마스터 알고리즘

들어가는 말

제1장 머신러닝의 혁명이 시작됐다
머신러닝은 무엇인가 / 최고의 기업들이 머신러닝을 채택하는 이유 / 머신러닝이 과학을 혁신한다 / 국가의 운명을 바꾼다 / 지상 전쟁에 한 명, 가상 전쟁에 두 명 / 우리는 어디로 향하는가

제2장 마스터 알고리즘은 어떻게 탄생하는가
신경과학에서 / 진화론에서 / 물리학에서 / 통계학에서 / 컴퓨터 과학에서 / 머신러닝 vs 지식공학 / 머신러닝 vs 인지 과학 / 머신러닝 vs 머신러닝 실행자 / 마스터 알고리즘은 당신에게 무엇을 주는가 / 또 다른 만물 이론이 될 것인가 / 본선에 진출하지 못하는 후보들 / 머신러닝의 다섯 종족

제3장 흄이 제기한 귀납의 문제 _기호주의자의 머신러닝
데이트를 할 수 있을까, 없을까 / ‘세상에 공짜는 없다’라는 정리 / 지식 펌프에 마중물 붓기 / 세상을 다스리는 법 / 무지와 환상 사이 / 당신이 믿을 만한 정확도 / 귀납법은 연역법의 역이다 / 암 치료법 학습하기 / 스무고개 놀이 / 기호주의자의 믿음

제4장 우리 두뇌는 어떻게 학습하는가 _연결주의자의 머신러닝
퍼셉트론의 성장과 쇠퇴 / 물리학자가 유리로 두뇌를 만들다 / 세상에서 가장 중요한 곡선 / 초공간에서 등산하기 / 퍼셉트론의 복수 / 세포의 완전한 모형 / 두뇌 속으로 더 깊이 들어가기

제5장 진화, 자연의 학습 알고리즘 _진화주의자의 머신러닝
다윈의 알고리즘 / 탐험과 개발 사이의 딜레마 / 최적 프로그램의 생존 / 성의 임무는 무엇인가 / 자연에서 ‘학습’을 배우는 두 종족 / 가장 빨리 학습하는 자가 승리한다

제6장 베이즈 사제의 성당에서 _베이즈주의자의 머신러닝
세상을 움직이는 정리 / 모든 모형은 틀리지만 그중에는 유용한 모형도 있다 / 예브게니 오네긴에서 시리까지 / 모든 것은 연결되어 있다, 직접 연결되지는 않지만 / 추론 문제 / 베이즈 방식 학습하기 / 마르코프가 증거를 평가한다 / 논리와 확률이라는 불행한 짝

제7장 당신을 닮은 것이 당신이다 _유추주의자의 머신러닝
할 수 있으면 비슷한 점을 찾아봐 / 차원의 저주 / 평면 위의 뱀들 / 사다리 오르기 / 기호주의 vs 유추주의

제8장 선생님 없이 배우기
같은 종류끼리 모으기 / 데이터의 모양 발견하기 / 보상과 처벌 그리고 강화 학습 / 자꾸 연습하면 아주 잘하게 된다 / 연관 짓기 배우기

제9장 마스터 알고리즘을 위한 마지막 퍼즐 조각
여러 가지 학습 알고리즘을 어떻게 통합할 것인가 / 궁극의 학습 알고리즘 / 마르코프 논리 네트워크 / 흄에서 가사 로봇까지 / 지구 규모의 머신러닝 / 의사가 지금 당신을 진찰할 것이다

제10장 이것이 머신러닝이 펼치는 세상이다
섹스, 거짓말 그리고 머신러닝 / 디지털 거울 / 디지털 모형들의 사교 생활 / 공유할 것인가 공유하지 않을 것인가, 그리고 어디에서 어떻게? / 신경망이 내 일자리를 빼앗는다 / 전쟁터에서 인간이 싸우지 않는다 / 구글+마스터 알고리즘=스카이넷? / 진화, 두 번째 막이 시작됐다

맺는말
감사의 말
감수의 글
더 읽을거리
찾아보기

이 책의 가장 큰 목표는 당신이 머신러닝의 비밀에 들어서게 하는 것이다. 차량의 엔진이 어떻게 작동하는가는 기술자와 정비공만 알면 된다. 반면 운전대를 돌리면 차량의 진행 방향이 바뀌고 브레이크를 밟으면 차량이 멈춘다는 것은 모든 운전자가 알아야 한다. 그런데 우리는 머신러닝을 사용하는 방법은커녕 머신러닝에서 운전대나 브레이크에 해당하는 게 무엇인지조차 모른다. 이 책은 당신에게 머신러닝을 효과적으로 사용하려면 알아야 하는 개략적인 지식, 개념 모형을 소개한다.
<들어가는 말> 중에서

머신러닝이 한 회사의 상품을 확실히 좋아하도록 할 수 있는 최선의 방법은 회사가 직접 머신러닝을 수행하는 것이다. 최선의 알고리즘과 최대의 데이터를 보유한 기업이 승리한다. 이로써 새로운 종류의 순환 고리가 생긴다. 가장 많은 고객을 보유한 회사가 가장 많은 데이터를 수집하고 가장 좋은 모형을 학습하고 가장 많은 신규 고객을 얻으며, 이러한 선순환이 계속 이어지는 것이다(경쟁사로서는 악순환이다). 구글에서 빙으로 옮기는 것은 윈도우에서 맥으로 옮기는 것보다 쉽겠지만 실제로 사람들이 옮기지 않는 까닭은 분명하다.
<제1장 머신러닝의 혁명이 시작됐다> 중에서

이렇게 적은 수의 머신러닝이 이렇게 많은 일을 한다면 ‘하나의 머신러닝 알고리즘이 모든 일을 할 수 있지 않을까?’라는 질문이 논리적으로 이어진다. 표현을 달리하면 ‘하나의 알고리즘이 데이터에서 배울 수 있는 모든 것을 다 배울 수 있을까?’가 된다. 이 책의 중심 가설이 여기에 있다. 세상의 모든 지식, 즉 과거, 현재, 미래의 모든 지식은 단 하나의 보편적 학습 알고리즘으로 데이터에서 얻어낼 수 있다. 나는 이 머신러닝을 마스터 알고리즘(master algorithm)이라 부른다. 만약 이런 알고리즘이 가능하다면, 이 알고리즘을 발명하는 일은 역사상 가장 위대한 과학의 성취가 될 것이다.
<제2장 마스터 알고리즘은 어떻게 탄생하는가> 중에서