본문 바로가기

책 서평

[서평] 기계는 어떻게 생각하는가?

728x90
반응형

기계는 어떻게 생각하는가? 표지 <출처 : 이지스퍼블리싱 홈페이지>

<이 서평은 이지스 퍼블리싱의 서평단으로 선정 되어 제공된 책으로 작성한 글입니다.>

안녕하세요! 오랜만에 서평단으로 선정되어 서평을 적게된 김성민입니다.

최근 컴퓨터분야에서 빠르게 성장하고 있는 인공지능분야를 공부하고 있거나 혹은 관심을 갖고 공부를 해야하는데 어떻게 해야하는지 모르시는 분들이 읽기 좋은 책이 출시 되어 소개 시켜드리기 위해서 서평단으로 신청을 하여 제가 먼저 읽어보고 그 후기를 적어봅니다.

우선 표지를 보시면 알수 있듯이 이책은 우리나라에서 인공지능이 급격하게 관심을 받게된 이유이기도 한 알파고 부터 2020년 현재 많은 기업에서 개발하고 있는 자율주행차까지 ML의 구현 사례와 작동원리에 대해 설명한 책입니다.

우선 이책의 목차는 다음과 같습니다.

목차


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 이해한다는 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?

목차를 보면 알수 있듯이 기본적인 구현 원리와 인공지능 모델에 대해 설멍을 해주는 책입니다.

목차는 크게 5개의 부제목과 17개의 소제목으로 구성되어 있으며, 각각의 ML과 DL분야를 나누어 설명을 하고 있습니다.

특히 이책이 다른 ML/DL과의 차이점은 보면 각각의 프레임워크를 사용하여 코드를 설명을 하는 경우 주된 원리를 이해하기 어려운 부분이 있었지만, 이책은 코드가 아닌 아래 사진과 같이 기본 원리 및 작동원리를 자세히 그림과 함께 설명을 해주고 있습니다.

책 캡처본_1
책 캡처본_1

책의 모든 내용을 보여드릴수는 없지만 2장의 사진을 보시면 알수 있듯이 코드가 아닌 그림과 글로 원리를 설명해주고 있습니다.

즉 이책은 ML/DL을 공부하는데 원리를 이해하기 힘들거나, 이제 막 공부를 시작한 사람이 원리를 이해하고 하나의 인공지능 모델을 만들기 전에 읽어야하는 필수 책이라고 할만큼 내용이 알차고 설명이 자세히 되어있습니다.

저 역시도 공부한지 1년정도 지난 입장에서 이 책이 공부하기전에 출간이 되었다면 어떠한 방향으로 공부하고 있을까 하는 생각이 들게 해준 참 좋은 책입니다.

728x90
반응형