[딥러닝 레볼루션], 테런스 J 세즈노스키, 안진환, 한국경제신문, 2019, (200819).

추천사 006

 

감수자의 글 010

 

딥러닝은 어느 날 혜성처럼 등장한 기술이 아니다. 딥러닝은 '뉴럴 네트워크'를 다층 구조로 구성해놓은 형태를 기반으로 하는 것으로, 딥러닝의 첫 등장은 1980년대, 뉴럴 네트워크의 첫 등장은 1930년대다. 아주 오래전부터 인간은 인간과 유사한 형태를 만들고자 해왔고, 다양한 분야에서 인간의 동작 메커니즘을 모방해서 활용하고자 하는 시도가 이루어졌다. 

 

2006년, 제프리 힌튼이 비지도 학습과 '다층 뉴럴 네트워크(딥러닝)'를 결합한 형태로 과적합 문제를 어느 정도 해결하게 되면서, 딥러닝은 빠른 속도로 발전하기 시작했다.  

 

서문

1부 지능의 재해석

 

1장 머신러닝의 부상 024

 

현재 일반적인 승용차의 주행 시간은 4%에 불과하다. 이는 곧 차의 생애 중 96%의 시간 동안에는 어딘가에 주차해둬야 한다는 의미다. 

 

IQ의 평균은 1930년대 처음 연구된 이래로 세계 전역에서 매 10년마다 3포인트씩 증가해오고 있다. 이런 추세를 우리는 플린 효과라고 부른다. 플린 효과에 대해서는 여러 가지 해석이 가능하다. 인간이 갈수록 인위적으로 창조된 환경에 많이 살게 됨에 따라 뇌 역시 점점 자연이 결코 의도한 바 없는 방식으로 형성되고 있다.   

 

2장 인공지능의 재탄생 061

 

3장 뉴럴 네트워크의 여명 076

 

첫 번째 단서는 우리의 뇌가 강력한 패턴 인식 기능을 갖췄다는 사실이었다. 두 번째 단서는 우리의 뇌가 연습을 통해 피아노 연주에서 물리학 학습 등에 이르는 많은 어려운 작업의 수행법을 배울 수 있다는 사실이었다. 세 번째 단서는 우리의 뇌가 로직(논리)이나 규칙으로 가득 차 있지 않다는 사실이었다. 네 번째 단서는 우리의 뇌가 서로 끊임없이 소통하는 수십 억 개의 작은 뉴런으로 가득 차 있다는 사실이었다. 

 

4장 두뇌 방식의 컴퓨팅 093

 

5장 시각 시스템에서 얻은 통찰 112

 

· 연대표 133

2부 기술적 영향과 과학적 영향

 

6장 머신러닝의 미래

 

7장 알고리즘의 시대

 

8장 헬로, 미스터 칩스

 

9장 내부 정보

 

10장 인식

 

11장 자연은 인간보다 영리하다

 

12장 심층 지능

 

· 연대표

3부 다양한 학습 방법

 

13장 칵테일파티 문제

 

14장 홉필드 망과 볼츠만 머신

 

15장 오류의 역전파

 

16장 컨볼루션 러닝

 

17장 보상학습

 

18장 NIPS

 

· 연대표

헌사

 

용어 설명

 

주