예측 기계

추천의 말

1장 들어가는 말: 기계 지능
2장 값이 싸지면 모든 것이 바뀐다

1부 예측
3장 예측 기계의 마법
4장 왜 지능이라고 하는가?
5장 데이터, 새로운 원유
6장 새로운 분업

2부 의사결정
7장 결정의 해체
8장 판단의 가치
9장 판단 예측
10장 복잡성 길들이기
11장 완전자동화된 의사결정

3부 툴
12장 워크플로 해체
13장 결정의 분해
14장 직무 재설계

4부 전략
15장 경영진의 인공지능
16장 사업을 혁신하는 인공지능
17장 학습 전략
18장 인공지능 리스크 관리

5부 사회
19장 사회적 이슈들

감사의 말
주(註)
찾아보기

데이터를 얻으려면 때로 큰 비용을 치러야 하지만 그래도 어쩔 수 없다. 데이터가 없으면 예측 기계는 가동되지 않는다. 예측 기계는 데이터가 있어야 정보를 생성하고 제 기능을 발휘하며 성능이 향상된다.

적어도 중단기적 관점에서 보면 의료용 영상을 사용할 때 필요한 다섯 가지 확실한 역할, 즉 영상을 고르고, 의학적 절차에 따라 실시간 영상을 사용하고, 기계가 내놓은 결과물을 해석하고, 신기술로 기계를 훈련시키고, 어쩌면 기계가 이용할 수 없는 정보를 근거로 기계의 권고를 무시하게 될지 모르는 판단을 적용하는 역할은 여전히 인간의 몫으로 남을 것이다.

구글과 페이스북과 마이크로소프트 등 몇몇 기업들은 온라인 소비자 선호도와 관련해 특별히 유용한 데이터를 갖고 있다. 그들은 데이터를 파는 것에 그치지 않고 한 걸음 더 나아가 광고 회사에게 예측을 판다. 구글은 검색엔진과 유튜브와 그들의 광고 네트워크를 통해 유저의 니즈에 대한 자료를 풍부하게 가지고 있다. 구글은 데이터를 팔지 않는다. 대신 구글은 데이터가 생성한 예측 결과를 광고주에게 서비스 패키지로 판다. 누가 구글의 네트워크를 통해 광고하면 그의 광고는 네트워크가 그 광고의 영향을 가장 많이 받을 것 같다고 예측한 사용자에게 노출된다. 페이스북이나 마이크로소프트를 통해 광고를 해도 효과는 비슷하다. 광고주는 데이터에 직접 접근하지 않고, 대신 예측을 산다.