크레마클럽

4차 산업혁명 제대로 가고 있나
머신러닝, 초연결, 초지능의 모든것

위의 카피문구 그대로 정말 궁금한 것들이 많은 책 ＜딥러닝 레볼루션＞을 이제야 어렵게 읽어봤습니다. 정말 꾸역꾸역 "니가 이기나 내가 이기나" 심정으로 말이죠. 세계바둑기사 이세돌이 AI에게 참패한 이후 인공지능에 대한 관심도는 전에 없이 많아졌고 그 이후로 우리삶에 파고드는 기술의 실테에 대한 궁금증도 같이 커졌던게 사실입니다. 보통 4차 산업혁명의 하나로 소개하며 넘어가는 책들이 많아 아쉬웠는데 AI만을 소개한 책이라 기대가 컸습니다.

그런데, 이 책은 그저 AI에 관심이 있다고 급변하는 IT산업에 밝다고 일반대중이 읽고 이해할 수준의 책이 아니었습니다. ＜딥러닝 레볼루션＞은 AI의 역사서라고 해도될만큼 현재 기술까지 발전한 히스토리와 그 시대별 학자들과 유명 논문들 그리고 그들간의 논쟁들을 아주 전문적이고 학술적인 도표와 그림 그리고 설명(?)으로 가득 채워진 책입니다. 석박사 과정을 공부해본 분들이라면 박사학위가 있다고 그 방면의 모든것에 전문가가 아님을 아실것입니다. 거의 그 학계에서 '점' 수준의 연구결과를 논문으로 내고 통과했을 뿐이죠. 이 책에 소개된 사람들은 실로 그 시대에 그 분야에서 명망이 있고 노벨상을 수상할 정도로 사회에 기여한 공로가 큰 대단한 업적을 남긴 사람들이 남긴 글들로 가득차 있습니다. 생각컨데 AI와 관련한 전공자들이 봐도 결코 쉬운 내용들이 아닌 글들이 가득합니다. 해서 초반부터 이걸 어쩌나 싶었지만 모르면 모른는대로 끝까지 완독을 하고 서평을 남겨보지만 머리에 남는 것이라고는 거의 없다고 하겠습니다.

일단, 책을 읽고 생각해보니 A.I.에 대한 막연한 생각과 실제와의 괴리가 크다는 것이 가장 큰 수확인데요. 말그대로 인공지능이 그저 데이타를 분석해서 뭔가를 찾아내는 빠른 컴퓨팅 기술로만 생각들 하실텐데 그게 아니라는 점입니다. 컴퓨터의 한계가 명확했던 1950년대부터 개념과 연구가 시작되었고 사람의 두뇌를 바탕으로 시작된 연구들이라는 점 또한 의외였는데요. 사람의 시각을 통해 분류하는 모델을 그대로 컴퓨팅하려했다는 점. 두뇌에서 일어나는 모든 현상을 모델로 컴퓨팅하려했다는 점. 그래서 단순한 공학자들의 문제가 아닌 생물학, 인지과학, 심리학 그리고 공학 등 세계 최고의 학자들이 머리를 맞대고 어마어마한 투자와 시간이 빚어낸 결과물이 바로 A.I.라는 사실입니다.

그리고 또하나는 바로 '무어의 법칙'이 IT기술의 발전을 선도했기에 AI기술이 이자리에 올 수 있었다는 점입니다. 메모리 집적기술이 기하급수적으로 발전한다는 무어의 법칙이 컴퓨터 연산과 속도를 상상할 수 없는 수준으로 높여놨기에 인간의 뇌에서 일어나는 현상을 모델로 테스트하고 결과물을 얻어내는게 가능해졌기에 AI기술도 발맞춰 진보했다는 것입니다. 제 나름의 결론은 시간이 더 흐르고 흘러 하드웨어적인 한계가 다시 한번 깨질 수 있다면 인간의 뇌에 준하는 아니 넘어서는 인공지능이 탄생할 지도 모른다는 사실입니다.

몇일전 SF영화 ＜터미네이터:다크페이트＞가 개봉해서 봤습니다. 린다해밀턴이 미래의 기술을 없애버려 1997년 '심판의 날'을 미래에서 지워버렸지만 또 다른 AI '리전'이 인간을 멸하려한다는 설정의 영화입니다. AI와 관련한 ＜딥러닝 레볼루션＞을 읽으면서 미래의 AI가 인간에 미치는 막연한 두려움을 주제로 한 영화를 보니 또 다르게 보이더군요. 기술의 발전으로 한계는 언젠가 모두 깨어지고 심판의 날이 잠시 늦춰질 뿐이라는 영화의 설정과 책을 읽고 지금의 한계는 머지않아 깨어지고 진정한 AI 인공지능 기술이 이 세상을 어떻게 바꾸고 미래는 어떨까? 라고 생각해보니 '명과 암'이 머릿속에 그려집니다.

이 책의 총평을 해보자면,

저자만이 아닌 책에서 소개된 수많은 박사들의 이론과 결과물들을 소화하려면 최소 관련분야 전공자이거나 현재 직업적으로 비슷한 일을 하시는 분이어야 할 것입니다. 그것도 여러학문의 종합적인 누적 지식이 컴퓨터의 하드웨어적인 발전에 힘입어 결과물에 진보가 따라오는 걸 생각해보면 지금 내 주변에서 작게나마 일어나는 기술적 진보가 언젠가는 확연히 다르게 눈앞에서 펼쳐질 것이라는 점입니다. 인류의 역사에 몇차례 기록된 산업혁명의 하나라 치부되기에는 그 영향력이 어마어마할 것이라는 상상에 두렵기까지 합니다.

?? ＜딥러닝 레볼루션＞은 인공지능의 일부기술에 지나지 않을지 몰라도 파급력은 상상을 초월하리라 생각합니다. 아무리 집중해서 책 내용을 이해하려해도 기본지식이 부족하고 검색해서 공부해가면서 용어를 곱씹어 소화하려고 부던히 애써봤지만 눈꺼풀이 얼마나 무거운지 체감하게만 한 책이었습니다. 인공지능관련해서는 바이블로 불릴만한 책이라는데 공감하지만 좀 더 쉽게... (학자의 업적들을 글로 남기는게 중요하다지만) 일반독자에게는 쓸모없는 내용을 지워버리고... 전문가나 기록용의 책자는 따로... 내놓아야 하지 않을까요? 이 책은 논문수준보다 더 불친절할 정도로 설명이 부실합니다. 기본을 알고 연구자가 보리라는 전제를 깔고 쓴 그들만의 책이라고 보이네요. 전공자 아니시면 접근금지!

 

인공지능 기술은 어느덧 우리 삶에 깊이 들어와 있다. 그리고 사람들의 삶, 특히 일의 보람, 노동의 의미에 대한 가치관에 근본적인 변화를 일으키게 될지도 모른다. 이런 와중에 대중적으로 인공지능에 대한 놀라움과 우려를 낳은 사건이 이세돌과 알파고의 바둑 대결이었다. 아직은 우리 삶의 보조적인 수단으로 여겨지는 정도지만 적어도 연산과 논리전개적인 부분에 있어서만은 우리가 인공지능에 의존해야 하는 시대가 가까이 왔음을 보여주는 사건이었다.

 

그러나 인공지능은 말 그대로 인간이 만든, 인간의 사고방식과 지적 활동을 모방한 기계라는 점을 간과해서는 안된다.

 

감수자의 글에서 딥리닝의 정의가 나오는데 좀 어렵다. “‘뉴럴 네트워크’를 다층 구조로 구성해놓은 형태를 기반으로 하는 것, 인간과 유사한 동작 메커니즘을 만들어서 활용하고자 하는 시도의 하나.” 지난 2006년 제프리 힌튼이라는 사람이 “비지도 학습과 ‘다층 뉴럴 네트워크(딥러닝)’를 결합한 형태로 과적합 문제(기존의 편중된 데이터의 응용과 관련한 문제)를 히결하게 되면서, 딥러닝은 빠른 속도로 발전”했다고 한다. 그리고 우리가 알고 있는 음성 인식, 얼굴 인식, IoT기술, 자율주행 자동차 등으로 발전한 것이다. 이 책을 읽어가면서 어느 정도까지 이해할 수 있을지 걱정이 앞선다.

 

서문에서 우리는 이 책의 주요 개념들을 볼 수 있다. ‘인공지능’, ‘딥러닝’, ‘뉴럴 네트워크’ 등이다. 저자는 이 책이 인공지능 기득권층에 도전한 일단의 소규모 연구원들에 관한 이야기이며, 딥러닝의 과거, 현재, 미래를 한눈에 파악할 수 있는 일종의 가이드북이라고 소개한다. 포괄적 역사보다 주요한 개념적 진보와 그런 진보를 이룩한 사람들에 대한 이야기에 초점이 맞춰져 있다고 내용의 범위를 알려준다.

 

이 책은 해당 분야의 중심 인물 가운데 한 명인 저자가 개인적인 관점에서, 기호와 로직, 규칙에 기초한 인공지능에서 (빅데이터와 학습 알고리즘에 기초한) 딥러닝 네트워크로의 전환에 대한 비하인드 스토리를 들려주며, 딥러닝의 기원과 영향력을 탐구하는 책이다.

 

1부에서는 연구의 개시 동기와 기원 등 딥러닝 연구의 배경을, 2부에서는 우리 삶에 미칠 영향과 앞으로 미칠 가능에 대해, 3부에서는 딥러닝의 기반이라는 ‘뉴럴 네트워크 아키텍처’가 어떤 학습 알고리즘에 기초하는지 설명한다고 한다. 다시 말해 이 책은 인공지능 혁명을 이끈 선구자들의 여정과 그들이 세상에 남긴 업적과 영향에 관한 이야기인 것이다.

 

딥러닝은 수학과 컴퓨터공학, 신경과학에 뿌리를 두고 있는 머신러닝의 한 분야다. 딥러닝 네트워크는 아기들이 자신을 둘러싼 세상을 배워나가는 것과 같은 방식으로 데이터를 통해 학습한다.

 

딥러닝의 기원은 인공지능을 창출하는 방법에 관한 두 가지 다른 시각이 경합을 벌이던 1950년대의 인공지능 태동 시점까지 거슬러 올라간다. 하나는 로직과 컴퓨터 프로그램에 기초한 시각이고 다른 하나는 데이터로부터 직접 학습하는 방식에 기초한 시각이다. 컴퓨터의 역량이 커지고 빅데이터가 풍성해진 오늘날에는 학습 알고리즘을 사용해 문제를 해결하는 것이 더 빠르고 보다 정확하고 훨씬 효율적이다.

 

딥러닝 기술의 발달로 운송, 번역, 청취, 진단, 투자, 법무, 포커, 바둑, 지능 강화, 인력 시장 분야에서 비약적인 발전이 이루어진 사례를 소개하고 있다. 이는 곧 우리에게 친숙한 자율주행 자동차, 구글 번역과 같은 인터넷 자동 번역 시스템, 음성 인식 서비스 등이다. 이런 발전의 공통점으로는 비용 감소, 새로운 시장 개척, 기존의 직종을 대체하는 새로운 직종이 생겨 인공지능의 발달로 인한 위기감이 줄어들 것이라는 기대감 등이다. 저자는 특히 교육 분야에서 비용과 시간, 장소의 제약이 없는 평등한 양질의 교육이 가능하게 되면서 전체적으로 인간의 지능과 능력이 향상될 것이라는 밝은 전망을 내놓고 있다.

 

인공지능의 재탄생

인간 지능의 기능을 가진 컴퓨터 프로그램을 작성하려고 애썼던 인공지능 개척자들은 인간의 뇌가 실제로 어떻게 지능적인 행동 방식을 성취했는지에 대해서 관심을 갖지 않았다. 그런 배경에는 뇌 기능의 기본 원리가 1950년대에 막 알려지고 있었다는 시대적, 기술적 한계가 있긴 했다.

 

주류에 속하지 않은 소수의 인공지능 연구원 그룹은 인공지능 접근 방식이 뇌의 실제 생물학에서 영감을 받아야 한다고 믿었고, 그런 방법론적 토대를 나름대로 ‘뉴럴 네트워크’나 ‘연결주의’, 또는 ‘병렬분산처리’ 등으로 불렀다. 이 소그룹이 결국 로직 기반의 인공지능이 이해하지 못했던 문제를 해결하게 되는 것이다.

 

즉 인공지능의 개척자들과 주류들은 로직 기반의 인공지능 개발이라는 방식의 한계가 명확했음에도 불구하고 포기하지 못했고, 이에 반해 비주류 연구원들은 ‘실제 뇌의 작동원리’에서 그 해결책을 찾으려 했고 결국 로직 기반 인공지능이 가진 한계 및 문제를 해결했다는 것이다.

 

뉴럴 네트워크라는 새로운 인공지능 개발 방식에 대한 확신의 토대는 자연이 문제를 해결하는 방식을 적용하면 된다는 것이었다. 컴퓨터와 인터넷이 보다 고도로 발전하고 이에 따라 방대해진 데이터들을 처리하는 기술이 발전하면서 뉴럴 네트워크 기술은 이상에 걸맞은 날개를 달았다.

 

딥러닝의 직접적인 조상으로 소개하는 ‘퍼셉트론(perceptron)'애 대한 이야기를 주로 다루고 있다. 이는 알파벳 등과 같은 패턴을 분류해 범주화하는 법을 배울 수 있는 학습 알고리즘 네트워크다. 퍼셉트론이 패턴 인식 문제의 해결 방법을 배우는 기본 원리를 이해하면 딥러닝의 작용 방식을 반은 이해한 셈이 된다고 한다. 이는 우리가 세상의 사물에 대해 배우는 것과 마찬가지의 방식이라고 한다. 이것을 실세계에서 적용할 수 있도록 일반화하는 것이 중요한데, 러시아의 수학자 블라디미르 바프닉이 ’서포트 벡터 머신‘이라는 분류기를 창안함으로 어느 정도 성공한다. 지금도 머신러닝에 널리 활용되고 있다고 한다.

 

그러나 퍼셉트론이 분류할 수 있는 것은 선형으로 분리 가능한 범주뿐이라는 사실이 증명되면서, 새로운 세대의 뉴럴 네트워크 연구원들이 문제를 새로운 시각으로 들여다볼 때까지인 1980년대까지 해당분야는 방치되었다.

 

뉴럴 네트워크를 통한 새로운 컴퓨터 방식인 퍼셉트론은 딥러닝의 출발점이기 때문에 그 의미가 크다.

 

1980년대에 지능형 행동 방식을 모방하는 네트워크 모델의 가능성을 믿은 연구원들이 아주 극소수인 것만은 아니었다. 많은 수의 연구원들이 전문 네트워크 모델을 하나둘 선보이기 시작했다. 그중 오사카대학교의 쿠니히코 후쿠시마 교수는 다층 네트워크모델 네오코그니트론을 개발했는데, 이 역시 딥러닝의 직접적인 조상이라 할 수 있다. 그러나 이런 네트워크 기반 모델들은 모두 하나의 치명적인 결함을 갖고 있었다. 어떤 것도 현실 세계의 문제를 해결하기에 충분하치 않다는 사실이었다. 그런 이유로 규칙에 기반한 상징 처리는 지원금의 댑분을 차지하며 관련 일자리의 대부분을 창출하게 되었다.

 

프린스턴대학원에서 물리학을 전공하던 저자는 비선형으로 상호 작용하는 뉴런들의 네트워크에 대한 방정식을 작성하고 분석하는 방법으로 뇌를 이해하는 문제에 접근한다. 그러다가 신경과학 분야를 통해 복잡성이 뇌의 기능을 이해하는 왕도가 아님을 깨닫게 된다. 새로운 관점이 열리는 순간이다. 후에 저자는 40년 동안 ‘연산 신경과학’이라는 새로운 분야를 개척하며 그 연결고리를 찾기 위해 노력했다.

 

인간이 인공지능을 개발하기 시작한 것은 어쩌면 창조주가 금지한 과실을 따먹고 싶어했던 아담과 하와의 심리처럼, 또 하늘 끝까지 닿는 탑을 쌓아 인간의 위엄을 보여주려 했던 바벨탑 사건을 떠올리게도 한다. 무언가를 새로 창조함으로써 인간의 가치를 한껏 더 높이고픈 욕심일지도 모르는 것이다. 그러나 너무 부정적인 경향으로 봐서도 안되겠다는 생각이 드는 이유는, 이것으로 인해 많은 사람들이 유익을 얻을 수 있는 길도 열렸기 때문이다.

 

인공지능이 사람을 더 발전시킬지 아니면 두뇌만 남아 가상현실을 돌아다니는 매트릭스의 세계로 나아가게 될지 그런 공상과학적인 생각을 좀 더 현실적이고 객관적인 것으로 바꿀 수 있게 해준 흥미로운 책이었다.

테렌스 J. 세즈노스키 지음

 

1부지능의 재해석

2부 기술적 영향과 과학적 영향

3부 다양한 학습 방법

그중에 2부 12장 심층 지능은 무엇일까 살펴보겠습니다.

 

    크릭은 인간의 노에 집중하기로 결정했고, 브레너는 새로운 모델 유기체인 예쁜 꼬마선충에 관한 연구를 시작했다. ... 이 선충은 오랜 기간에 걸쳐 체내의 모든 세포를 추적함으로써 배아 상태에서 출발한 생명체의 발달 과정을 이해하는 데 있어 다수의 획기적 발견의 출발점 역할을 했다. 브레너는 이 연구로 2002년 노벨 생리의학상을 수상한 바 있다. 브레너는 특유의 유머 감각으로도 유명하다. 그는 노벨상 수상 소감을 이렇게 전했다. "내 강의의 제목은 '자연이 과학에 주는 선물'입니다. 서로 추켜세우는 데 여념이 없는 과학전문지에 대한 강의가 아니라 살아 있는 세계의 위대한 다양성이 생물학 연구에 어떤 식으로 영감을 불어넣고 혁신을 북돋을 수 있는지에 대한 강의입니다." 마치 천지창조 자리라도 참석한 것 같았다.

 

    2009년 인간 게놈 읽기 라는 제목으로 소크생물학연구소에서 브레너가 진행한 세 번의 강연은 슬라이드나 소도구 하나 없는 역작이었다. 주목할 점은 세 번의 개별 염기쌍을 모두 나열한 인간 게놈의 전체 배열을 읽어낸 것은 지금까지 컴퓨터만이 성취한 과업일 뿐 누구도 해내지 못했다는 것이다. 브레너는 그것을 목표로 삼았고 마침내 목표를 달성했다. 그리고 서로 다른 유전자와 생물 종의 DNA 배열 사이에서 온갖 종류의 흥미로운 유사점을 발견하게 되었다. 269쪽

 

    현대 문명의 발달이 가능했던 것은 음성 언어가 아니라 쓰기와 읽기 그리고 학습 덕분이다. 273쪽

 

    진화를 가능하게 만든 세포와 뇌의 운영 체계를 발견할 수도 잇을 것이다. 만약 우리가 이 문제를 해결한다면 상상조차 어려운 혜택이 주어질지도 모른다. 자연이 한 개인보다 영리한 것은 사실이다. 그러나 우리 인간이 하나의 종으로서 언젠가 지능의 수수께끼를 풀지 못할 이유는 없다는 것이 나의 믿음이다. 278쪽 

 

    ＜1년 안에 AI  빅데이터 전문가가 되는 법＞ 과 이런 책들을 읽고 연습하면

빅데이터와 AI를 사용하는 사람이 될 수 있을까요? 수학은 언제 배우고 자동차는

언제 바꾸지? ㅎㅎㅎㅎㅎ 웃으려고 해본 말입니다. 사실 선택하고 나면 그리고 실행을

통해 많은 것이 바뀝니다.

    선택과 실행 그리고 보완을 통해 삶을 살아가는 것이라는 것을 배우고 있는 요즘

입니다. 그러니 고민해서 선택하고 그 결과를 받아들여야죠. 가능한한 현재와 미래가

좋은 쪽으로 지금을 사용하렵니다

딥러닝은 머신러닝의 한 분야입니다.

딥러닝과 머신러닝 관련기사들도 많이 나오고 있습니다.

기술적으로도 유명한 딥러닝이 어떤 것인지 알아보겠습니다.

딥러닝이 유명해진 계기를 아십니까?

딥러닝은 2016년 알파고가 등장하기 전까지는 주목받지 못했습니다.

알파고가 유명한 프로 바둑기사인 이세돌과 대국을 하면서 주목받게 된 것인데요.

이때 방송으로 공중파와 바둑채널에 생중계까지 됐습니다.

딥러닝의 발전을 살펴보겠습니다.

1. 프로 바둑기사와 알파고 

인공지능 알파고가 이세돌 9단과의 대국이었습니다.

프로 바둑기사는 무수히 많은 수를 내다봅니다.

딥러닝이 프로기사와 대국에서 이길려면 더 많은 수를 볼 수 있어야 합니다.

알파고가 이길 수 있었던 것은 이세돌 9단보다 더 많은 수를 내다 봤기 때문입니다.

그 이후로도 인공지능은 다양하게 발전했습니다.

인공지능하면 현재 진행이 보이는 것은 인공지능 스피커입니다.

휴대폰, 자동차, 집에서도 사용되고 있습니다. 

2. 자율주행 자동차

또한 자율주행 자동차도 연구되고 있는데요.

자율주행 자동차 연구가 끝나면 세상은 많이 변할 것입니다.

술을 마시면 자율주행 차에게 운전을 맡기고 음주운전을 안해도 됩니다.

차는 많은데 주차할 공간을 못찾아 어려워 하는 상황도 있습니다.

하지만 자율주행이 가능해지면 주차도 알아서 하게 될 것입니다.

딥러닝 레볼루션은 딥러닝이 세상에 가져올 혁명을 말합니다.

딥러닝과 인공지능은 이상적으로 바라보는 시선과 종말론으로 바라보기도 합니다.

자율주행 자동차가 개발되면 운전일을 하던 택배, 택시 운전사들의 생계도 안좋아 질 수 있습니다.

아직 연구중인 것은 안전이 확보되지 않기 때문인 것으로 보입니다.

Ps.

인공지능은 다양한 분야에서 연구되고 있습니다.

아나운서, 화가, 자동화 등 사람이 하는 일도 인공지능이 해내면서 놀라움을 줍니다.

세계에서도 인공지능을 주목하고 있고 모든 역량을 쏟고 있는 나라도 있습니다.

모두가 주목하는 딥러닝에 관심이 있다면 이 책을 읽어볼 것을 추천합니다.

"인공지능은 단지 게임분야뿐 아니라 예술에서 과학에 이르기까지 인간이 노력을 기울이는 모든 분야에 그 혜택을 미칠 것이다. 인공지능은 우리를 더욱 똑똑하게 만들 수 있다. (p59) "

나는 테런스 J. 세즈노스키교수님께서 저술하시고 한국경제신문에서 출간한 이책 ＜딥러닝 레볼루션＞을 읽다가 윗부분을 읽고 신선함을 느꼈고 인공지능의 순기능이 훨씬 많다는걸 깨달았다.

지난 2016년 알파고와 이세돌 9단의 바둑대결은 전세계의 이목을 집중시켰다.

세계 최고의 바둑기사와 인공지능 알파고의 다섯차례 대결은 과연 어떻게 끝날까 세인의 관심을 끌었다.

근데, 그당시 이세돌 9단은 전승을 자신하며 자신감에 넘쳐있었다.

드디어 1차전이 열렸다.
손에 땀을 쥐게하는 접전끝에 백을 잡은 알파고가 186수끝에 불계승했다.

아 파란이 일어났다.

세상에 이세돌 9단이 인공지능에게 패배하다니~

다시 2차전이 열렸지만 역시 알파고 승리!
3차전도 알파고 승리!
근데 4차전은 백을 잡은 이세돌 9단이 180수끝에 불계승했다.

그러나, 5차전은 백을 잡은 알파고가 280수끝에 불계승했다. 이세돌 9단이 어이없게도 1승 4패의 완패를 당한 것이다.

근데, 그 1승도 알파고가 봐줘서 이세돌 9단이 승리했다는 후일담도 들리는거 보면 정말 인공지능 알파고의 위력을 새삼 느끼게해줬다.

정말 이 대국이전엔 사람들이 인공지능에 대해 그리 깊게 알지못했는데 이 대국이후 인공지능이 사람들의 일자리를 뺐어간다는 공포심이 전방위적으로 퍼져나갔다.

근데, 그후 사람이 운전안해도 저절로 가는 차가 개발되었다는 쇼킹한 뉴스가 전해졌다.

바로 테슬라 모터스의 CEO인 앨런 머스크가 개발했다고해서 사람들에게 놀라움을 안겨주었다.

우리나라에서도 몇년후엔 자율주행차가 거리를 돌아다닌다던데 그렇게된다면 정말 천지개벽까지는 아니어도 세계를 변혁하는 일대 센세이션이 아닐 수 없다.

몇가지 결함만 제거하면 자율주행차가 거리를 자유로이 주행할 날이 멀지않다는 사실만으로도 사람들에게 공포로 다가오고있다.

그런 여러가지 트렌드들이 전인류를 휩쓰는 이시기에 이책은 나에게 신선하게 다가왔다.

빅데이터, 초연결, 인공지능, 자율주행, 사물인터넷까지 전방위적으로 융단폭격하고있는 머신러닝과 딥러닝이 세상을 어떻게 변화시키고 발전시킬지 471쪽에 달하는 이책으로 잘파악할 수 있었다.

그런데, 이책이 사람들의 일자리를 잃게하기만하는 비관적인 이야기만 하는게 아니다.
난 이책을 읽고서 오히려 희망이 생겼다.

그것은 인공지능이 사람들의 생활을 편리하고 윤택하게 하는건 물론이고 사람들에게 새로운 일자리를 창출할 수 있다는데 새로운 희망이 생겼다.

그리하여 이책은 AI시대를 맞아 어떻게 준비해야할지 고민이신 분들께서는 꼭읽어보실 것을 권유드리고싶다.

AI

이는 역기능보다는 순기능이 훨씬더 많다는거~
글고 이에 대해 준비를 철저히 해야한다는거~

이책을 읽고서 절실히 깨닫게되었다 ~ ^^*