AI 트렌드와 투자 인사이트

이 책을 읽기 전에
서문_어두운 지식과 현대사회
추천의 글

제1장 혜성같이 등장한 AI_어두운 지식의 탄생
오만한 인류
천재의 눈물
인류가 이해할 수 없는 지식을 발견한 기계
이성주의 vs 경험주의
지식의 생물학 기초: 뉴런 연결
표현할 수 있는 명시적 지식
마음으로만 깨달을 수 있는 암묵적 지식
느낄 수도 표현할 수도 없는 어두운 지식

제2장 정보의 획득_기계가 학습할 수 있는 지식
기계가 학습하는 명시적 지식
유추주의자: 암묵적 지식의 머신러닝
기계가 발견한 어두운 지식

제3장 신경망_숨겨진 연관성을 추출하다
퍼셉트론에서 다층 신경망까지
신경망 모형: 온통 다이얼뿐인 블랙박스
안개 속 하산 : 훈련 머신의 모형
신의 시선을 가진 알파고
국부최적: 골짜기를 찾지 못했을 때
딥러닝: 복잡한 것을 단순하게
집중된 것을 분산시키는 합성곱 신경망
시계열 데이터를 처리하는 순환 신경망
알파고와 강화학습
신경망의 패러독스
신경망의 5대 첨단 연구
딥러닝의 한계

제4장 실리콘밸리 각축전_AI 산업 쟁탈전
최신 기술의 거대한 파도
AI 혁신의 3가지 요소
피라미드형 산업 구조
왕 중의 왕, 알고리즘
기술의 핵심, 반도체칩
생태계 전쟁: 프레임워크의 사용과 선택
오픈소스 커뮤니티와 AI 생태계
치열한 AI 기술 경쟁
AI 업계의 다윗과 골리앗
AI 기술의 추진력
AI와 인터넷의 3가지 차이점

제5장 허리케인이 온다_세상을 바꿀 산업
자율주행, 이동 방식을 바꾸다: 10조 달러의 산업
의료산업: 세상에서 가장 경험이 풍부한 의사
스마트 금융: 화이트칼라와 골드칼라의 몰락
스마트 미디어 시대: 인간과 기계가 협력하는 순간이 올 것이다
스마트 시티: 신이 지켜보는 도시
육체 노동자를 대체하는 로봇
바벨탑: 블랙스완 킬러 애플리케이션
전방위적 충격: 이제 시작에 불과하다

제6장 기계는 과연 인간을 뛰어넘을 수 있는가?
딥러닝에 기초한 AI의 본질
가속화되는 과학연구
시의 고수
반 고흐, 진짜 같은 가짜
미래의 공중전
집단학습과 광속 공유
어떤 분야에서 인간이 기계보다 뛰어난가?
인간과 기계의 협업

제7장 비범한 사람과 한가한 사람_AI 시대의 사회와 윤리
누가 먼저 실업자가 될 것인가?
아이들은 무엇을 배워야 할까?
AI 시대의 새로운 직업
새로운 분배제도: 무상소득이냐 무상교육이냐
빈부격차 해소의 길: 민간 공익
권력의 재분배
기계의 결정을 신뢰할 수 있는가?
데이터의 공유
인간 자존감의 근원
기계에게 자의식이 생길까?

종장 인류는 어떻게 해야 하는가?

감사의 말
부록
참고문헌

과거 500년 동안 세계에 대한 인류의 인식은 비약적으로 발전했다. 크게는 우주에서 작게는 입자물리학의 쿼크까지 모두 인류의 손에서 이루어졌다. 인류는 하늘에 오르고 땅속에 들어가고 바다를 향해 나아갔다. 이제 인류가 할 수 없는 일은 거의 없다. 세상 어디든 볼 수 있고, 어느 곳의 소식이든 들을 수 있으며, 심지어 조물주처럼 새로운 종을 설계하기 시작하며 인류 진화 과정의 변화를 시도하고 있다. 인류가 이해할 수 없고 발견할 수 없는 지식은 없다고 믿을 만했다. 2016년 3월 15일 전까지는 말이다.
제1장 혜성같이 등장한 AI_어두운 지식의 탄생

머신러닝의 5대 종족 중 마지막은 진화주의자이다. 그들은 급진주의 경험파로 철저한 불가지론자이다. 진화주의자는 인과관계가 선험적 모형이며 심지어 유추라고 느낀다. 뉴런의 연결 역시 선입견에 치우쳤다고 생각했다. 그들은 어떤 선험적 모형을 선택하더라도 신 앞에서는 한낱 인간의 재롱에 불과하다고 생각했다. 세상은 상상을 초월할 만큼 복잡하여 모형을 찾을 수 없다는 것이다. 진화주의자는 자연계의 진화를 모방한다. 임의의 유전자 변이가 환경에 의해 선택되면, 적응하는 자만이 생존한다. 그들의 방법은 하나의 알고리즘이 유전자와 같은 문자열로 표현될 수 있다. 서로 다른 알고리즘의 유전자를 교배하여 탄생한 자녀 알고리즘으로 문제를 해결하면, 부모보다 나은 종은 손자를 낳고 부모보다 못한 종은 도태시키는 식이다.
제2장 정보의 획득_기계가 학습할 수 있는 지식

이제 알파고가 왜 그렇게 대단한지 이해할 수 있을 것이다. 바둑판에는 19×19=361개의 교차점이 있고 각각의 교차점은 백이나 흑의 양자택일이 가능하다. (…중략…) 인류가 2000년 동안 두었던 바둑은 3,000만 판이다. 인류가 둔 바둑 대결은 거대한 바닷속 물 한 방울(의미가 없는 판은 제외)과 같다. 바둑기사 한 명이 매일 2판씩 50년 동안 두어도 평생 둘 수 있는 바둑은 36,500판에 불과하다. (…중략…) 바둑을 두는 궁극적인 목표는 수많은 산 중 가장 낮은 바닥을 찾는 것(가장 이상적인 방법)과 같다. 만약 모든 가능한 방법이 수천 리에 걸친 거대한 산이라면 인류의 바둑기사는 2000년 동안 작은 산속의 같은 곳을 맴돌고 있었던 셈이다. 첫 번째 기사의 우연한 수가 그의 제자에게 영향을 미치고, 그 후대는 결국 작은 산의 언덕 근처만을 배회한 꼴이 된다. 반면에 머신러닝은 ‘신의 걸음’과 같다. 인간보다 100만 배 빠른 속도로 산을 훑어 순식간에 2000년 동안 인간이 배회했던 골짜기보다 더 깊은 골짜기(절대적으로 낮다고 할 수 없지만 인간이 배회한 곳보다는 낮은)를 찾을 수 있다. 이것이 기성이라 불리는 녜웨이핑마저 알파고의 수를 보고 “보고도 이해할 수 없다”고 소리친 이유이다.
제3장 신경망_숨겨진 연관성을 추출하다