CHAPTER 1 | 인공지능을 두려워하는 이유 1
1-1 왜 인공지능을 두려워할까요 3
CHAPTER 2 | 인공지능의 정체 9
2-1 무엇을 할 수 있어야 인공지능이라고 부를 수 있을까요 11
2-2 인공지능이 생각하기에 합리적인 것은 무엇일까요 17
2-3 인공지능은 어떻게 해서 최고의 한 수를 선택할까요 20
2-4 인공지능은 어떻게 해서 실패로부터 배우는 것일까요 24
2-5 인공지능에게는 왜 대량의 데이터가 필요할까요 30
COLUMN 인공지능 화가와 뮤지션이 탄생할 것인가 34
CHAPTER 3 | 인공지능은 어떻게 진화해 왔을까요 35
3-1 인공지능이 왜 지금 주목받는 것일까요 37
3-2 인공지능 연구가 급속히 확대되고 있다고 할 수 있는 근거는 무엇일까요 39
3-3 예전의 인공지능은 어떤 것이었을까요 43
3-4 옛날과 오늘날에 인공지능의 차이점은 무엇일까요 49
3-5 머신러닝이란 무엇인가요 53
CHAPTER 4 | 인공지능은 인간과 어디까지 가까워질 수 있을까요 59
4-1 인공지능은 사람의 마음을 이해할 수 있을까요 61
4-2 인공지능이 쓴 글에서 지성이 느껴지는 이유는 무엇일까요 65
4-3 인공지능이 똑똑해지는 데 사람의 지식이 도움을 줄 수 있을까요 67
CHAPTER 5 | 인공지능은 틀릴 수 있다 71
5-1 인공지능은 어떨 때 틀리는 걸까요(첫 번째 73
5-2 인공지능은 어떨 때 틀리는 걸까요(두 번째 77
COLUMN 높은 표현 능력을 가진 딥러닝 모델 80
5-3 인공지능은 어떨 때 틀리는 걸까요(세 번째 81
5-4 인공지능은 어떨 때 틀리는 걸까요(네 번째 85
COLUMN 과학습의 처리 방법 88
5-5 인공지능이 내린 답을 믿어도 될까요 89
CHAPTER 6 | 인공지능 내부에 잠재된 악의란 무엇일까요 95
6-1 인공지능을 속일 수 있다는 것이 사실일까요 97
COLUMN 딥페이크 기술의 순기능 107
6-2 인공지능이 사람을 차별한
책 속으로
인공지능의 정의는 어디에 초점을 맞추느냐에 따라 해석이 다르기 때문에 누구에게나 공통으로 적용될 정의는 존재하지 않습니다. 심리학자, 사회학자, 철학자, 수학자 등 분야마다 각각 생각하는 정의가 다릅니다. 하지만 그렇게 해서는 논의가 진전되지 않으므로 공통의 밑바탕이 되는 기초를 정리해 보겠습니다. _11p
인공지능은 지금까지 다양한 기술이 유행을 반복하며 발전해 왔음을 알 수 있습니다. 인공지능을 이해하려면 어떻게 구성되어 있는가(How보다는 어떻게 행동하는가(What에 주목해야 한다고 할 수 있습니다. 10년 후의 인공지능은 지금의 인공지능과 전혀 다른 구조를 하고 있을 것이 분명하기 때문입니다. _42p
이미지 인식을 예로 들면 동물의 레이블을 학습시킨 인공지능은 자동차 이미지처럼 학습에 사용하지 않은 입력이 있으면 이미 학습한 동물의 레이블(들고 있는 선택지을 통해 차를 동물로 인식하려고 합니다. ‘주어진 데이터에 대해 어떤 결과를 낼 수 있으면 된다’고 하는 목적 함수에서만 학습하고 있는 경우, 모르는 입력이라는 것은 존재하지 않기 때문에 이런 문제가 일어납니다. _87p
이로 인해 인공지능의 내부는 자동으로 설정된다고 자칫 착각하기 쉬운데, 무슨 일이 있어도 사람이 설정해야 하는 부분이 존재합니다. 이것을 하이퍼파라미터(hyperparameter라고 부릅니다. 예를 들어, 딥러닝에서는 층(layer의 깊이나 뉴런의 수 등이 해당됩니다. 좀 더 비유하자면 인공지능의 설계도 같은 것으로서, 학습하는 방법은 같더라도 이 하이퍼파라미터가 다르면 인공지능의 퍼포먼스도 달라집니다. _136p
하나는 안전 성능이 100%가 아니라는 것입니다. 캘리포니아에서 실제로 일어난 사고를 예로 들겠습니다. 자율 주행 자동차는 도로 위에 흰 선을 인식해서 주행합니다. 어느 날 공사로 인해 차선이 임시로 변경되었습니다. 다만 도로 위의 흰 선은 수정되지 않고 그대로였기 때문에 자동차가 엉뚱한 곳으로 돌진해 버렸습니다. 자율 주행 인공지능이
