“AI는 대체 어디까지 가능한가?” AI 최고전문가들이 말하는 인공지능의 현재와 미래! 첫 강연(AI와 뇌공학이 바꿀 인류의 미래)에서 뇌공학자 임창환 교수는 뇌와 AI는 대립 관계가 아니라 서로에게 도움을 주는 관계로 정의한다. AI는 인간의 뇌를 연구하는 중요한 도구가 되고, 인간의 뇌는 새로운 AI를 만들기 위한 실마리를 제공한다. AI와 결합한 뇌공학은 장애인이나 뇌손상환자가 사용할 다양한 기술을 개발하는데 일조하고 있다. 한편 기존에는 기초학문에 AI를 활용하는 것이 실험적 단계에 머물렀다. 두 번째 강연(수학을 통하여 세상을 3차원으로 보는 법)에서 현동훈 교수는 수학에 AI가 도입되면서 3차원 영상 구현에 큰 도움이 된다는 사실을 알려준다. 점차 많은 기초학문에 AI가 적용되면서 학문 영역을 확대하는 데 기여할 것이다. 게놈 데이터를 이용한 정밀의학에도 AI가 도입되었다. 세 번째 강연(게놈 데이터를 이용한 정밀의학)에서 이세민 교수는 앞으로 게놈과 AI가 결합하여 우울증이나 미래의 병도 관리해주는 시대를 전망하다. 2021년 노벨물리학은 기후 예측에 돌아갔다. 네 번째 강연(인공지능으로 엘니뇨 예측하기)에서 기후학자인 함유근 교수는 딥러닝으로 엘니뇨를 예측하기 위해 가상 시뮬레이션을 통해 엘니뇨 현상에 대한 샘플을 늘리는 방법에 대해 설명한다. 앞으로 기후변화는 복잡계 물리학자와 기후학자, 그리고 AI를 다루는 기후학자가 활약하여 더 정확한 예측이 가능해질 것이다. 다섯 번째 강연(컴퓨터 비전과 딥러닝의 현재와 미래)에서 한보형 교수는 AI의 긍정적인 면과 부정적인 면을 함께 준비하도록 도와준다. 딥페이크 기술은 범죄가 될 수도, 정치 기술이 될 수도 있다. AI입장에서 AI를 이해하려 노력하는 학문도 있다. 여섯 번째 강연(AI의 사고 과정을 이해하다)에서 설명가능 인공지능연구센터장인 최재식 교수는 AI 연구에 획기적인 전환점이 된 딥러닝에 대한 모든 궁금증을 풀어준다. 일곱 번째 강연(인공지능을 능가하는 인공지능이 출현할 것인가)은 AI가 인간과 어떤 면에서 가장 다른지 사유케 하는 본질적인 강연이다. 장병탁 교수는 ‘기계에겐 상식이 없다’고 말하며 인간처럼 문제를 해결하는 인간 수준의 범용 인공지능(AGI)이 어디까지 와있으며, 자율적 인지에이전트 시대가 온다면 인간은 어떤 일을 해야 할지 논한다. 친절하지만 오진 가능성이 있는 의사와 오진 가능성이 거의 없는 AI 의사 중 당신은 누구를 택하겠는가? 여덟 번째 강연(바이오메디컬 인공지능)에서 신현정 교수는 의료 분야에 AI가 이미 성큼 와있다는 사실을 일깨워준다. 한때 잊혀졌던 AI가 갑자기 미래의 기술로 떠오른 것은 모두 딥러닝 덕분이다. 아홉 번째 강연(헬로 딥러닝: 직관적인고 명확하게 딥러닝을 이해하기)에서 남세동 대표(보이저 엑스)는 딥러닝에 대한 직관적이고 명확한 이해를 바탕으로 미래의 AI를 상상하게 해준다. 마지막 강연(음악과 인공지능의 만남)은 AI가 인간 창작의 영역인 예술 활동에 얼마나 개입할 수 있는가를 보여준다. 특히 이교구 교수는 창자 예술에 적용되는 AI의 중요한 사례 중에서도, 음악에 적용할 수 있는 방법을 알려준다. 세상은 끊임없이 변화하고 그 중심에 AI 기술이 있다. 이를 어떤 프레임으로 보고, 어떻게 다룰지는 우리의 태도와 준비에 달려있다. 대변혁과 혼란의 시대에, AI의 최전선에서 활약하는 전문가들의 강연을 담은 이 책은 새로운 세상을 맞이하는 가장 앞선 길잡이가 되어줄 것이다.

머리말 LECTURE 01 AI와 뇌공학이 바꿀 인류의 미래 01 뇌과학과 AI지구 뇌를 바꾼 AI / AI를 이용한 뇌 연구 / AI를 이용한 상상 언어 인식 / AI를 바꾼 뇌 / 신경세포-교세포 회로망 / 02 뇌와 AI, 하나가 되다 자비스 시스템 / 학습과 AI / 뉴럴 코드의 이해 / Q&A LECTURE 02 수학을 통하여 세상을 3차원으로 보는 법 01 세상과 상호작용하는 인공지능 인공지능이 데이터를 수집하는 방식 / 인공지능이 3차원 세계를 지각하는 방법 02 3차원 영상 재구성의 주요 수학적 문제 캘리브레이션, 대응점 찾기, 곡면 재구성 / 레이저 스캐닝 / Q&A LECTURE 03 게놈 데이터를 이용한 정밀의학 01 게놈과 정밀의학 정밀의학과 게놈이란? / 게놈 변이와 질병 / 암 게놈 프로젝트 02 AI와 게놈 정보 암 게놈 빅데이터와 항암제 반응 데이터 / AI와 우울증 및 자살 위험도 예측 / Q&A LECTURE 04 인공지능으로 엘니뇨 예측하기 01 엘니뇨와 기후 예측 엘니뇨와 날씨 / 엘니뇨 예측의 어려움 / 02 인공지능과 엘니뇨 예측 기후 예측에 딥러닝을 활용하기 어려운 이유 / 전이 학습 / 엘니뇨 예측의 중요성 / Q&A LECTURE 05 컴퓨터 비전과 딥러닝의 현재와 미래 01 컴퓨터 비전과 딥러닝 합성곱 신경망과 재귀적 신경망 / 딥러닝의 응용: 영상 / 딥러닝의 응용: 멀티모달 / 딥러닝의 응용: 영상 생성 및 개선 / 강화 학습 02 컴퓨터 비전의 한계 컴퓨터 비전의 문제점 / 컴퓨터 비전의 부작용 / Q&A LECTURE 06 AI의 사고 과정을 이해하다! 01 설명가능 인공지능과 딥러닝 AI의 현재 / AI의 영향 / 설명가능 딥러닝 / 딥러닝 돋보기 02 기계학습 모델과 딥러닝 기계학습 모델을 설명할 수 있을까? / 산업 응용과 미래의 AI / Q&A LECTURE 07 인공지능을 능가하는 인공지능이 출현할 것인가? 01 인공지능의 현주소 인공지능의 탄생과 역사 / 딥러닝의 문제 해결법과 한계 02 슈퍼지능의 출현 지능이란? / 인간 수준의 인공지능 / 끊임없이 스스로 학습하는 인공지능은 가능한가? / 인간을 대체하는 인공지능 / AI의 미래 / Q&A LECTURE 08 바이오메디컬 인공지능 01 의료 인공지능 의료 인공지능과 의료 영상 / 인공지능과 비둘기 / 텍스트 데이터 / 스피치 데이터 02 바이오 인공지능 바이오메디신 피라미드 / 의료에 이용되는 인공지능 사례 / 의생명 분야의 인공지능 / Q&A LECTURE 09 헬로 딥러닝: 직관적이고 명확하게 딥러닝을 이해하기 01 프로그래밍과 인공지능 프로그래밍과 신경망 / 지도 학습 02 딥러닝과 인공지능 딥러닝의 응용 / 패턴 찾기 / Q&A LECTURE 10 음악과 인공지능의 만남 01 음악이 인공지능을 만나면? 음악은 왜 필요한가? / 음악 추천 인공지능 / 음악 창작 인공지능 / 02 인공지능의 음악 연주 인공지능 연주자 및 가수 / 인공지능과 춤 / Q&A 그림 출처 찾아보기

2017년 당시 머스크는 액체형 전자 그물망을 뇌에 주입해서 뇌세포의 모든 신호와 자극을 읽어내는 방식을 시도하겠다고 밝혔습니다. 이렇게 읽어낸 뇌 신호를 인공지능 컴퓨터와 연결시키면 각종 뇌질환을 치료하는 것은 물론, 인지, 사고, 기억력 등 뇌 기능을 향상시킬 수 있을 것입니다. 일론 머스크는 “인공지능에 맞서는 가장 좋은 방법은 뇌에 인공지능을 이식하는 겁니다. 인체와 공생할 수 있는 제3의 층을 대뇌피질 위에 만들면 됩니다”라고 이야기합니다. _ AI와 뇌공학이 바꿀 인류의 미래, 37쪽 그러면 어떻게 게놈 정보와 AI를 이용해서 신생 항원 백신 기반의 면역 치료를 개발했을까요? 우선 피부암 환자의 암 조직에서 DNA와 RNA를 추출해서 게놈 정보를 확보한 다음, 기계학습 기술을 이용해서 환자 특이적인 백혈구 항원 정보를 예측합니다. 그리고 게놈 정보에서 주어진 암 환자 특이적인 변이 정보를 가지고 발생하는 이상펩타이드가 백혈구 항원과 얼마나 잘 결합할지를 기계학습적인 방법을 통해 예측합니다. 그렇게 예측한 결과를 가지고 신생 항원을 기반으로 한 펩타이드 백신을 개발해서 백신을 환자에게 주입하고 면역 시스템을 자극하는 식으로 암을 치료하는 전략을 개발했습니다. _ 게놈 데이터를 이용한 정밀의학, 85쪽 지금까지는 입력 데이터가 있으면 데이터에서 정보를 추출해서 인식하려 했다면, 실제로 이미지 데이터를 만들어내는 작업도 있습니다. 이미지를 생성하는 가장 유명한 방법은 적대적 생성 신경망이라는 것입니다. 상당히 최근에 나온 방법으로 2014년에 발표된 논문인데, 적대적 생성 신경망에는 제너레이터(Generator)라는 생성 신경망과 디스크리미네이터(Discriminator)라는 검증 신경망의 2가지 네트워크가 있습니다. _ 컴퓨터 비전과 딥러닝의 현재와 미래, 126쪽 물론 딥러닝의 한계도 있습니다. 현재는 문제가 명확하게 정해지면 입출력이 아무리 복잡해도 상당히 잘 처리하지만, 입출력이 명확하게 잘 정의된 문제만 잘 해결할 수 있습니다. 그리고 아주 많은 데이터가 있어야만 딥러닝이 성능을 발휘합니다. 또한 많은 데이터를 처리하기 때문에 어마어마한 컴퓨팅 파워가 필요합니다. 사람은 지금 이 순간에도 뭔가 학습하고 주변을 이해하고 달라집니다. 그런데 딥러닝은 그렇게까지는 못 합니다. 한 번만 데이터를 관측해도 사람은 학습할 수 있고, 바로 변화를 꾀할 수도 있습니다. 반면에 딥러닝은 그 수준까지는 아니지요. _ 인공지능을 능가하는 인공지능은 출현할 것인가?, 173쪽 2020년 기준으로 세계 10대 제약회사를 살펴보면 AI 회사와 파트너십을 맺든가 회사를 인수하고 있습니다. 예를 들어 로슈라는 제약회사는 제넨테크와 함께 후보 약물, 개인 맞춤 의학을 지향하고 있습니다. 화이자와 IBM은 면역 항암제 개발에 AI 기술을 도입하고 있습니다. 프랑스 기업 사노피는 엑스사이언시아와 협업하여 기존에 있는 약물을 조합하여 부작용 없는 좋은 약물을 개발하고 있습니다. 몇 년 되지 않아서 아직 성공적인 사례는 없지만 곧 성공적인 사례를 기대해볼 수도 있겠지요. _ 바이오메디컬 인공지능, 217쪽