고동진 전 삼성전자 대표이사 강력 추천!! “기업의 의사 결정에 인공지능 기술에 대한 고려가 점점 중요해지고 있기에 인공지능을 깊이 있게 경험한 저자들의 통찰이 특히 귀중하다” AI 퍼스트, 새로운 제국의 출현! AI나 인공지능은 여전히 우리 삶에서 멀리 있는 듯 보이지만 사실 우리 삶에 깊숙이 들어와 있는 상태다. 모바일 기기 속 여러 기능이 대표적으로 그러하다. 지문 인식, 얼굴 인식, 시리로 대표되는 음성 인식 등 인공지능으로 분류되는 여러 기능이 모바일 그리고 PC와 결합되어 꾸준히 우리에게 선보여지고 있다. 그저 인공지능이라고 하면 로봇 같은 이미지를 떠올리기 때문에 와닿지 않을 뿐이다. 구글은 2017년에 일찍이 모바일 퍼스트에서 AI 퍼스트로의 전환을 천명했고, 실제 AI와 관련하여 많은 일을 해내고 있다. 이러한 변화는 구글에만 나타난 것이 아니다. 마이크로소프트, 애플, 국내의 경우에는 네이버, 카카오, LG전자 등이 AI를 중심에 두고 기술을 개발하고 있다. 2019년에 손정의 회장이 청와대에서 “AI, AI, AI”를 외친 것도 이와 무관하지 않으며, 현재 인공지능 개발자들의 몸값이 천정부지로 치솟는 것 역시 인공지능이 지금 시대에 어떤 가치를 지니는지를 잘 보여 주는 사례라 할 수 있다. 인공지능은 기업 입장에서 더 이상 피할 수 없는 시대의 흐름인 것이다. 작은 변화들이 거대하게 보이지는 않지만 이미 거대한 비즈니스 혁명의 물결 속에 우리는 처해 있는 것이다. 게임체인저, 미래 메가트렌드 “AI, AI, AI” 인공지능의 과거와 현재에서 미래를 읽어라! 『AI 혁명의 미래』는 1950년대, 인공지능이 처음 개발되던 시기부터 훑는다. 그 까닭은 간단하다. 모든 혁신이 그렇듯 갑자기 탄생하지 않기 때문이다. 인공지능이 본격적으로 주목받은 시기는 2000년대다. 즉 그 전까지는 차갑다 못해 얼어붙을 것만 같은 빙하기를 보내야 했다. 하나를 개발하면 다른 데서 또 다른 문제가 터져 나오는 식으로 학자들의 입에서 탄식을 자아내게 한 것이다. 이 과정을 저자들은 ‘혁신의 여정’이라 부르며, ‘이 혁신의 여정’이 없었다면 지금의 인공지능은 탄생하지 않았을 거라고 단언한다. 현재까지 수많은 테크닉을 개발한 학자들은 물론이고, 20년 안에 상용화할 수 없는 연구만 지원해 온 캐나다의 CIFAR 그리고 상업적으로 증명되지 않은 기술에 과감히 손을 뻗은 구글이 이 여정의 주인공들이다. 여기에 엔비디아는 범용 GPU를 개발함으로써 과학자들의 기술을 현실에서 사용할 수 있도록 하드웨어적인 기반을 만들어 줬다. 그 결과 우리는 지문 인식에 이은 얼굴 인식, AI 스피커, 음성 합성 등 많은 기술을 수시로 마주하고 있다. 이 책의 2부와 3부에서는 그 사례들을 하나하나 소개하면서 인공지능이 얼마나 많은 발전을 이루었으며, 현재의 인공지능이 어떻게 개발되고 우리 삶에 적용되고 있는지를 이야기한다. 4부, 5부, 6부에서는 거칠 것 없던 지금의 인공지능 앞에 어떤 새로운 문제들이 찾아들었는지, 그에 따라 극복하고자 기업들이 어떤 노력들을 하고 있는지를 언급하며 처음에 던졌던 의문을 다시 던지는 시기가 되었음을 말하고 있다. ‘다시 인공지능 겨울을 맞이할 것인가, 아니면 언제나 그랬듯 돌파구를 찾아 본격적인 인공지능의 시대로 접어들 것인가?’ 이에 대한 답을 찾는 건 이 책을 읽을 독자들의 몫이다. 정확하게는 인공지능 관련 진로를 꿈꾸는 대학생, 관련 기업에서 일하고 싶은 사람 또는 해당 기업에 투자를 고민하는 투자자가 결정할 일이다. 해당 회사는 얼마나 현실적인지, 해당 모델의 사업화가 임박했는지 아니면 완전히 새로운 길을 가는 회사인지를 확인할 필요가 있다. 한편 관련 업계에 종사하는 사람들은 객관적이고 정확한 지식을 바탕으로 새로 나오는 인공지능 뉴스가 내가 속한 업종에 어떠한 영향을 끼치는지를 분명히 알 수 있어야 한다. 만약 창작 분야에 속해 있다면 새로 등장한 생성 모델이나 언어 모델이 무엇을 하는지를 빠르게 이해해야 한다. 자신이 특정 산업에 속한 사람이라면 새로 등장한 인공지능 기술이 완전 자동화의 완전한 고리인지 아닌지를 파악할 수 있을 것이다. 이들 모두에게 이 책이 그 모든 결정에 분명 도움을 줄 수 있을 것이다.

머리글 위기인지 기회인지는 지식에 달렸다 | 피할 수 없는 인공지능의 물결 | 두려움을 극복하기 위해서 [Chapter 1] 혁신을 향한 여정: 엔드 투 엔드를 향해 인간이 만드는 인공지능 | 인간이 짠 규칙: 규칙 기반 프로그래밍 | 규칙을 주입받은 인공지능: SVM 인간처럼 배우는 인공지능 | 인간 따라 하기: 엔드 투 엔드와 인공신경망 | 인공지능 겨울: 사람의 뇌를 따라 하는 데서 생기는 어려움 | 돌파구: 겨울 왕국에서 준비하는 봄 | 실리콘밸리에서 다가온 반도체 혁명 | 엔드 투 엔드 인공신경망의 데뷔전: ImageNet 2012 결전: IBM vs Google | IBM: 인간이 만드는 인공지능 | Google: 인간처럼 배우는 인공지능 엔드 투 엔드의 승리 | 엔드 투 엔드의 승리가 알려 주는 교훈 | 엔드 투 엔드로 인한 세상의 변화 | 기존 방식이 적용 가능한 영역 [Chapter 2] 혁신의 결과: 현재의 인공지능 기술 인식 분야 연구의 완성 생성 분야 연구의 약진 강화학습 기술과 의사결정 분야의 가능성 초거대 언어 모델과 자연어처리 AI로 어디까지 할 수 있는가? [Chapter 3] 인공지능을 만들고 적용하기 인공지능을 만들 때 꼭 알아야 할 것들 | 인공지능의 구성 요소 | 학습 데이터 만들기 | 데이터 증강 | 범용성과 최적화의 사이, 인공신경망 설계 | 좋은 AI의 두 가지 조건 기업의 성공적인 AI 트랜스포메이션을 위한 가이드 | AI 트랜스포메이션 프로세스와 단계별 체크 리스트 | AI 트랜스포메이션 선순환 구조 만들기 | AI 트랜스포메이션을 위한 조직 세팅 [Chapter 4] 미래 인공지능 기술 트렌드 빠르게 똑똑해지지는 못하는 AI 인공신경망 기술의 새로운 화두 | 보다 더 사람의 뇌처럼: SNN | 사람의 기억을 어떻게 구현할 것인가: RETRO Transformer | AGI: 일반 인공지능의 꿈은 이뤄질까? 게임 체인저인가, Nice Try인가? 인공지능 반도체들 | 딥러닝의 마중물: NVIDIA GPU | 더욱 거대한 스케일로: WSE | 가속기를 위한 가속기: PiM | 소형 기기는 누가 하는가: 엣지 가속기 | 휴대 기기 속 인공지능 경쟁: NPU | 컴퓨터를 넘어서: 뉴로모픽 칩 | 아메바 수준의 단순함: 아날로그형 인공지능 반도체 [Chapter 5] 미래 인공지능 기업 인공지능 개발 능력이 높은 기업 | 과감한 선택을 하는 기업 | 하드웨어 발전의 이해자 | 다양한 학문 분야에 발이 넓은 기업 서비스의 성공 요소를 알고 있는 기업 | 서비스의 부품으로서의 AI | 문제를 이해하고 세분화하는 능력 | 호두까기 문제를 이해하는 기업 인공신경망이 잘할 수 있는 일을 찾는 기업 [Chapter 6] 미래 사회의 변화상 기업: 선택의 시간 | 제조 기업들 앞에 놓인 선택 | 인공지능 기업들을 기다리는 선택 정부: 안보와 인공지능의 관계 개인: 서서히, 하지만 변하는 세상 맺음말 혁신은 어떻게 시작되어 어디로 가는가 | 혁신의 발생과 개별 사건의 이해 | 인공지능의 시대 or 인공지능 겨울 | 부록 | 용어 설명 1 인공지능, 인공신경망, 기계학습, 엔드 투 엔드 2 인공지능 학습 기법: 역전파 방법론 3 인공지능 학습 기법: 드롭아웃 4 자료의 정확도: 16비트와 32비트 5 자료형: 정수와 부동소수점

당신이 학생이라면 AI 기술이 자신의 진로와 어떤 관계가 있을지 진지하게 고민하고 있을 것이다. 더불어 학교나 학원의 커리큘럼이 커리어에 도움이 될지 여부를 판단하고 싶을 것이다. 당신이 국가정책을 결정해야 하는 공무원이라면 한정된 예산을 최대한 더 유망한 기술에 투자하고자 정보를 필요로 할 것이다. 당신이 투자자라면 다가올 미래에 인공지능 산업을 선도할 기업을 선별하기 위해 기업의 진짜 기술 수준을 판단할 수 있는 안목을 원할 것이다. 이처럼 원하든 원하지 않든 인공지능은 여러분의 삶에 점점 더 크게 영향을 끼칠 것이다. ‘인공지능의 물결’은 이미 피할 수 없는 시대의 흐름이다. 이 책은 이런 고민을 하고 있을 많은 이를 위해 쓰여졌다. -6쪽 Google의 엔드 투 엔드 딥러닝 도입은 어떻게 후발 주자가 아이디어를 통해 선발 주자를 앞서갈 수 있는지를 보여 주는 훌륭한 예이다. Google은 스스로 ‘배우는’ 인공지능이라는 선지자들이 만든 작은 돌파구에 집중했으며, 이를 자신들이 가진 막강한 데이터와 연구 개발 조직과 접목시켰다. 그렇게 함으로써 Google은 지난 수십 년간 인위적으로 인공지능을 ‘가르치려’ 했던 IBM을 누르고 인공지능의 최강자가 되었다. Google이 이렇게 과감한 선택을 한 덕분에 컴퓨터의 가능성은 더욱 커졌고, 지난 수십 년간 누구도 가능하다고 생각하지 못했던 일을 할 수 있게 되었다. -60쪽 이제 소개할 내용은 어쩌면 기존 인공신경망 기술에 새로운 돌파구가 되어 줄지도 모를 시도들이다. 이 시도들은 인공신경망을 보다 사람의 뇌가 작동하는 방식에 가깝게 구현하는 것을 목표로 한다. 이 시도들은 아직 검증되지 않았다. 기술의 효용 가치를 증명할 때까지 앞으로 몇 년이 걸릴지 모르며, 어쩌면 몇 십 년이 걸릴지도 모른다. 그러나 옳은 방향이라면 어렵고 힘들더라도 이 길을 가야 한다. 과거 인공지능의 암흑기에도 인공신경망 연구를 20년간 지속했던 연구자들이 있었기에 오늘날의 혁신이 가능하지 않았던가! -154~155쪽 한때 많은 사람이 인공지능 기술의 발전을 보며 다양한 상상을 했다. 영화 〈아이언맨〉의 자비스를 꿈꾸기도 했고, 인공지능으로 인한 디스토피아를 대비해야 한다는 등의 비관론도 이어졌다. 하지만 인공지능 기술 역시 만능이 아니다. 장단점을 가진 여러 선택지 중 하나일 뿐이다. 기술혁신의 속도가 생각보다 늦다면 그 흐름에 맞춰 기존 사업의 틈바구니를 채워 주는 인공지능을 만들어야 한다. 앞으로도 인공지능들은 인간과 초고성능 알고리즘 사이에서 끊임없이 자신의 위치를 확보하고 일어서고자 할 것이다. -237쪽 인공지능이 ‘미래에는 인간의 모든 일자리를 뺏을 것이다’와 같은 종말론적 사고는 모든 생각을 마비시킨다. 객관적이고 정확한 지식을 통해 새로 나오는 인공지능 뉴스가 내가 속한 업종에 어떠한 영향을 끼치는지 분명히 알 수 있어야 한다. 만약 창작 분야에 속해 있다면 새로 등장한 생성 모델이나 언어 모델이 무엇을 하는지를 빠르게 이해해야 한다. 자신이 특정 산업에 속한 사람이라면 새로 등장한 인공지능 기술이 완전 자 동화의 완전한 고리인지 아닌지를 파악할 수 있을 것이다. 그리고 이를 통해 기술에게 일자리를 빼앗기기보다는 기술을 조련해 자신의 충실한 시종으로 삼아야 한다. -258쪽