이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
이 상품의 태그
상세 이미지
책소개
목차
|
지은이·옮긴이 소개 x
기술 감수자 소개 xi 옮긴이 머리말 xiii 추천사 I xiv 추천사 II xvi 감사의 글 xviii 이 책에 대하여 xx PART I 생성형 AI와 에이전틱 시스템 기초 CHAPTER 1 생성형 AI 기본 3 1.1 생성형 AI 소개 4 1.2 생성형 AI 모델의 유형 5 __1.2.1 VAE 5 __1.2.2 GAN 7 __1.2.3 자기회귀 모델과 트랜스포머 아키텍처 8 __1.2.4 LLM 기반 AI 에이전트 12 1.3 생성형 AI의 응용 16 1.4 생성형 AI의 과제와 한계 19 __1.4.1 데이터 품질과 편향 19 __1.4.2 데이터 프라이버시 20 __1.4.3 계산 자원 21 __1.4.4 윤리적, 사회적 함의 21 __1.4.5 일반화와 창의성 22 요약 22 질문 23 답변 23 더 읽을 거리 24 CHAPTER 2 에이전틱 시스템의 원리 25 기술 요구사항 26 2.1 자기 관리, 주체성, 자율성 이해하기 26 __2.1.1 자기 관리 27 __2.1.2 주체성 28 __2.1.3 자율성 28 __2.1.4 에이전트의 주체성과 자율성에 관한 예시 30 2.2 지능형 에이전트와 그 특성 검토하기 33 2.3 에이전틱 시스템 아키텍처 탐색 34 __2.3.1 계획 기반형 아키텍처 35 __2.3.2 반응형 아키텍처 36 __2.3.3 하이브리드 아키텍처 38 2.4 다중 에이전트 시스템 이해하기 40 __2.4.1 MAS의 정의와 특징 41 __2.4.2 MAS의 상호작용 메커니즘 42 요약 47 질문 48 답변 48 CHAPTER 3 지능형 에이전트의 필수 구성 요소 50 기술 요구사항 51 3.1 지능형 에이전트에서의 지식 표현 51 __3.1.1 의미망 51 __3.1.2 프레임 53 __3.1.3 논리 기반 표현 55 3.2 지능형 에이전트의 추론 56 __3.2.1 연역 추론 57 __3.2.2 귀납 추론 58 __3.2.3 가설 추론 59 3.3 적응형 에이전트를 위한 학습 메커니즘 61 3.4 에이전트 시스템에서의 의사결정과 계획 63 __3.4.1 유틸리티 함수 63 __3.4.2 계획 알고리즘 65 3.5 생성형 AI를 활용한 에이전트 능력 향상 69 __3.5.1 에이전틱 AI 구축 시작하기 70 요약 73 질문 73 답변 73 PART II 생성형 AI 기반 에이전트 설계 및 구현 CHAPTER 4 에이전트의 반성과 자기 성찰 77 기술 요구사항 78 4.1 에이전트에서 반성의 중요성 78 __4.1.1 향상된 의사결정 79 __4.1.2 적응 79 __4.1.3 윤리적 고려 80 __4.1.4 인간-컴퓨터 상호작용 81 __4.1.5 지능형 에이전트의 자기 성찰 83 4.2 반성 기능 구현하기 84 __4.2.1 전통적인 추론 84 __4.2.2 메타 추론 84 __4.2.3 자기 설명 95 __4.2.4 자기 모델링 99 4.3 사용 사례와 예시 102 __4.3.1 고객 서비스 챗봇 102 __4.3.2 개인 맞춤 마케팅 에이전트 103 __4.3.3 금융 트레이딩 시스템 104 __4.3.4 예측 에이전트 105 __4.3.5 전자상거래에서의 가격 전략 107 요약 108 질문 109 답변 109 CHAPTER 5 도구 사용 및 계획 수립 기능 활성화 110 기술 요구사항 111 5.1 에이전트에서의 도구 사용 개념 이해 111 __5.1.1 도구 호출과 함수 호출 112 __5.1.2 에이전트를 위한 도구 정의 114 __5.1.3 도구의 유형 116 __5.1.4 에이전틱 시스템에서의 도구의 중요성 120 5.2 에이전트를 위한 계획 알고리즘 121 __5.2.1 낮은 실용성을 가진 계획 알고리즘 121 __5.2.2 중간 실용성을 가진 계획 알고리즘 122 __5.2.3 가장 높은 실용성을 가진 계획 알고리즘 124 5.3 도구 사용과 계획의 통합 131 __5.3.1 도구에 관한 추론 131 __5.3.2 도구 사용을 위한 계획 수립 133 5.4 실용적 구현 탐색 134 __5.4.1 CrewAI 예제 134 __5.4.2 AutoGen 예제 136 __5.4.3 LangGraph 예시 138 요약 140 질문 140 답변 141 CHAPTER 6 조정자, 작업자, 위임자 접근 방식 살펴보기 142 기술 요구사항 6.1 CWD 모델 이해 143 __6.1.1 CWD 모델의 핵심 원칙 144 __6.1.2 지능형 여행 에이전트를 위한 CWD 모델 145 6.2 역할 할당을 통한 에이전트 설계 148 __6.2.1 각 에이전트의 역할과 책임 151 6.3 에이전트 간 커뮤니케이션 및 협업 158 __6.3.1 커뮤니케이션 158 __6.3.2 조정 메커니즘 159 __6.3.3 협상 및 갈등 해결 159 __6.3.4 지식 공유 160 6.4 생성형 AI 시스템에서 CWD 접근 방식 구현 161 __6.4.1 시스템 프롬프트와 에이전트 행동 161 __6.4.2 지시 형식 지정 162 __6.4.3 상호작용 패턴 164 요약 164 질문 165 답변 165 CHAPTER 7 효과적인 에이전틱 시스템 설계 기법 167 기술 요구사항 168 7.1 에이전트를 위한 집중 시스템 프롬프트와 지침 168 __7.1.1 목표 정의 168 __7.1.2 작업 명세 170 __7.1.3 콘텍스트 인식 172 7.2 상태 공간 및 환경 모델링 173 __7.2.1 상태 공간 표현 173 __7.2.2 환경 모델링 175 __7.2.3 통합 및 상호작용 패턴 177 __7.2.4 모니터링과 적응 179 7.3 에이전트 메모리 아키텍처 및 콘텍스트 관리 180 __7.3.1 단기 메모리(작업 메모리) 180 __7.3.2 장기 메모리(지식 베이스) 181 __7.3.3 일화적 메모리(상호작용 기록) 183 __7.3.4 콘텍스트 관리 184 __7.3.5 의사결정과의 통합 185 7.4 순차 및 병렬 처리의 에이전트 워크플로 186 __7.4.1 순차 처리 186 __7.4.2 병렬 처리 187 __7.4.3 워크플로 최적화 188 요약 190 질문 191 답변 191 PART III 신뢰, 안전성, 윤리, 그리고 응용 CHAPTER 8 생성형 AI 시스템에서의 신뢰 구축 195 기술 요구사항 196 8.1 AI에서 신뢰의 중요성 196 8.2 신뢰를 구축하기 위한 기술 197 __8.2.1 투명성과 설명 가능성 197 __8.2.2 불확실성과 편향 처리 202 __8.2.3 효과적인 출력 커뮤니케이션 203 __8.2.4 사용자 제어와 동의 204 __8.2.5 윤리적 개발과 책임 205 8.3 투명성과 설명 가능성 구현하기 207 8.4 불확실성과 편향 처리 208 요약 209 질문 210 답변 210 CHAPTER 9 안전 및 윤리 고려사항 관리 212 9.1 잠재적 위험 및 도전 과제 이해하기 213 __9.1.1 적대적 공격 213 __9.1.2 편향과 차별 215 __9.1.3 허위 정보와 환각 216 __9.1.4 데이터 프라이버시 침해 217 __9.1.5 지적 재산권 위험 219 9.2 안전하고 책임 있는 AI 보장 220 9.3 윤리 지침 및 프레임워크 탐색 225 __9.3.1 인간 중심 설계 225 __9.3.2 책임과 책임 소재 225 __9.3.3 프라이버시 및 데이터 보호 225 __9.3.4 다양한 이해관계자의 참여 226 9.4 프라이버시 및 보안 문제 대응 226 요약 228 질문 229 답변 229 CHAPTER 10 일반적인 활용 사례와 응용 분야 231 10.1 크리에이티브 및 예술 분야의 응용 232 __10.1.1 크리에이티브 및 예술 에이전트의 발전 232 __10.1.2 실제 적용 사례 233 10.2 자연어 처리 및 대화형 에이전트 236 __10.2.1 언어 에이전트의 발전 236 __10.2.2 실제 응용 사례 236 10.3 로보틱스와 자율 시스템 239 __10.3.1 로봇 에이전트의 발전 239 __10.3.2 실제 응용 사례 240 10.4 의사결정 지원 및 최적화 243 __10.4.1 의사결정 지원 에이전트의 발전 243 __10.4.2 실제 응용 사례 243 요약 247 질문 248 답변 248 CHAPTER 11 결론과 미래 전망 250 11.1 핵심 개념 요약 251 11.2 최신 동향과 연구 방향 252 __11.2.1 멀티모달 인텔리전스 - 다양한 입력의 통합 252 __11.2.2 고급 언어 이해 253 __11.2.3 경험적 학습 - 강화 학습의 혁신 253 __11.2.4 산업 전반에 걸친 실질적 영향 254 11.3 인공 일반 지능 254 __11.3.1 AGI는 무엇이 다른가 254 __11.3.2 큰 도전 255 __11.3.3 학습 방법 배우기 255 __11.3.4 현실 세계 이해 255 11.4 도전과 기회 256 요약 258 찾아보기 261 |
저자 소개 3
Anjanava Biswas
다수의 수상 경력을 보유한 시니어 AI 스페셜리스트 설루션 아키텍트로서 17년 이상의 산업 경험을 갖고 있다. 머신러닝, 생성형 AI, 자연어 처리, 딥러닝, 데이터 분석, 클라우드 아키텍처 분야 등에 능통하며, 대기업들과 협력해 클라우드에서 고도화된 AI 시스템을 구축하고 확장하는 업무도 하고 있다.
Wrick Talukdar
아마존에서 생성형 AI 분야를 선도하는 비전 있는 기술 리더다. AI, 클라우드 컴퓨팅, 제품 리더십과 관련해 20년 이상의 글로벌 경험을 보유하고 있다. AI 기반의 비즈니스 전환을 선도해온 개척자로서, 수백만 명에게 영향을 미치는 대규모 현대화 이니셔티브를 이끌며 엔터프라이즈 성장을 견인해왔다. 수상 경력을 가진 AI/ML 기술의 제품화를 주도했으며, 이 기술은 현재 포춘 500대 기업의 실제 환경에 배포되어 실질적인 성과를 창출하고 있다.
대학 졸업 후 소프트웨어 엔지니어, 소프트웨어 품질 엔지니어, 애자일 코치 등 다양한 부문에서 소프트웨어 개발에 참여했다. 재미있는 일, 나와 조직이 성장하도록 돕는 일에 보람을 느껴 2019년부터 번역을 시작했다. 옮긴 책으로는 『인간 vs. AI 정규표현식 문제 풀이 대결’(제이펍)』, 『애자일 개발의 기술 2판’(에이콘)』, 『타입스크립트, 리액트, Next.js로 배우는 실전 웹 애플리케이션 개발’(위키북스)』, 『추천 시스템 입문’(한빛미디어)』, 『웹 개발 리터러시’(정보문화사)』 등이 있다.
김모세의 다른 상품
관련 분류
품목정보
책 속으로
|
1장에서 설명한 여행 예약 어시스턴트 예시를 다시 떠올려보자. 이 어시스턴트는 항공권 예약뿐만 아니라 호텔 예약도 담당할 수 있다. 이때, 이 시스템은 다음과 같은 방식으로 주체성을 발휘하게 될 것이다. 예를 들어 두 도시 간 항공편의 가용성, 항공편 가격, 사용자가 입력한 좌석 등급 등의 제약 조건을 분석하고 그 조건에 부합하는 항공편과 호텔을 최적화된 방식으로 탐색하는 의사결정을 함으로써 여행 전체 비용을 최소화하는 결과를 만든다. 즉 시스템은 자신이 내린 결정의 결과에 대해 책임지며, 이는 고객의 여행 계획과 전체 비용에 직접적인 영향을 미친다.
--- p.28 또한 MAS의 분산적 특성 덕분에 의사결정도 분산적으로 이루어질 수 있다. 각 에이전트는 자신이 가진 국지적 지식과 제약 조건을 기반으로 독립적인 의사결정을 하면서도, 다른 에이전트들과 협력하고 조정해 전체적인 최적화를 도모할 수 있다. 여행 예약 어시스턴트 예시에서 MAS의 협상 메커니즘은 다양한 참여 주체 간의 효율적인 조정을 가능하게 할 뿐만 아니라 수요/공급의 변화, 가격 변동, 기타 운영 요인 등에 대한 유연하고 적응력 있는 대응을 제공함으로써 고객 요구에 부합하는 보다 탄력적이고 반응성 높은 시스템을 구현할 수 있다. --- p.45 자기 성찰은 에이전트가 모호함과 불확실성에 대처할 수 있는 능력을 강화한다. 과거 경험을 되돌아보며, 에이전트는 복잡하고 동적인 환경에 더 잘 적응할 수 있는 강건한 의사결정 전략을 개발할 수 있다. 따라서 자기 성찰은 변화하는 데이터나 환경과 상호작용하는 시스템에서 특히 중요하다. 이러한 시스템에서는 시간이 지나도 관련성과 효율성을 유지하는 것이 관건이기 때문이다. 자기 성찰은 지능형 에이전트를 단순한 반응적 시스템에서 능동적 학습자로 변화시킨다. 에이전트는 자신의 사고 과정을 이해하고, 경험을 통해 학습함으로써 행동을 지속적으로 정제할 수 있으며, 다양한 상황에서 보다 지능적이고 적응력 있는 성능을 발휘할 수 있다. --- p.83 메타 추론은 여행 에이전트가 자원 할당을 최적화하는 데에도 도움이 될 수 있다. 예를 들어 복잡하거나 고위험의 여행 계획 시나리오(목적지가 여러 곳인 가족 여행이나 대규모 단체 여행을 기획하는 등)에는 에이전트가 더 많은 계산 자원을 할당해 좀 더 깊은 추론과 분석을 수행할 수 있다. 이것은 더 넓은 범위의 옵션을 고려하거나, 다양한 시나리오를 시뮬레이션 하거나, 더욱 정교한 알고리즘을 활용해 최적의 추천을 생성하는 것 등을 포함할 수 있다. 반면, 단순한 주말 여행 예약과 같은 일상적인 요청에는 간소화된 추론 프로세스나 미리 정의된 규칙을 사용할 수 있고, 이로써 계산 자원을 더 복잡한 작업을 위해 아껴둘 수 있다. --- p.85 역할 기반 모델링의 핵심 원칙들(내부 알고리즘 로직과 상호작용 로직의 분리, 동적 역할 할당, 모듈화된 시스템 구성)은 협업이 요구되는 LLM 에이전트들을 설계할 때 특히 유효하며, 에이전트 사이의 명확한 책임 구분과 상호작용 패턴을 유지할 수 있게 돕는다. 에이전트가 가진 능력과 시스템 요구 사항에 따라 구체적인 역할을 할당함으로써 개발자는 관심사의 분리를 기반으로 하는 모듈화되고 재사용할 수 있는 설계를 구현할 수 있다. 예를 들어 지능형 여행 에이전트 시스템에서는 각 에이전트에게 조정자, 작업자, 위임자 등의 역할을 부여할 수 있다. --- p.222 여행 계획 조정자 에이전트는 작업자 에이전트들의 활동을 전체 여행 계획 목표에 맞게 정렬하기 위한 조정 메커니즘을 구현할 수 있다. 예를 들어 고객 선호도 또는 여행 날짜에 기반한 작업 우선 순위 메커니즘을 채용할 수 있다. 고객이 숙박 예약 일정 탐색을 최우선으로 요청하면, 조정자 에이전트는 위임자 에이전트에게 호텔 예약 작업자 에이전트의 우선순위를 다른 작업자 에이전트의 그것보다 높이게 지시할 수 있다. 그리고 조정자 에이전트는 각 작업자 에이전트의 진행 상황을 모니터링하여 자원을 재할당하거나 우선순위를 조정함으로써 작업이 제시간에 완료되도록 할 수 있다. --- pp.255-256 |
출판사 리뷰
|
프롬프트 이후, 이제는 에이전트의 시대
프롬프트 잘 쓰는 법만으로는 더 이상 경쟁력이 되지 않습니다. 이제는 스스로 목표를 세우고, 계획하고, 필요하면 반성하며, 환경에 맞춰 적응하는 에이전트가 실무의 성패를 가릅니다. 『알아서 잘하는 에이전틱 AI 시스템 구축하기』는 그 전환점을 정확히 짚어, 조정자·작업자·위임자(CWD) 모델로 복잡한 시스템을 안정적으로 굴리는 방법을 ‘개념→설계→구현→운영’의 흐름으로 보여줍니다. 이 책의 강점은 명확합니다. 이론 소개에 머물지 않고 여행 계획 에이전트를 끝까지 만들어보도록 합니다. 사용자 요청에 따라 전체 여행 계획 프로세스를 관리하고 작업 에이전트 사이의 효과적인 협업을 촉진하는 조정자 에이전트, 항공권 및 호텔 예약, 활동 계획, 교통편 등에 특화된 작업자 에이전트, 전문성과 작업량에 따라 적절한 작업을 작업자 에이전트들에게 할당하는 위임자 에이전트를 통해 조정자 · 작업자 · 위임자(CWD) 모델을 이해할 수 있습니다. 구현 과정에서 독자는 메타 추론, 자기 설명, 전략적 계획, 다중 에이전트 조정 같은 핵심 기술을 자연스럽게 체득하며, '이렇게 설계한 이유'를 납득할 수 있도록 신뢰·투명성·안전성의 원칙까지 함께 익힙니다. 결과적으로 독자는 ‘작동하는’ 에이전트를 구현하는 법 그리고 운영 중 스스로 성능을 끌어올리는 자기 향상 루프를 설계하는 법을 배우게 됩니다. 많은 책이 ‘에이전트가 무엇인지’를 설명합니다. 이 책은 한 걸음 더 나아가 ‘에이전트를 어떻게 운영 가능한 시스템으로 만드는지’를 보여줍니다. 이미 생성형 AI를 써본 분이라면, 이제는 최소한의 인간 개입으로 비즈니스 목표를 달성하는 자율 에이전트를 직접 구축해보세요. 현장의 언어로 쓰인 이 책이, 그 시작과 완성을 함께합니다. 주요 내용 ● 생성형 AI와 에이전틱 시스템의 핵심 원리 살펴보기 ● 동적 환경에서 에이전트가 작동 · 추론 · 적응하는 방식 이해하기 ● 에이전트가 자기 행동을 분석 · 개선하도록 구현하기 ● 외부 도구를 활용해 복잡한 과제를 계획·수행하는 시스템 설계하기 ● AI 시스템의 신뢰를 구축하기 위한 핵심 기법 살펴보기 ● 다양한 실무 사례를 통해 산업별 AI 에이전트 구현 방법 탐색하기 대상 독자 ● 개발자·ML 엔지니어: LLM 실험을 넘어 서비스 등급의 에이전트를 설계·배포하고 싶은 분 ● PM·기술 리더: 다중 에이전트 워크플로를 조직 프로세스에 통합하려는 분 ● 스타트업·현업 팀: 작은 리소스로 대규모 자동화를 달성해야 하는 분 이 책에서 바로 써먹을 수 있는 것들 ● 역할 기반 아키텍처 청사진: CWD 모델 템플릿과 상호작용 패턴 ● 프레임워크별 레시피: CrewAI·AutoGen·LangGraph의 선택 기준과 통합 가이드 ● 신뢰·안전성 체크리스트: 설명 가능성, 편향·불확실성 처리, 거버넌스 설계 ● 비용·운영 최적화 팁: 캐싱, 로깅, 오픈소스 모델 대체 전략 |
추천평
|
이 책은 단순한 기술적 참고서에 그치지 않고 생성형 AI와 지능형 에이전트의 미래를 함께 만들어가기 위해 꼭 필요한 길잡이 역할을 할 것이다. 또한 연구자, 산업 부분의 리더, 혁신가 모두가 책임 있게 기술의 경계를 확장하며, 사회를 풍요롭게 하는 AI의 다음 장을 함께 써나가는 데 도움을 줄 것이다. 이 책은 시기적절하면서도 통찰력을 가지고 있는 매우 중요한 책이므로, 꼭 읽어볼 것을 권한다. - 매슈 R. 스콧 (Matthew R. Scott)) (Minset.ai 최고기술책임자)
|
|
생성형 AI와 관련된 다른 책들은 에이전틱 시스템의 이론에 중점을 두는 반면, 이 책은 에이전틱 시스템을 실제 구현하는 방법에 초점을 맞추고 있다. 저자들은 실제 코드를 포함한 예제, 실무 활용 사례, 조직 안에서 에이전틱 시스템 워크플로를 통합해 실제 문제를 해결하는 단계별 가이드를 제공한다.
이 책은 소프트웨어 개발자, 머신러닝 엔지니어, 기술 리더, 관리자 등 에이전틱 시스템을 빠르게 이해하고자 하는 독자들을 위한 폭넓고 실용적인 자료다. 이미 ChatGPT 같은 AI 어시스턴트를 사용해봤다면 이러한 시스템이 글쓰기나 코딩에 얼마나 유용한지 잘 알고 있을 것이다. 하지만 종종, AI는 잘못된 답변도 매우 그럴듯하게 대답하기 때문에 사용자가 맹목적으로 잘못 행동하게 될 위험도 있다. 반면, 인간은 그러한 경우 ‘잘 모르겠지만 아마도…’같이 주저하는 표현을 사용하곤 한다. 현재의 AI 시스템은 이와 같은 불확실성 표현 기능을 내장하고 있지 않다. 우리는 AI 에이전트가 정확하게 행동하고, 의심이 들 때는 사용자에게 물어보는 시스템이 되기를 기대한다. 그러한 관점에서 이 책은 신뢰의 문제, 투명성, 설명 가능성, 신뢰성 같은 핵심 주제와 함께 편향, 안전성 같은 윤리적 문제까지 깊이 있게 다룬다. 또한 에이전트 시스템이 사용자 맞춤형으로 동작하고 상황을 인식하며, 자신이 행동한 결과에 따라 계획을 조정하고 반응할 수 있게 만드는 방법도 설명한다. 수십 년 동안 인공지능 분야에서 일한 사람으로서 나는 이 책이 학생, 연구자, 실무자 모두에게 매우 유익한 자료가 될 것이라 확신한다. 이 책은 지능형 시스템이 중심이 되는 새로운 시대에서 앞으로 나아갈 길을 명확히 제시한다. - 알렉스 아크로 박사(Dr. Alex Acro) (미국공학한림원 회원, IEEE 회원) |
25,200원
총 1개
25,200원
