|
AI를 활용하여 채팅 프로그램을 만들어보고 사용해본 경험이 있지만, AI가 어떻게 학습하고 응답하는지에 대한 이해는 부족했습니다. 그러나 이 책을 통해 미지의 영역이 명확히 설명되었고, AI의 동작 방식을 이해하는 데 큰 도움을 받았습니다. 여러 논문들이 있지만 이해하기 어려운 부분이 많았던 반면, 이 책은 많은 이론을 자세히 설명해 줍니다. 다만, 전문적인 지식이 어느 정도 있는 사람들에게 적합한 책으로, 초보자에게는 다소 어려울 수 있습니다. 책에서는 다양한 학습 이론과 계산식, 그리고 이론 적용 시 실수할 수 있는 부분과 간과하지 말아야 할 점들을 상세히 설명해 줍니다. AI도 결국 인간이 연구하여 만든 기술임을 간과할 때가 있습니다. 이 책을 읽으니 인간의 지혜로 이렇게 발전된 AI를 만들어낼 수 있다는 점이 정말 놀랍다는 것을 깨달았습니다. 'YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다' #리뷰어클럽리뷰 |
|
Ai 분야에 평소에 관심이 많던 지라 서평단 모집에 응하게 되었고, 운이 좋게도 당첨이 되었습니다. (서평의 기회를 주셔서 감사드립니다.) 책 이 금방 도착하고 목차를 훝어보는 순간 아 이건 정말이지 읽기 쉽지않겠구나 하는 생각이 먼저 들었습니다. 책에 가득한 Ai 관련된 수학 용어 와 공학 용어 가 "어서와, Ai 는 처음이지? "라며 내게 인사를 건네는 듯 했습니다. 그래도, 어떤 책이든 책을 쓴 목적이 있듯이 이 책에서 내가 잘 모르고 있던 Ai분야를 공부해 보자 는 취지로 한장 한장 읽기 시작했습니다. 잘 모르는 분야를 하나 하나 알아가기 위해 백과사전 을 찾는 그런 느낌이랄 까요? (다만 역자들이 일반인들도 좀더 공감하고 이해하기 쉽게 배려했으면 어땠을까? 하는 아쉬움도 듭니다. ) 작가는 머릿말에서 "닛케이 로봇틱스 지" 잡지에 연재 했던 글을 모아서 편집 한 것이라고 이야기 합니다. 그는 또 일본의 유니콘 스타트 기업인 프리퍼드 네트웍스 의 대표이사 이기도 합니다. 인공지능 혁명이 쉽지 않듯이 작가는 수많은 시행착오의 강화 학습이 있어야 비로소 우리가 바라는 인공지능의 실행화 를 이룰 수 있다고 이야기 합니다. ( 쳇 GPT 모델이 핫 한 요즘, 많은 빅테크 기업에서 쳇 GPT 모델에 큰 돈을 투자하고도 아직 투자한 돈만큼 효율성이 있는지? 의문이 든다는 구글의 최고 경영자 의 최근 이야기가 떠오르기도 했습니다.)  YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다 중간중간 어려운 용어와 단어는 이 분야에 대한 기초지식이 부족한 저를 당혹케 했지만, 그래도 저자가 최대한 쉽게 풀어내려는 노력을 했음을 알 수 있었습니다. 왠지 처음 흥미로운 분야의 기사를 읽은 듯한 느낌이랄까요? 이것은 생물의 입장에서도 의미가 있을 것입니다. 지금까지 얻은 정보로부터 미래 상태(미래의 감각 기관으로부터 얻은 내부상태)를 예측할 수 있다면, 적을 더 빨라 탐지하거나 먹이를 더 빨리 잡을 수 있기 때문입니다. 뇌의 학습 메커니즘은 항상 미래를 예측하며, 그것과 실제 관측 결과의 오차를 기반으로 학습 하는 것이 아닐까 하는 예상은 지금까지도 있었습니다./뇌내시냅스 강화 메커니즘 STDP,책 중에서.. 결국 인공지능도 모태가 되는 인간의 뇌 구조와 생물들의 반응 구조를 토대로 그 메커니즘을 연구한 시스템을 구축하는 것이라는 것을 알 수 있었습니다. 이러한 갭을 줄이기 위해 머신러닝, 특히 딥러닝을 사용하여 시뮬레이션 속도를 높이면 동일한 정확도를 얻으면서도 수백 배에서 경우에 따라서는 수십억 배까지 속도를 획기적으로 높일 수 있습니다. 기본적으로 계산량과 정확도는 트레이드오프 관계에 있으므로 이전과 같은 계산량을 사용하면 정확도를 더 높일 수도 있습니다. 딥러닝을 사용한 시뮬레이션 학습은 계산 비용만 쓸 수 있다면 학습 데이터를 얻을 수 있습니다. 느리지만 정확도 높은 결과를 얻을 수 있는 시뮬레이션(예: 해상도를 높인 모델)으로 대량의 학습 데이터를 생성하여, 정확도가 낮은 시뮬레이션 결과로부터 고정확도 시뮬레이션 결과를 추정하는 딥러닝 모델을 학습하므로써 시스템을 구축합니다. 문제 설정이라는 관점에서는 저해상도 이미지로부터 고해상도 이미지를 추정하는 초해상도 학습과 매우 비슷합니다./ 딥러닝을 사용한 시뮬레이션 고속화, 책 중에서..책에 등장하는 많은 수학 용어들은 이 분야에 대한 기초 지식이 부족한 저를 포함한 독자들에게 어렵게 느껴질 수 있습니다. 인공지능의 언어는 수학이라는 말을 들은 적이 있는데, 수학이 어렵게 느끼는 많은 대한민국 사람들에게 인공지능 시대가 도래하면, 수학을 모른다는 것이 큰 장애물이 될 수 있다는 생각이 듭니다. 우리나라에는 인공지능 시대를 이끌어갈 인재들이 아직 부족하다는 점이 아쉽습니다. 일본에서는 이미 활발한 연구와 학습이 이루어지고 있지만, 한국에서는 수학과 공학을 기피하고 의대로 몰리는 작금의 교육 현실이 참 안타깝습니다. 또한, 이 책이 어렵게 느껴지는 만큼, 독자들이 더 쉽게 이해할 수 있도록 해설서를 제공하는 것도 좋겠다는 생각이 듭니다. 서평을 마무리하며, 인공지능에 대한 이해와 수학에 대한 관심이 더욱 필요하다는 점을 다시 한번 강조하고 싶습니다. 한국에서도 더 많은 사람들이 이 분야에 흥미를 가지고 접근할 수 있기를 바랍니다. #리뷰어클럽리뷰 |
|
AI를 조금씩 알아가는 차에, AI 딥 다이브란 책을 볼 수 있었다. 여느 책과 다르게 논문을 바탕으로 한 심도있는 내용을 다루고 있으며 교수님들의 추천사도 들어있었다. 목차만 봐도 알찬 정보들이 들어있는 것을 확인할 수 있었다. 차근차근 의미를 찾으면서 봐야 했기에 나는 1장을 일단 읽고 리뷰를 작성하고 있다. 매니폴드와 가설과 관련한 내용이다. 하나의 예시로 한 이미지는 각도, 광원의 위치, 카메라의 위치에 의해 결정되며 이러한 파라미터를 매끄럽게 변화시키면 이미지도 매끄럽게 변화한다. 이렇게 데이터가 적은 파라미터에 의해 지배되고 그 파라미터를 변화시키면 데이터도 매끄럽게 변하는 성질을 띄는데 이것은 다른 많은 데이터에서도 볼 수 있다. 각 점의 주변이 n차원으로 확장된다고 볼 수 있는 공간을 매니폴드라고 한다고 한다. 국소적으로는 n차원 좌표계를 이용하여 표현할 수 있는, n차원 유클리드 공간과 위상동형으로 볼 수 있는 공간이라고 한다. StyleGAN을 소개하며 이 모델은 생성 데이터를 구성 요소 별로 구분할 수 있으며 어느 요소를 변화시켜서 형태가 매끄럽게 바뀌도록 할 수 있는지 등의 분해가 가능하다고 한다. 이 책을 통해 이런 내용이 있다는 걸 확인했으니 차차 알아가면 될 것 같다. 독립 성분 분석(ICA)에 대한 소개와 사람의 음성 분리 사례가 소개되며 정보원이 정상인 경우와 비정상인 경우로 나누어 소개를 하고 있다. 복권 가설에 대한 내용은 큰 수의 법칙과 실제 유효한 신경망의 크기를 한정할 수 있다는 내용이었고, 대칭성이 학습에 활용되는 방식에선 각자 다른 순서로 연산한 함수의 값이 서로 같아질 수 있음을 보이며 이것이 곧 같은 이미지라도 각도를 변화시켜 입력을 받은 것을 동일하게 판단할 수 있는데 사용할 수 있음을 제안하고 있었다. 모델이 클수록 일반화 능력과 샘플 효율이 좋아진다는 것을 과거 OpenAI의 연구 사례 소개를 들었으며 강건한 모델의 과다 파라미터 표현 필요성 장에선 함수의 립시츠 성질을 이용하여 노이즈 과적합을 피하는 방법을 소개했다. 앞으로 남은 챕터2 사람의 학습, 3 학습 방법, 4 강화 학습 등의 장들도 유익하게 읽을 수 있을 것으로 생각됐다. 이 글은 한빛미디어로 부터 책을 증정받아 작성되었습니다. 
|
방대한 AI 지식의 세계속의 하나하나 쉽지 않은 주제인지라 그동안 경험하고 학습했던 머릿속의 AI지식들과 비교하고 리마인드해가며 읽느라 꽤 오랜 시간이 걸리는 것도 사실이지만 처음 책을 펴는 순간 3장을 다 읽을 때까지 꽤 오랜시간동안 재미있게 몰입할 수 있었다. 읽으며 가장 놀랐던 것은 이 방대한 AI의 역사 중 어떻게 이렇게 중요한 어떻게 한 사람이 인공지능의 나중에 알게 되었지만 이 책은 저자가 2015년 7월부터 논문 및 뉴스 등에서 중요하다고 생각한 주제를 선택하여 기고한 것이라 한다. 그렇기 때문인지 책의 구성 또한 잡지를 읽는 기분이다. 마치 과거 마소지를 읽는 느낌이랄까? 덕분에 무거운 주제여도 가벼운 느낌으로 읽을 수 있어 산뜻했다. 이 책을 읽다보면 AI에 대한 공포가 더욱 심해진다. 또 한편으로 이 무한한 가능성에 심장이 두근거리기도 한다. 저자가 언급한대로 AI의 이 중 특히 속도는 앞에서도 언급했지만 두말할 나위없이 두려운 부분이다. 나 역시 2016년 알파고 등장 이후 AI 분야에 대한 학습을 부단히 노력해왔었다. 처음에는 오차역전파법을 배우며 수학적으로 그리 어렵지 않은 또 한편으로는 그 안에 그러나 내 배움의 속도는 AI세계에서 유수한 연구자들이 쏟아내는 지식을 쫒는 것도 버거울 지경이었다. 기본적인 CNN, LSTM, VAE, GAN 등의 모델에 자신이 좀 생기자 관련 분야의 이내 논문의 흐름에 좀 적응할만하자 Attention, BERT 등이 등장하였고 그것들을 익히자 LLM과 생성모델들이 쏟아지기 시작했다. 어느 순간부터는 남들이 자랑하듯 내놓는 아이디어의 노예가 된 느낌이었다. 하물며 이젠 다 내려놓고 LLM을 어떻게 기똥차게 써볼까라는 생각에 집중하고 있는 지경이라니… AI의 최전선까지는 아니라도 그래도 나름 그 바닷속에서 헤엄치고 있는 수준은 된다는 위치가 이 이 책은 이런 AI속도의 위대함에 답답함을 느끼는 내게 잠시 모델에서 벗어나 관련 기반 인프라의 발전에 관한 부분도 흥미롭게 둘러봤다. 올해 초 AI가 불러올 전력대란이 일으킬 다양한 문제점 그리고 사회의 변화 방향에 대해 다시금 생각할 수 있는 기회가 주어졌다. 또, 언제 실용화할만한 기술로 발전할지 늘 궁금한 주제인 양자 역학과 AI와의 만남에 대해서도 어느정도 갈증을 풀 수 있었다. 원자 수준 시뮬레이션이라니 잠시 머릿속에서 공상과학 소설을 쓰고 있노라면 다가올 미래가 어렴풋이 보이기도 한다. 급할수록 돌아가라 했던가? 그간 꼭두각시 인형처럼 세상의 천재들이 내놓는 엄청난 기술들의 코어는 커녕 겉모습만 쫓기에도 뱁새가 황새 쫒는 격이었다. 배우는 순간에는 신박한 아이디어의 향연에 빠져 즐겁기도 했지만 어느새 방향을 잃은 느낌에 점점 들어가는 나이덕에 체력은 떨어져갔다. 이렇게 열심히 공부하는데 뭔가 중요한 것을 놓치고 있는 이 책 하나하나의 주제는 관련된 논문이 부지기수일 정도로 대단한 주제이다. 그렇다고 일반 AI 교양서처럼 난이도가 쉬운 책도 아니다. 논문에 핵심이 되는 굵직한 수식들도 종종 등장하고, 논문의 AI분야에서 이름 꽤나 떨치는 분들도 결코 이 책의 모든 주제들을 쉽게 이해하진 못할 것이다. 그럼에도 이 책이 만족스러운 것은 기술적인 핵심을 빠르게 파악할 수 있도록 도와준다는 점이다. 리뷰 논문을 읽는 것 이상으로 각 분야의 획을 그은 기술들을 빠르게 섭렵할 수 있게 도와준다. 가급적 적은 분량의 수식과 핵심기술을 핵심만 빠르게 전달하는 저자 특유의 AI업계에 종사하는 이는 물론, AI세계에 관심이 생긴 입문자에게도 매우 좋은 책이라 생각한다. AI라는 거대한 숲에서 길을 잃어 가까운 데 머물고 있는 해결책을 놓치고 있진 않은지? 혹은 AI의 속도에 짓눌려 스스로 가야할 방향을 잃고 있진 않은지? 본인이 몸담은 AI 특정 카테고리에 묶여있어 유관 카테고리의 변화에 두려움을 느끼진 않는지? 이런 질문에 해당하는 독자라면 이 책이 많은 해결책을 제시할거라 생각한다. |
한빛미디어 ＜나는 리뷰어다＞ 활동을 위해 책을 제공받아 작성한 서평입니다.이 책은 AI의 각 분야를 설명하고, 지금까지의 발전 및 개발 동향을 다룬다.주제별 관련 연구마다 출처와 논문도 밑에 주석으로 달려있어, 친절한 논문 서베이를 읽는 기분이 든다.  딥러닝 관련 수업을 듣거나, 처음 배우기 시작하면 전통적인 모델이나 알고리즘부터 발전 순서대로 차근차근 알아가는 경우가 많은데, 지금 여기저기 연구되고 사용되는 모델을 이해하기에 좋은 자료같다. |
인공지능을 처음 들어본 사람이라면 내용을 이해하는데 어려움이 있을 수도 있지만, 깊게 공부하기를 원하는 사람이라면 안성맞춤인 책이다. 이 책에서는 인공지능의 원리와 딥러닝에 대한 설명, 다양한 학습기법과 생성 모델, 이미지와 음성, 3차원, 언어에서 사용하는 신경망에 대한 설명과 시뮬레이션, 게임, 생명과학, 로봇 등 다양한 연구 분야에서 AI의 사용에 대해서 크게 4가지 파트로 나누어서 설명하고 있다. 책을 읽으면서 여러 편의 논문을 읽는 것 같다는 생각이 들었는데, 실제로 2015년 7월부터 닛케이 로보틱스지에 저자 오카노하라 다이스케가 매달 연재했던 글을 모아서 중요한 주제를 선정해서 작성한 글이라고 한다. 현재까지 발전해온 여러가지 분야의 인공지능에 대해서 친절한 각주와 수식 설명이 함께 정리되어 있어서, 대학원에 진학할 생각이 있는 학생들이나 직장인들에게 좋은 책이라는 생각이 들었다. 인공지능 기술이 실제로 어떻게 적용되는지 다양한 활용 분야에서의 자세한 예시를 통해 설명하기 때문에, 이 책 한권으로 몇 편의 논문을 훑어 읽은 것과 같은 효과를 낼 수 있기 때문이다. 각주에 언급된 논문이나 사이트들을 참고하면서 읽으면 최근 몇년간의 발전의 흐름을 알 수 있다.
위에서 저자가 말한 AI 기술 발전의 세가지 특징 중에서, ‘속도’는 논문이나 코드가 순식간에 전세계로 공유되는 특징을 말하고, 처음 방법을 제안한 논문이 후속연구와 후속연구에 기반한 후속 연구와 동일한 학회의 동일한 세션에서 함께 발표될 정도로 속도감이 빠르다고 한다.
두번째로, ‘무경계’는 말 그대로 경계 없이 한 분야에서 적용되는 방법이 다른 분야로 퍼져나간다는 특징을 말하는데, 딥러닝이 초기에는 음성인식 분야에서 성공했고 이를 2012년에 이미지 인식에도 적용시켰으며, 이후에 자연어 처리나 화합물등의 다른 분야에서도 도입되었다.
마지막으로, ‘창의성’은 AI 기술 발전에서의 영향력있는 성과가 기존 상식과는 동떨어진 곳에서 등장하는 특징을 말하는데, 뛰어난 직관과 실험을 통해 얻은 결과가 먼저 등장하면 이후에 이를 설명하는 이론이 등장한다는 것이다. 마치 수학 공식을 찾고 나서 이후에 증명으로 이론을 완성한다는 것과 비슷하다고 할 수 있다. 빠른 속도로 발전하는 연구의 흐름을 따라갈 수 있고, 하나의 경계에만 갇혀 생각하지 않으며, 창의적으로 새로운 발상을 할 수 있는 사람이라면 AI의 흐름에 뛰어들어도 될 것 같다. 이 때, 이 책이 안내서와 같은 역할을 해줄 수 있을 것이다.
한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다. |
 딥러닝은 현대 인공지능 기술의 핵심으로, 그 본질은 단순하면서도 복잡한 양면성을 지닌 학문 분야입니다. 표면적으로 볼 때, 딥러닝 모델은 선형사상 함수와 비선형 활성 함수들을 계층적으로 쌓은 복합함수로 이해할 수 있습니다. 그 학습 과정도 미분 가능한 함수를 미분하는 것에 불과하며, 심지어 이 미분 작업조차 자동 미분 프로그램의 도움을 받아 수행됩니다. 이러한 기본적인 원리 때문에 열정적인 초보자라면 한 달 정도의 시간으로도 딥러닝의 기초를 파악할 수 있습니다. 그러나 딥러닝의 세계는 겉보기와 달리 그 깊이를 가늠하기 어려울 정도로 방대합니다. 일반화, 최적화 기법, 생성 모델, 메타 학습, 강화학습, 효율화 등 각 세부 주제마다 매년 수천 편의 논문이 발표되고 있습니다. 이러한 특성으로 인해 기본 개념을 습득하는 단계와 전문 연구자 수준으로 올라가는 단계 사이의 간극이 상당히 큰 분야라고 할 수 있습니다. 이는 딥러닝이 가진 독특한 매력이자 도전 과제이기도 합니다. 이러한 맥락에서, 이 책은 딥러닝과 AI 기술의 광범위한 스펙트럼을 포괄하는 종합 해설서로서 큰 가치를 지닙니다. 딥러닝의 여명기부터 최근 화제가 되고 있는 생성 AI에 이르기까지, 주요 AI 기술의 흐름을 73개의 주제로 나누어 상세히 설명하고 있습니다. 이론적 깊이가 상당한 내용임에도 불구하고, 각각의 설명이 친절하고 직관적으로 이루어져 있어 독자의 이해를 돕습니다. 책의 구성을 살펴보면, 크게 네 가지 영역으로 나누어져 있습니다.
특히 이 책의 강점은 시간의 흐름에 따른 최신 AI 기술 트렌드를 포괄적이면서도 깊이 있게 통찰할 수 있다는 점입니다. 이는 AI 분야에 종사하는 전문가들이나 현업 AI 개발자들에게 특히 유익할 것입니다. 급변하는 AI 기술 동향을 한눈에 파악하고, 각 기술의 발전 과정과 미래 방향성을 이해하는 데 큰 도움이 될 것입니다. 일반적으로 AI 관련 서적들은 기본 개념에만 충실하거나, 반대로 전문적인 논문 수준의 내용으로 구성되어 있어 중간 단계의 학습자들이 접근하기 어려운 경우가 많습니다. 이 책은 그 간극을 효과적으로 메워주는 역할을 합니다. 따라서 AI의 기본 개념들의 큰 맥락을 파악하고 싶은 분, 각 연구 주제의 핵심을 이해하고 싶은 분, 그리고 AI 기술의 전반적인 흐름을 파악하고자 하는 분들에게 이 책은 훌륭한 길잡이가 될 것입니다.
|
|
AI 기술에 대한 궁금증? 딱 해결해 줄 책이 나왔어요! 『AI 딥 다이브』 73개의 키워드로 AI의 기본부터 최신 트렌드까지 깔끔하게 정리해 주는 책이에요. 딥러닝, 머신러닝에 관심이 있으신분들 주목해주세요! 이렇게 쉽게 설명한다고? 딥러닝, 강화학습, 생성 모델 등 AI와 관련된 핵심 개념들이 모두 담겨 있어요. AI 공부에 막막했던 분들, 이제 이 책으로 한 방에 해결해봐요! ?? ?? 최신 AI 트렌드를 한눈에?? 최근 AI 기술, 얼마나 빠르게 발전하는지 알고 계셨나요? 이 책은 딥러닝의 시작부터 지금의 생성 AI까지 주요 흐름을 쉽고 재미있게 풀어주고 있어요. AI,이젠 트렌드도 모르면 안되죠!?? 잡지 〈닛케이 로보틱스〉에 연재된 최신 글들을 모아서 만든 거라, AI에 관련해선 최신 그 자체예요. AI 기술의 본질을 이해하고 싶다면, 『AI 딥 다이브』를 읽어보세요! 재미있게 읽는 딥러닝 머신러닝 책이에요. ?? 누구에게나 유익한 AI 가이드?? 『AI 딥 다이브』는 초보자부터 전문가까지 모두에게 유익하겠 더라고요. AI에 대해 처음 배우려는 분들도 쉽게 이해할 수 있도록 이론적인 설명이 잘 되어 있고, 실제 적용 사례도 가득 담겨 있어요. 초보도 전문가도 읽기 딱 좋아요!?? 이미 AI를 알고 있는 전문가분들도 이 책을 통해 최신 트렌드와 실질적인 활용 방법까지 체계적으로 배우게 될 거예요. 읽고 나면 AI에 대한 자신감이 쑥쑥 올라갈 거예요! ?? ?? AI 시대를 준비하는 필수템?? 미래에 대한 정확한 예측, 어렵지 않아요! AI 기술의 발전 방향을 이 책으로 미리 알 수 있어요. AI의 미래 『AI 딥 다이브』에서 먼저 만나보세요!?? 최첨단 기업과 연구자들이 어떻게 AI를 활용하고 있는지도 배울 수 있거든요. AI 시대를 대비하고 싶다면, 이 책은 필수템이죠. 빨리 읽고 AI의 미래를 준비해보세요! ?? ?? AI가 너무 어렵다고? 읽고 나면 AI가 더 이상 어려운 게 아니에요. AI 딥러닝부터 최신 트렌드까지, 73개의 키워드로 쉽고 재미있게 이해할 수 있는 이 책! 가볍게 읽으면서도 깊이 있는 내용을 알 수 있거든요. 『AI 딥 다이브』면 문제없어요! ??  #리뷰어클럽리뷰 |
?? AI 딥다이브 ??|
책의 제목은 굉장히 매력적이다. '오차역전파부터 확산모델까지'라는 문구는 AI 연구의 넓은 범위를 함축적으로 보여주며, '73가지 기술 이야기'라는 부분에서는 다양한 주제를 담고 있는 걸 암시한다. 저자가 2015년부터 일본 잡지 〈닛케이 로보틱스〉에 연재된 글들을 모아 편집한 것으로, AI 분야의 최신 발전과 주요 연구 결과를 신속하고 깊이 있게 다루고 있다. 저자는 AI 기술 발전의 중요한 특징으로 속도, 무경계성, 그리고 창의성을 강조하는데, 이러한 특징들이 책의 전반에 걸쳐 잘 반영되어 있다 책은 크게 네 개의 부(Part)로 구성되어 있으며, 각 부는 지능과 딥러닝의 본질, 학습 기법, 모델과 아키텍처, 애플리케이션을 다룬다. 이론적 설명과 함께 실제 적용 사례를 풍부하게 포함하고 있어, 독자들이 딥러닝의 기본 원리부터 강화학습, 생성모델, 이미지, 음성, 언어 처리 등 딥러닝의 기초부터 최신 연구 동향까지 다양한 분야의 응용을 폭넓게 다룬다. |
|
이 책을 추천하는 첫 번째 이유는 전문성이다. 인공지능을 체계적이고 학문적으로 이해하고 싶다면 정말 추천하고 싶다. 딥러닝, 머신러닝, 인공 신경망 등 개념을 학습했지만 지식이 파편화된 (나 같은) 사람들에게 매우 유익할 것이다. 개념을 논문 기반으로 깊이 있게 이해하고 싶지만, 모든 논문을 직접 읽기에는 부담이 된다면, 이 책으로 시작하는 것이 좋은 선택이라고 생각했다. 서울대 빅데이터 교수님, 카이스트 전산학부 교수님, 전북대 컴퓨터공학과 교수님의 추천사를 보면 공통적으로 딥러닝의 원리와 활용에 대해 잘 설명된 점을 이야기 했다. 실제로 책을 읽어보니, 머신러닝, 딥러닝, 심층 신경망부터 모델과 아키텍처, 각 분야별 적용 방식까지 전문적이고 체계적으로 정리되어 있는 점을 확인할 수 있었다. 나는 최근에 LangChain을 활용해 RAG를 연결한 챗봇을 만들었는데 이 책을 통해 제어(Chapter12)에 대해 이해하게 되면서 많은 인사이트를 얻게 되었다. 내 모델의 발전 방향과 관련해 많은 도움을 받았다. 둘째, 찾아보기의 편리함이다. 이 책은 여러 컬럼이 모인 잡지 같은 구성으로 되어 있어 (약간 DBR 느낌) 한 주제당 두세 장 정도의 분량으로 읽기 부담이 적었다. 이로 인해 필요한 정보를 찾기가 매우 편리했다. 목차가 색인 같은 역할을 하는데, 섹터별로 잘 정리되어 있어 궁금한 부분을 바로 찾아보기 쉬웠다. 마지막으로, 적용 분야에서 많은 아이디어를 얻을 수 있었다는 점이다. 대부분의 사람들이 자신의 분야에서의 적용은 잘 알고 있지만, 다른 도메인에서의 적용은 잘 알지 못하는 경우가 많다. 이 책은 다양한 도메인에서 적용 사례를 소개하기에 다채로운 인사이트를 얻기에 좋다. (작가 본인 회사의 사례도 소개한 점도 인상적이었다.) 그래서 인지 읽으면서 아 예전에 이런 문제는 이렇게 해결했으면 됐겠구나 하며 깨달음을 얻은 부분도 많다. 개인적으로 업무와는 직접적 관련이 없지만 흥미로웠던 부분은 AI 기반 원자 수준 시뮬레이션이었다. 양자역학으로 기술된 원자 레벨 시뮬레이션의 원리와 미래 전망이 꽤나 흥미로웠다. 끝으로 나는 개발 서적을 읽을 때 특정 출판사를 선호하는데 한빛미디어도 그 중에 하나이다. 역시나 이번에도 정말 좋은 책을 내보냈다. 인공지능에 관심있는 사람들은 꼭 읽어보길 추천한다. (수준의 구분이 입문-초급-중급-고급 이라면 이 책은 초급-중급자에게 추천한다.) |