한 정반대의 접근을 한 행동 주의와 인지 과학은 뇌를 배제하는 같은 실수를 범한 임니다니다. 행동주의자는 내적 검증에 의해 오도되는 것을 원치 않았기 때문에 지침을 얻기 위해 뇌 내부를 들여다보지 않는다는 것을 명예롭게 의견했습니다. 이들은 블랙박스의 인풋과 아웃풋을 조심스럽게 통제함으로써 어떤 우발적 귀추에서도 행동주의적 법칙을 발견할 수 있다고 믿었다. 기능주의적 인지과학자들의 입장은 정신의 내적 표상을 발견할 수 있다고 믿고 행동주의를 거부했습니다. 그러자 신도 하나의 뇌가 내적 표상을 어떻게 이행하는지에 대한 세부사항은 무관하다고 믿었기 때문에 그들이 개발한 내적 표상의 기반은 신뢰할 수 없는 직관과 민족감정학이었다. 자연은 인간보다 똑똑하다._하나하나장:자연은 인간보다 똑똑하다는 ​ ​ ​ AI@50의 마지막 날에는 연회가 베풀었다. 일석 섭취가 끝날 무렵 하나 956년 인공 지능에 관한 다트머스의 연구 프로젝트에 참여한 5명의 원년의 구성원들이 컨퍼런스와 인공 지능의 미래에 대해서 짤막하게 언급했습니다. 질의응답시 가끔 제 자리에서 일본어 민스키를 보면서 이렇게 내용을 썼습니다. "뉴럴 네트워크 분야에서는 당신이 하나 970년대 뉴럴 네트워크가 겨울을 경험하게 만든 악마라고 믿어요. 당신은 악마입니까?민스키는 우리가 어떻게 네트워크의 수학적 한계를 이해하지 못했는지에 대한 장황한 비판을 시작했습니다. 나는 그의 내용을 가로채며 이렇게 물었다. 민스키 박사님, 제 질문은 네, 역시 아니오로 대답할 수 있는 간단한 것이었습니다. 당신은 악마입니까?"라고 그가 잠시 머뭇거리다가 이렇게 외쳤다. "네, 자신은 악마입니다!" _ 하나하나 장: 자연은 인간보다 똑똑하다.우리 인간은 가장 뛰어난 학습능력을 보유하고 있다. 다른 어떤 생물보다 넓은 범위의 주제에 대해 더 빨리 학습할 수 있고, 더 많은 것을 기억하고, 몇 세대를 거쳐 더 많은 지식을 축적할 수 있다. 우리는 '교육'이라 불리는 기술을 창조하고 평생 학습할 수 있는 양을 키웠다. 어린이와 청소년은 성장 기간 교실에 앉아 살면서 결코 직접적으로 경험할 수 없는 것을 학습할 수 있게 되었습니다. 비교적 최근 인간이 발명한 읽기와 쓰기 기술은 완전히 터득하기까지 수년간 때때로 필요하다. 그런 발명품 덕분에 우리는 구전을 통해 더 많은 축적된 지식을 다음 세대에게 전수할 수 있다. 누군가는책을써서그것을인쇄하거나전시하거나사람들이많이읽으니까라는내용입니다. 현대 문명의 발달이 가능했던 것은 소음성 언어가 아니라 쓰기, 읽기, 그리고 학습 덕분입니다._한 2장:심층 지능 ​ ​ ​ 우리는 여전히 고차원적인 형태의 지능에 대한 비밀을 누설해서 줄 핵심 개념을 찾고 있다. 그동안 몇 가지 핵심 원리는 파악했지만 DNA가 생명의 본성을 구현할 만큼 고상한 방식으로 인간의 뇌가 어떻게 작동하는지 설명할 수 있는 개념적 틀을 갖추지 못했다. 학습 알고리즘은 통합적 개념을 찾을 수 있는 훌륭한 장소다. 어쩌면 딥러닝 네트워크가 특정 사건점을 해결하는 노하우에 대한 연구를 통해 이뤄낸 진전을 통해 더 많은 단서를 얻을 수 있을지도 모른다. 진화를 가능하게 한 세포나 뇌의 운영체제를 발견할 수도 있을 것입니다. 만약 우리가 이 사건을 해결한다면 상상할 수 없을 정도의 혜택이 주어질지도 모른다. 자연이 한 개인보다 똑똑한 건 사실이에요. 그러면 우리 인간이 자기 종으로서 언젠가 지능의 수수께끼를 풀지 못할 이유가 없다는 것이 자신의 신음입니다._한 2장:심층 지능 ​ ​ ​ ​ 볼츠만 머신은 인풋과 아웃풋이 모두 고정된 지도 학습의 버전과 인풋만 고정된 비지도 학습 버전 모두에서 이용할 수 있다. 힌톤은 비 지도 학습 버전을 이용 칠로, 한번에 1층씩 심층 볼츠만 머신을 개발했습니다. 인풋 유닛과 연결된 숨겨진 유닛으로 이루어진 층에서 시작하여 다시 내용해 제한적 볼츠만 머신으로 분류되지 않는 데이터 셋을 학습시킨 것입니다. 분류되지 않은 데이터는 분류된 데이터에 비해 보다 쉽게 접할 수 있으며 학습속도도 매우 빠르다(인터넷에는 수십억 개의 분류되지 않은 선행지와 오디오 기록이 존재한다).비 지도 학습의 제1단계는 데이터에서 모든 데이터에 공통 칠로 적용되는 통계적 규칙을 길잡이는 할 것입니다. 그러자 신숨겨진 유닛의 첫 번째 층은 단순한 특징만을 추출할 수 있다. 퍼셉트론이 자신에게 말할 수 있는 그런 단순한 특징 내용입니다. 그 다음 단계는 첫번째 층에 대한 가중치를 고정하고 그 위에 2번째층을 처음으로 가하는 것입니다. 볼츠만 머신의 비지도 학습이 많아질수록, 보다 복잡한 특징의 집합으로 연결된다. 다층 구조를 가진 심층 네트워크를 만들기 위해 이 과정을 반복할 수 있다._한개 4장:홉 필드망과 볼츠만 머신 ​ ​ ​ 쟈싱눙힝토우은, 데이비드 투어 레츄키(David Touretzky)과 함께 뉴럴 네트워크 관련 학과를 개설한 대학들이 극소수에 불과했다 하나 986년에 카네기 멜론 대학 중 최초로 연결 주의자 여름 학교(Connectionist Summer School)을 개최했습니다. 학생들이 겹겹이 줄을 서서 거의 매일 인터넷 톡을 흉내낸 촌극을 공연하곤 했어요. 줄을 서서 거의 매일 늘어선 학생들이 네트워크 유닛인 셈이다. 여름 학교에 참가한 학생들 중 상당수가 자기 분야에서 중요한 성과를 거두며 화려한 경력을 구축했습니다. 하나 988년의 두번째 여름 학교도 카네기 멜론 대학에서 개최되었습니다. 세번째는 하나 990년 캘리포니아 대학교 샌 디에이고 캠퍼스에서였다. 새로운 아이디어는 주류에 편입되기까지 적어도 한 세대가 자력해야 한다. 이번 여름방학은 그러한 초기 시대의 해당 분야 연구를 활성화하기 위해 우리가 할 수 있는 최선의 투자이며, 모든 참가자들에게 강렬한 경험이 되었습니다._, 하나 5장:오류 욕쵸은파 ​ ​ ​ 오거의 매일 뜨는 날 딥 네트워크 모델에는 수백만개의 유닛과 수십억개의 가중치가 존재한다. 전통적으로 적은 수의 매개변수를 보유한 간단한 모델을 분석하고 소규모 데이터셋으로 정리를 증명하는 데 익숙한 통계학자들에게 수십억 차원의 공간은 악몽이었다. 그들은 매개 변수가 그렇게 많으니 우리 네트워크는 필연적으로 데이터에 과적합할 거라고 장담했어요. 훈련 데이터를 단순히 기억할 뿐 새로운 학습 인풋에 그것을 일반화해 적용하는 것은 실패할 것이라는 것이었다. 따라서 우리는 유용한 역할을 수행할 수 없는 가중치 부여는 강제적으로 붕괴(무게부여 붕괴는 가중치 부여가 적당하지 않을 경우 가중치를 점차 감소시켜 탈각모델의 정확도를 높이는 노하우입니다.감수자) 하게 만드는 정규화 기법을 사용해 과다 적합 사건을 완화시킬 수 있었다._, 하나 5장:오류 욕쵸은파 ​ ​ ​ 규칙화 기법에서 특히 기발한 것은 힝토우은이 발명한 이른바'탈락(dropout, 가중치를 전파할 때 무작위적으로 일부 노드를 끌노하우-번역자)'임니다니다. 훈련 사례의 수를 바탕으로 경사도가 산출되어 가중치 공간에서 단계가 만들어졌을 때 학습이 이루어지는 매 시기에 유닛의 절반이 무작위로 네트워크에서 떨어져 내 매장을 만드는 기법입니다. 이것은 즉, 매 시기 마다 다른 네트워크도 학습이 행해지는 것을 의미한다. 결과적으로 각 시기마다 훈련해야 할 매개변수가 적어지기 때문에 매회 동일한 대규모 네트워크를 훈련시키는 경우보다 유닛간 의존도가 오전에 가능하다. 탈락에서 디플러 닌 학습 네트워크의 오류 발생률을 하나 0%감소시킬 수 있고, 이는 상당한 개선이 없지 못 했다. 2009년 넷플릭스(Netflix)은 하나 00만달러의 상금을 수여하는 유출 대회를 개최하고 자사의 추천자 시스템 장애 발생률을 하나 0%감소시키는 한번째 참가자를 찾았다. 머신러닝 분야의 대부분의 대학원생들이 그 대회에 참가했어요. 넷플릭스가 내세운 하나 00만달러의 상금이 적어도 하나, 000만달러의 가치를 가진 연구 활동을 부추긴 셈 임니다니다. 현재 심층 네트워크는 온라인 스트리밍의 핵심 기술로 자리 잡았다._, 하나 5장:오류 욕쵸은파 ​ ​ ​ 머신 러닝은 누구나 데이터를 가장 많이 보유한 사람이 승자이다. 페이스북은 다른 어떤 곳보다 많은 사람들의 취향, 지인, 사진 데이터를 보유하고 있다. 이 모든 데이터에서 페이스북은 자신의 룸 마인드 이론을 창출해 우리가 무엇을 좋아하는지 파악하고 정치적 취향을 예측하는 데 이용할 수 있었다. 언젠가 페이스북이 자신보다 자신에 대해 더 많은 것을 알게 되는 날이 올지도 몰라요. 정말 페이스북은 오웰의 소설에 등장하는 빅 브러더의 화신이 될까. 당신은 이것을 '무서운 전망'이라고 주장하거나, 아니면 '필요하면 언제든지 돌보는 디지털 집사가 생겨서 편리할 것'이라고 의견하는가? 과연 페이스북은 그런 힘을 가져도 되는 것일까? 이런 사건을 품는 것은 지극히 당연한 일입니다. 그러면, 우리는 이 사건에 대해서 발언권을 가지지 않게 될지도 모른다._ 하나8장: NIPS #인공지능 #AI #머신러닝 #딥러닝 #미래혁신 #알고리즘 #알파고 #빅데이터

​