기계가 학습하는 것 그리고 사람들이 학습 것, 이들 사이에 차이점이 없음에도 불구하고, 적어도 50년 이상, 사람들은 두 가지를 구별해왔다. 하지만, 2012년, 연구자들은 기계가 스스로 특성을 파악하는 데 필요한 요소들이 무엇인지 알아내고 말았다. 수학적으로 알려진 `차원의 저주"를 상당한 수준에서 극복한 것이다. 결국, 사람들은 수학 공식, 물리학 방정식에서 찾을 수 없었던 새로운 계산을 수행하게 되었다. 예를 들면, 문장이 입력인데 출력은 그림이 되는 새로운 계산에 관심을 가지게 되었다. 수학 공식과 물리학 방정식만이 컴퓨터 프로그램으로 변환된다는 고정 관념의 틀이 깨지고 있다. 데이터를 활용하면 사람이 상상하는 것과 유사한 행동을 할 수 있게 된 것이다. 잘 훈련된 인공신경망은 우리가 잘 아는 `장인"의 수행능력과 같은 것이다. 30년 이상 한 분야에 통달한 `장인"이 가지고 있는 기술적 수행능력을 인공신경망이 초단시간 안에 습득하는 것이다. 아무튼, 많은 사람들이 컴퓨터를 활용한 초귀납적 사고 방식을 업으로 삼게 될 것 같다. 새로운 과학이 탄생하기 위해서는 구체적인 사실로부터 일반적인 사실을 이끌어 내는 방법이 필요하다. 다시 말해서, 우리는 새로운 지식을 탄생시키기 위한 귀납적 추론이 필요하다. 사실, 사람들은 그동안 너무 연역적 추론에 매몰되어 살아왔다. 그것이 근원적으로 지식의 한계를 돌파하는 것이 아님에도 불구하고 어떠한 매력에 이끌려 그렇게 살아왔다. 하지만, 연역적 추론이 결코 나쁘다는 것이 아니다. 그것은 분명 좋은 것이다. 사실, 이 책을 쓰게 된 배경은 다음과 같다. 인공지능을 활용한 초기능성 결정 구조 설계 및 탐색 연구, 단백질 접힘 연구, 그리고 5G 주파수 필터 설계 연구 등 몇 가지 연구과제들을 수행할 기회가 있었다. 아울러, 학회 초청으로 초고도 병렬 컴퓨팅 강의를 다수 진행했었다. 이러한 연구와 강연을 토대로 미약하지만 과학 논문 발표, 특허 등록, 그리고 기술 이전을 할 수 있었다. 급기야, 다양한 분야 다수의 .