인공지능, 전공은 아니지만 궁금했어요
궁금했지만 배우고 싶지는 않았던 인공지능
비전공자도 이해할 수 있도록 상식 수준으로 풀어 설명합니다.

2016년 알파고와 이세돌의 대결 이후 인공지능과 딥러닝, 머신러닝이 유행처럼 번지고 있다. 하지만 인공지능이 무엇인지 설명할 수 있는 사람은 드물다. 이 책은 평소 인공지능에 대해 알고 싶지만 깊이 있게 공부하기에는 부담스러웠던 사람들을 위한 책이다. 따라서 복잡한 수식이나 어려운 프로그래밍 용어는 최대한 배제하고 인공지능을 최대한 알기 쉽게 설명한다. 전공은 아니지만 궁금했던 인공지능의 역사부터 인공 신경망, 머신러닝, 딥러닝 등 인공지능과 관련 기술의 개념, 기계 번역에 활용되는 언어 모델, 이미지 처리의 원리 등을 다양한 사례를 사용해 쉽고 재미있게 설명한다. 이 책을 덮는 순간부터 ‘아, 인공지능이요? 존 매카시가 다트머스 회의에서 처음 언급했죠.’라고 여유 있게 아는 척할 수 있다.

현재 스위스 제네바의 국제기구에 근무하고 있다. 서울대학교에서 수학 교육을 전공하고 전산학을 부전공했다. 특허청 과장으로 IT 분야에 근무하면서 인공지능을 정부 업무에 활용하기 위해 노력해 왔다. 인공지능 개념과 지식재산 분야의 응용 현황에 대한 강의를 활발히 해 왔으며, 지식재산 분야의 인공지능 관련 국제 논의에도 적극적으로 참여했다. 세계지식재산기구의 인공지능 국제 컨퍼런스에 한국 대표의 자격으로 참여해 발표를 하거나 토론회에 패널로서 참여하기도 했다. 특허 분야 선진 5개국 특허청 모임의 인공지능 태스크 포스 회의에서 '특허행정분야 응용'이라는 주제의 의장을 맡기도 했다. 사람들과 인공지능에 대해 이야기하는 것을 즐기며, 인공지능 교육에 관심이 많다. 인공지능의 개념을 사람들에게 쉽게 설명하고 전달하기 위해 항상 고민하고 있다.

1장. 인공지능과 나의 삶
01. 이미 내 삶 속에 들어온 인공지능 - 인공지능 활용 사례
02. 인공지능 대 사람 - 대결의 역사
전문가의 조언: 딥블루와 카스파로프의 체스 경기 결과
03. 인공지능 기술 발전에 따른 변화 - 사라지는 일자리, 생기는 일자리
전문가의 조언: 4차 산업혁명 시대, 세계경제포럼과 일자리의 미래 보고서
04. 인공지능은 새로운 전기(電氣) - 일자리 변화의 역사
전문가의 조언: 앤드류 응
전문가의 조언: 4차 산업혁명은 아직 모호한 용어
05. 기술적 실업과 고용 없는 성장 - 일자리 감소에 대한 저항과 우려
06. 매슬로의 욕구 단계설 - 사람의 욕망과 새로운 일자리
07. 내 직업이 인공지능으로 대체될 확률은? - 직업별 대체 가능성
전문가의 조언: 사람의 강점
08. 인공지능 시대의 직업 - 진로 설계
09. 인공지능 시대의 문해력 - 인공지능 리터러시
 
2장. 인공지능과 사회
01. 인공지능은 공정한가? - 인공지능이 가진 편견
전문가의 조언: 알고리즘, 프로그램, 시스템
전문가의 조언: 블랙박스 알고리즘
전문가의 조언: 오차 행렬
02. 고인을 되살리는 인공지능 - 불쾌한 골짜기
03. 자율주행차의 윤리 - 트롤리 딜레마
04. 인공지능에 오류를 일으키는 방법 - 적대적 공격
05. 무엇이 진짜이고, 무엇이 가짜인가? - 딥페이크
전문가의 조언: 블록체인과 디지털 지문
전문가의 조언: NFT
06. 신뢰할 수 있는 인공지능 - 설명 가능한 인공지능(XAI)
07. 인공지능 추천 알고리즘 - 확증 편향
08. 인공지능의 저작권 - 인공지능의 창작
09. 인공지능의 특허권 - 인공지능의 발명
10. 인공지능이 그리는 미래 세상 - 유토피아 vs. 디스토피아
 
3장. 인공지능의 개념
01. 인공지능이란? – 인공지능의 개념
02. 시대에 따라 달라지는 인공지능의 개념 - 인공지능 효과
03. 인공지능의 4가지 유형 – 일상생활 속 인공지능 이해하기
04. 인공지능의 개발에 대한 2가지 접근 – 인공지능(AI) vs. 지능 강화(IA)
05. 사람처럼 말하고 행동하는 인공지능 - 약 인공지능 vs. 강 인공지능
06. 인공지능도 생각할 수 있을까? - 튜링 테스트와 중국어 방 논증
07. 다트머스 인공지능 회의 – ‘인공지능’이라는 용어의 탄생
전문가의 조언: 천공카드
전문가의 조언: 인공지능의 선구자들
08. 다트머스 회의 이후 인공지능 연구 방법 - 기호주의와 연결주의
전문가의 조언: 인공지능, 머신러닝, 딥러닝의 관계
09. 인공지능의 붐과 겨울 - 인공지능에 대한 기대와 실망
 
4장. 머신러닝의 개념
01. 머신러닝이란? - 머신러닝과 전통적인 프로그램의 차이
02. 머신러닝의 종류 – 지도학습, 비지도학습, 강화학습
03. 머신러닝 지도학습 예시 - 회귀분석과 경사하강법
04. 머신러닝 비지도학습 예시 - 군집
05. 머신러닝 강화학습 예시 - 탁구, 팬케이크, 벽돌 깨기
06. 머신러닝 성능 평가 1- 정확도와 학습 데이터
07. 머신러닝 성능 평가 2 - 정밀도, 재현율, F1 점수
08. 추천 시스템 - 검색에서 추천 중심으로 전환
09. 학습을 너무 많이 하거나 적게 한 상태 - 과적합, 과소적합
10. 생각하는 인공지능 - 머신러닝이 아닌 인공지능을 구현하기 위한 방법
 
5장. 인공 신경망의 개념
01. 인공 신경망이란? - 인공 신경망의 개념
전문가의 조언: 인공 신경망의 층 수
02. 인공 신경망의 역사 – 초기 한계와 극복
03. 인공 신경망 예시 1 – 숫자, 알파벳 인식
04. 인공 신경망의 블랙박스 특성 – 은닉층의 역할
05. 인공 신경망에서 은닉층의 역할 – 특징 추출
06. 인공 신경망 구조 설계 - 하이퍼파라미터
07. 인공 신경망의 활성화 함수 1 - 뉴런의 활성화 여부 결정
08. 인공 신경망 활성화 함수 2 – 종류 및 역할
09. 인공 신경망 계산 방법 - 순전파
10. 인공 신경망의 학습 방법 - 역전파
11. 인공 신경망 예시 2 – 자율주행차
 
6장. 딥러닝의 개념
01. 딥러닝이란? – 딥러닝의 등장과 개념
전문가의 조언: 딥러닝 4대 천왕
02. 딥러닝 초기, 성능을 알린 대표적인 사건 - 음성 이미지 분야
03. 대표적인 딥러닝 모델과 응용 - CNN, RNN
04. 딥러닝과 머신러닝의 차이점 - 특징 추출 방식
05. 특징 추출의 어려움 - 딥러닝이 필요한 이유
06. 학습, 재학습 - 끊임없는 인공지능의 학습
 
7장. 언어 처리의 원리
01. 자연어와 자연어 처리 - 인공지능을 이용한 언어 처리
02. 자연어 처리에 필요한 것 1 - 총론
전문가의 조언: 컴퓨터에서의 문자 표현
03. 자연어 처리에 필요한 것 2 - 워드 임베딩, 단어를 숫자로 표현하는 방법
04. 자연어 처리에 필요한 것 3 – RNN(순환 신경망)
05. 자연어 처리에 필요한 것 4 - 문장을 숫자로 표현하는 방법
06. 자연어 처리에 필요한 것 5 - 언어 모델
전문가의 조언: 예전에 사용했던 언어 모델
07. 기계 번역의 원리 - RNN과 어텐션
08. 사진, 영상 설명을 자동으로 작성하는 원리 - 기계 번역의 원리를 이용
09. 초거대 인공지능 언어 모델 - GPT3
10. 언어 모델의 이해 - 트랜스포머부터 BERT, GPT까지
전문가의 조언: 엘모와 버트
 
8장. 이미지 처리의 원리
01. 인공지능을 이용한 고양이 인식 - 전통적인 방법, 머신러닝ㆍ딥러닝 이용
02. 이미지 처리를 위한 기본 딥러닝 모델 – CNN
03. 이미지를 인식할 때 인공 신경망에서 하는 일 - 부분에서 전체로 인식 범위 확장
04. 이미지 인식 관련 모델 - 분류, 탐지, 분할
05. 고흐풍의 그림을 그리는 방법 - 뉴럴 스타일 트랜스퍼
06. 가상 모델을 만드는 방법 - GAN