네안데르탈인에 대한 묘사

네안데르탈인에 대한 묘사가, 전반적으로 긍정적인 책은 쉽사리 보기 어려웠다. 물론, 해당분야에 대한 전문지식이 없는 것을 전제로 삼고서 하는 얘기다. 몇몇 책들에서 네안데르탈인을 만날 수 있었다.

제러드 다이아몬드의 <총,균,쇠>에서, 내 기억이 맞다면, 현생인류의 확산이 각 대륙의 대형포유류멸종을 일으켰다는 주장과 함께, 네안데르탈인과도 충돌했을 가능성을 작은 분량으로 언급했던 거 같다. 여기서는 진화에 뒤처져 사라졌다는 결론이었다는 거 같다.

크리스 스트링거의 <Lone Survivors>에서는 최신 고고인류학 연구의 성과를 차분히 열거하면서, 네안데르탈인에 대한 단편들을 소개한다. 흥미로운 단편 중 하나는 우리 유전자에 네안데르탈인 유전자가 들어와 있어, 완전히 남은 아니라는 점을 설명하고, 네안데르탈인의 신체적 특성이 훨씬 추운지역에 적응하여 체격이 크고, 뇌용량도 현대인의 것을 넘고(다만 체격이 큰 만큼 신체에서 뇌의 비율은 현대인 보다 작다), 그들이 남긴 문화유산을 가르쳐주었다. 그러니까, 어느 정도 중립적이지만, 전체 조망보다는 단편단편에 초점을 맞춘다.

그리고 스티브 미슨의 <노래하는 네안데르탈인> 이다. 이 책은 특히 언어와 음악의 기원을 연구한 책이다. 언어의 기원만을 다룬 책들은 무척 많지만, 음악이 언어의 기원일 수 있다는 가설은 좀처럼 만나기 쉽지 않다. 그도그럴 것이 언어의 기원을 추적하는 것은 직관적으로 그 연구대상을 잡기가 막막하지는 않을 거 같지만, 음악의 기원을 추적하는 것은 완전히 다른 얘기다. 음악전공자가 적당할까, 언어전공자가 적당할까, 인류고고학자가 적당할까, 만일 내가 이들 중 한 전공자라도 선택하기 쉽지 않은 주제라고 생각된다. <노래하는 네안데르탈인>은 이러한 연구에 대한 신선한 결과물이다. 음악이 충분히 언어보다 앞서며, 언어의 기원이 될 수 있다는 점을 어느정도 보이고, 네안데르탈인과 현생인류의 차이가 음악에 기반한 언어와 정보 언어의 차이로도 볼 수 있다고 스티브 미슨은 주장한다. 그 과정에서 의식의 기원에 대한 설명도 조금씩 풀려나오는데, 내가 갖고 있었던, 기존의 언어기원에 대한 지식들이 다른 관점으로 신선하게 재구성되는 재미가 있었다. 

언어의 기원에 대한 이해가 생기니까, 네안데르탈인이 매우 인간적으로 다가왔고, 음악으로 얘기하는 인류라는 호감이가는 특징과, 흔히 종교서적에서 발견되는 신의 존재도, 그 언어가 음악적인 언어일 수 있다는 주장이 굉장히 인상에 남았다. 

ML 구현과 이론 공부

페이스북 tensorflow 모임에만 매일 10-20개 새소식과 뉴스들이 올라오고 있다. 수준들과 분야들이 너무 다양해서 내게 맞는 글을 선별하는 것도 쉽지 않을 정도다. 최신 업데이트는 그렇게 줏어 들을 수 있지만, 기본은, 아무래도, 책이 편한 거 같다. 가르쳐주는 사람이나 현업이 아닌 경우는, 여러번 읽고 자기 말로 정리하는 과정을 거쳐 익숙해지고 조금씩 느는 느낌도 생기는 거 같다. 가끔씩 세미나나 프로젝트를 참여해서 보충을 하면 금상첨화인거 같다.

최근에 반복해서 본 책은 Marsland의 <알고리즘 중심의 머신러닝 가이드>다.

반갑게도, 이 책은 거의 Bishop 의 머신러닝 책의 동무(companion)이다. 물리학자인 Bishop의 머신러닝 소개는 알차고 분명하고 깔끔하지만, 공학이나 컴퓨터공학의 배경지식이 아주 넘치지는 않는거 같다. Bishop이 머신러닝 전반에 필요한 형식적 체계를 잘 잡고, 필요한 깊이의 수학 내용을 깔끔하게 잡아내 설명하는데 비하여, Marsland는 컴퓨터 전공자 답게 이쪽 분야 어휘의 기원 부터 어떤 공학적인 아이디어를 입체적으로 능숙하게 설명해준다. 머신러닝에 필요한 수많은 분야에서 잘 취합해, 부드럽게 설명해서, 그 후로 Bishop의 이론에 들어가면 낯설지 않게 공부할 수 있게 도움을 준다. 그리고 파이썬으로 각 머신러닝 분야를 구현하고 있어서 좋다. Bishop 책에서 수식이나 그림으로 잘 감이 오지 않을 때, Marsland의 컴퓨터 관점의 그림이 도움일 될 때가 많았다. 실제로, Marsland가 각 장마다 빈번히 인용하는게 Bishop의 책이기도 하다.

Bishop 책에 잘 안나오는 최적화(머신러닝에 잘 안나오는 공학최적화)관점이나 알고리즘(탐색같은)관점에서 설명을 할 때면 참신하다 싶기도 했다.

그 외 이론 설명은 최소로 하고, 수치로된 데이타를 가지고 파이썬으로 뉴럴네트워크를 구현할 기회를 주는 책도 재밌었다. 

다만, 아쉬운 점은 번역이다. Marsland 책에 담긴 내용이 손상받을 만큼 큰 오역은 없어 보이지만, 번역훈련을 좀 받지 못한 번역자의 번역이라는 인상이다. 머신러닝 배경지식이 있으신 분이 보기에는 문제가 없지만, 처음 참여하는 분이라면 번역이 명확해 보이지 않을 거 같다. 

책이 다루는 분야가 넓다 보니까 낯설고 어려운 분야에서는 어미, 조사 같은 거외에도 내용도 약간 얼버무린 느낌이 있다. 그래도 전반적으로 별 5개 만점에 3.8 는 되는 거 같다.

확률과정, 또 다른 재밌는 책

확률과정을 보는 보통 관점은, 바텀업 방식처럼 보인다. 확률을 다루는 대표적인 교과서인 Popoulis책 처럼, 필요한 확률 지식을 차근차근 설명하는 방식이 그렇다. 이 방식은 너무 범위가 넓어서, 원하는 어떤 방향을 잡기가 쉽지 않다. 물론, 확률을 다루는 많은 책들이 그렇기는 하지만.

그러다가 재밌는 책이 눈에 들어왔다. <Random Data> 구성이 무척 재밌고, 인상적이었다.

마치 탑다운 방식으로 확률과정을 정리한 것처럼 보인다. 저자들 약력에서 알 수 있듯이, 현장경험을 바탕으로한 이론 정리라 그런 접근을 할 수 있는 거 같다. 

확률과정 모델

queueing theory, stochastic model, Markov chain 이런 것들이 궁금해지기 시작하는데, 확률공부를 꼼꼼하게 한 적이 없어, 어떻게 할까하던 차에, 잘 정돈된 책이 생겼다. 이호우 의 <대기행렬이론>에 잘 정리되어 있었다.

궁금했던, 확률생성함수 도 잘 나와있고, 전체 1000페이지에서 확률부분이 300페이지가 넘으니까, 그동안 미뤄덨던 확률공부와 대기행렬 을 천천히 보면 될 듯 하다.

그리고 저자는 연습문제 풀이로 따로 책을 만들었다니까, 참조하면 좋겠다.

NLP 강의 듣기

NLP(Natural Language Process) 분야는 또 하나의 머신러닝의 장이다. 하지만, 일반적인 시각적 이미지를 대상으로 하는 것과 언어를 대상으로 하는 것에는 많은 차이가 존재한다. 이미지는 직관적으로 어떻게 분류할지를 알 수 있는 경우가 빈번하지만, 언어가 대상인 경우는 그렇게 직관적이지 않다.

그리고 그런 어려움이 있기 때문인지, 계속 변화하면서 발전하기 때문인지, 적당한 책을 찾기가 힘든 것 같다. 최근 NLP Deep Learning 과는 관련이 많지 않지만, NLP 의 다양한 영역을 소개하는 책은 아래 책이다.

언어학 지식과 NLP 의 다양한 지식이 잘 소개되어있다.

정보검색에 관한 책은 한권이 번역되어 있었다. 구입해놓고 아직 배송되지 않아 정확하지는 않지만, VSM(vector space model)을 이용해 정보검색을 구축하는 방법이 설명되어 있다고 한다.

지금은 거의 자동으로 전처리 과정을 거치고, 언어의 의미에 관한 표현을 학습시키고 좋은 결과물을 내는 것이 현재의 NLP Deep Learning 이다. VSM은 시작점에 불과하고, 일반적인 다층 layer deep learning 과도 조금은 다른, 자연언어의 의미를 포착하려는 미묘한 노력들이 계속 진행되고 있다.