도서 소개

인공지능은 인류를 위한 지구상에서의 마지막 기술이다. 인공지능 다음 세대는 인공지능 로봇을 앞세워 우주를 정복하는 세대가 다가올 것이다. 앞으로는 고등 수학이 사용되는 계산법으로는 지금까지 배워 온 인류의 지식 한도를 넘기게 된다. 본 교재를 통하여 인공지능 근본 원리를 이해하고, 수천 년간 학자들이 정의한 수학으로 인공지능 계산법을 익혀야 한다. 그리고 공용 언어인 영어로 과학(수학, 물리학 등)을 이해해야 세계 인공지능 개발자들과 함께 토의하고(오픈소스 커뮤니티), 지능 지식 기술의 해결점을 찾을 수 있다.
예를 들어 학생들은 인공지능 전문가가 되려면, 음악의 오케스트라 악단장·지휘자 ·공연 감독자처럼 되어야 한다. 일반 비즈니스 성공은 연주자(기획가)가 되기만 해도 된다. 인공지능 비즈니스와 예술 중 피아노 부문과 비교해 보면, 인공지능 기획·설계·개발은 음악 예술의 피아노 제작자·작곡가·연주가를 합쳐 놓은 것과 같다. 인공지능 개발자 한 명이 제대로 된 지능 시스템 설계를 하면 수만 명을 먹여 살릴 수 있는 창조 시스템을 개발할 수 있다.
인류가 가진 문제 중 인공지능으로 문제를 해결하려면 설계 능력이 있어야 한다. 설계를 하려면 기획 능력을 갖추어야 하고, 기획은 근본 원리를 이해하여야 한다. 특히 창의적인 발상은 자유로운(Story Telling) 생각이 있어야 한다. 이는 독서를 통해서 이루어 진다는 것이 많은 전문가(아인슈타인, 빌 게이츠 등)에 의해서 입증된 바가 있다.

본 교재의 내용은 인공지능 기본 원리 중심의 알고리즘을 통하여 실험학습 방식으로 기초 해법을 구현할 수 있도록 하였다. 기본 원리의 보편화된 지도학습, 비지도학습, 강화학습으로 나누어진다. 지도학습은 2장에서 6장까지 구성하였으며, 비지도학습은 6장부터 8장으로 구성되어 있다. 그리고 9장에서는 인공지능 강화학습으로 알파고 사례를 들어 설명하였다. 앞으로 인공지능 원리는 슈퍼 인공지능이 탄생하기까지 무한한 진전이 있을 것이다. 이를 통하여 학습한 것을 다양한 상상력으로 기획·설계와 프로젝트를 구현하고 창조하길 바란다. 학습용 빅데이터는 준비(AI 허브: www.Aihub.or.kr)하고 있다. 이 과정에서 창조의 즐거움과 발전이 있을 것이다.
인공지능 기술 개발 핵심인 프로그램의 쉬운 코드부터 시작해서 핵심적인 내용을 차분히 지식을 습득하면 인공지능 기획 설계·개발자가 될 수 있다. 여기에서 툴킷(프로그램 개발 도구)은 구글의 교육자와 학습자가 신뢰하는 코딩 교육으로서 맞춤형 원스톱 코딩 플랫폼(mblock.makeblock.com)을 개발 도구(Phython, Tensor flow) 모델을 활용하기 바란다.
기초 이론을 튼튼히 하여 논리적으로 토론하고, 호기심을 가지고 “왜?” 하는 질문과 함께 최적의 해결 방법을 찾는 사고 능력을 배양하여야 한다. 혁신 중심의 인공지능 기획·설계·개발에서 시키는 대로 코딩만 수행하는 인재는 설명이 어려워진다. 슈퍼 인공지능의 해법은 인류의 숫자만큼이나 많이 존재할 것이다.

목차

제1장 인공지능 4차 산업혁명 시대

1.1 아리의 하루: 시공간을 뛰어넘는 일상생활
　다양한 정보를 만나는 아침 식사 시간
　출근길 자동차 물결 속에서의 안락함
　병원에서의 스마트 케어
　퇴근 후에 즐거운 쇼핑

1.2 인공지능의 역사와 발전 과정
　제1의 물결(1956~1974): 위대한 첫 출항
　제2의 물결(1980~1987): 전문가 시스템의 부흥과 쇠퇴
　제3의 물결(2011~ 현재): 다시 찬란한 영광을 창조하다

1.3 인공지능 응용 사례
　안전 보호
　의료 분야
　지능형 고객 서비스
　자율주행
　제조 산업

1.4 인공지능과 머신러닝
　데이터를 사용해 학습하기
　행동 중에 학습하기

1.5 이 장의 요약


제2장 차이점 관찰로 분류 시작하기

2.1 분류 작업 시작하기

2.2 특징 추출
　특징 벡터
　특징점과 특징 공간

2.3 품종 분류기(Classifier)
　분류기 훈련
　퍼셉트론(perceptron)
　서포트 벡터 머신(Support Vector Machine, SVM)

2.4 테스트와 응용

2.5 다양한 범주(category) 품종 분류

2.6 이진 분류(Binary Classification)의 응용
　카메라 속의 얼굴 탐지
　암 검사

2.7 이 장의 요약


제3장 이미지와 사물 인식

3.1 수작업 특징에 기반한 이미지 분류
　이미지의 특징
　합성곱 연산
　합성곱으로 이미지 특징 추출하기

3.2 심층 신경망에 기반한 이미지 분류
　심층 신경망의 구조
　합성곱층
　완전 연결층
　소프트맥스층
　비선형 활성화층
　풀링층
　인공 신경망과 생물학적 신경망
　인공 신경망 훈련

3.3 심층 신경망의 발전과 과제
　딥러닝의 추진력
　데이터
　계산 능력
　심층의 ‘어려움’
　과적합과 과소적합
　기울기 소실

3.4 일상에서 이미지 분류의 응용
　얼굴 인식의 시대: 생활을 더욱 편리하게
　얼굴 인식 기술의 범죄 예방과 활용

3.5 이 장의 요약


제4장 음악 분석과 감상

4.1 음성 인식의 예술
　소리의 디지털화
　주파수 스펙트럼으로 소리의 3요소 이해하기

4.2 음악 장르 분류
　컴퓨터 ‘귀에 들리는’ 장르
　음성학의 대표적인 특징인 멜 주파수 켑스트럴 계수
　딥러닝 알고리즘

4.3 음성 인식 기술
　음성 인식의 원리

4.4 음악 검색 기술

4.5 이 장의 요약


제5장 동영상 인식하기

5.1 이미지에서 동영상으로

5.2 동영상 속의 행동 인식
　행동 인식의 과제
　행동 인식의 중요한 특징: 운동
　운동의 특성화: 광학 흐름
　광학 흐름 히스토그램

5.3 딥러닝 기반 동영상 속 행동 인식
　싱글 프레임 기반의 인식 방법
　듀얼 스트림 합성곱 신경망
　긴 동영상의 처리: 시간 세그먼트 네트워크

5.4 이 장의 요약


제6장 범주(category) 분류 정리

6.1 인공지능이 꽃 명칭을 들어본 적이 없는 경우

6.2 아이리스의 K-평균 군집화 알고리즘

6.3 앨범 사진의 얼굴 군집화
　얼굴 탐지
　얼굴 정면화(face frontalization)
　특징 추출
　얼굴 군집화

6.4 계층적 군집화와 생물학적 군집화\

6.5 이 장의 요약


제7장 텍스트 이해하기

7.1 텍스트 데이터의 특징

7.2 텍스트의 특징
　단어 분리
　불용어와 저빈도 단어
　단어 빈도와 역문서 빈도

7.3 텍스트에 숨은 주제 추출하기
　잠재 의미 분석

7.4 주제를 기반으로 한 텍스트 검색과 추천

7.5 이 장의 요약


제8장 그림 창작하기

8.1 데이터 공간과 데이터 분포
　데이터 공간과 데이터 분포

8.2 생성망

8.3 판별망

8.4 생성적 대립 신경망
　생성적 대립 신경망
　판별망을 고정하여 생성망 훈련하기
　대립 과정 시범

8.5 조건부 생성적 대립 신경망
　안면의 측면에서부터 정면으로: 범인 식별
　청년에서 장년으로: 실종 아동 찾기

8.6 이 장의 요약


제9장 인공지능, 최고의 바둑 고수

9.1 알파고의 바둑 게임망
　지도학습 정책망
　강화학습의 기본 개념
　에이전트와 환경 간의 상호 작용
　정책과 강화학습의 목적
　강화학습 정책망

9.2 알파고의 탁월한 안목
　가치망
　패스트 롤아웃망(fast rollout network)
　몬테카를로 트리 탐색
　많은 장점을 갖고 있는 알파고

9.3 알파고 제로(AlphaGo Zero)
　알파고 제로 개요
　알파고 제로의 훈련

9.4 이 장의 요약

발간 후기
참고 문헌

저자 소개