인공지능이 뭔지 알기 쉽게 썼어요.

이것이 인공지능이다 - 하룻밤에 읽는 AI(인공지능)의 모든 것!
김명락 지음 / 슬로디미디어 / 2020년 7월

최근 몇 년은 아니 앞으로도 당분간은 인공지능에 관해서 많은 이야기들이 오가리라 생각하면서 도대체 영화에서 봐 온 인공지능이 뭔지 궁금해서 가장 쉬운 내용을 찾아 읽었는데.

알기 쉽게 보기를 들어 쓰고 있어서 이해하기에 쉽다. 그래도 그 정의들은 기본 틀은 외우고 있어야 되는 데. 허참! 그게 잘 안 외워지네. 읽을 땐 알겠는 데 몇 장 넘어가니 가물거려서 다시 되돌아가 찾아 읽어 보게 된다. 나이는 못 속이는 것인지...

4차산업혁명 시대에 살고 있지만 세상살이 시작은 오래 전이라 요즘 것(?!)들을 공부하려면 쉽지가 않다. ㅠㅜ

결론은 인간은 가치 판단과 창조성을 발휘하는 일을 해야 한다는 것이다.

여하튼 이 책은 그나마 인공지능에 대해서 쉽게 알려줘서 좋다.

관심 있는 분들이 처음 시작하는 책으로 만나면 좋을 것 같다.

"앞으로 본격적으로 다가올 인공지능 시대는 이공지능을 각자의 관점으로 이해하고, 실제로 활용하기 위한 다양한 시도를 하는 보통의 사람들에 의해 시작될 것이다."

"빅 데이터는 데이터의 양으로 구분하는 것이 아니라 전체 데이터 중 일부를 인포메이션으로 선별했는지 여부다. 따라서 빅데이터라는 표현보다는 올데이터(all data) 라는 표현이 정확한 표현이다."

"DT(Data Technology)는 인간의 사고력 안에서 답을 찾는 것이 아니라 올데이터 안에서 답이 나타나도록 하는 방식이기 때문에 데이터드리븐이라는 표현을 쓰기도 한다. T의 2가지 핵심 기술이 바로 빅데이터와 인공지능이다."

"인공지능의 기반은 철학, 수학, 경제학, 신경과학, 심리학, 컴퓨터 공학, 제어 이론과 인공두뇌학, 언어학이고 인공지능을 기술적인 관점에서 분류하면 대략적으로 검색, 제약 만족 문제, 논리적 에이전트, 계획 수립, 지식 기반 시스템, 확률적 추론, 의사결정, 머신러닝, 자연어 처리로 나눌 수 있다. 따라서 인공지능은 매우 범위가 큰 학문이다."

"빅데이터를 훈련 데이터로 삼아서 인공지능을 훈련시켜야만 인공지능이 제대로 된 성능을 보여 줄 수 있고, 빅데이터로부터 의미 있는 메시지를 얻을 수 있다."

"인공지능이 제대로 된 성능을 보여주기 위해서는 방대한 빅데이터를 수집한 후 전처리하는 과정을 거쳐서 훈련 데이터로 만들어야 한다. 이렇게 확보한 훈련 데이터로 인공지능을 훈련하고, 훈련의 결과로 만들어진 성능을 테스트하고 빅데이터 수집부터 성능 테스트까지의 과정을 계속해서 반복해야 한다. 많은 시간과 비용이 필요하다."

인포메이션이 충분할 수록 딥러닝 보다는 머신 러닝이,머신 러닝보다는 통계가 유리하다. 반대로 인포메이션이 부족할수록 통계보다는 딥러닝이 아닌 머신러닝이, 딥러닝이 아닌 머신러닝보다는 딥러닝이 유리하다."

"분석의 대상이 되는 데이터 중에서 크기와 형태가 정해져 있는 정형 데이터의 비율이 높을수록 농계에 유리하고, 크기와 형태가 정해져 있지 않은 비정형 데이터의 비율이 높을수록 딥러닝이 유리하다."

"정확도와 정밀도, 재현율, 조화평균 정도만 알면 인공지능을 적용한 결과가 기존보다 더 좋아진 것인지 아닌지를 충분히 판단할 수 있다."

"가치 판단이 포함된 일이나 창조적인 결과가 기대되는 영역에서는 인공지능의 역할이 없다."

"인공지능은 이미 존재하는 사례 내에서 분류하고 사례와 유사한 패턴을 만들 수는 있지만, 세상에 존재하지 않은 새로운 것을 창조하지는 못하다. 세상에 존재하지 않은 새로운 방식이나 스타일을 가지고 확률적으로 도출할 수 있는 것이 아니라, 어떤 것이 더 아름답고 가치가 있다는 믿는 것에서 시작되기 때문이다."

"인공지능을 선택하는 것은 사람이 이해하기 쉽고 납득하기 쉬운 접근을 포기하는 대신에 성능적으로 더 우월한 대안을 선택하겠다는 끗이다."