[1부: 지능이란 무엇인가, 딥러닝이란 무엇인가]
1장: 인공지능의 원리 해명
_1.1 딥러닝 모델 학습이 잘 되는 이유
_1.2 매니폴드 가설: 현실 세계 데이터의 모델링 기법
_1.3 딥러닝이 일반화되는 이유
_1.4 독립 성분 분석: 정보 얽힘 풀기
_1.5 딥러닝 이론 해석, 신경망 미해결 문제 해명을 향한 진전
_1.6 과다 파라미터 표현 신경망과 복권 가설
_1.7 인과와 상관: 미지의 분포에 대한 일반화 가능성
_1.8 대칭성이 학습에 활용되는 방식
_1.9 머신러닝의 새로운 거듭제곱 법칙: 모델이 클수록 일반화 능력과 샘플 효율 향상
_1.10 강건한 모델의 과다 파라미터 표현 필요성
2장: 사람의 학습
_2.1 뇌의 오차 역전파 여부
_2.2 뇌의 학습 시스템
[2부: 학습 기법]
3장: 학습 기법
_3.1 학습의 엔진: 수리 최적화 Adagrad, RMSProp, Adam
_3.2 랜덤 푸리에 피처 함수: 규모가 큰 문제에도 커널 기법 적용 가능
_3.3 정규화: 일반화 능력 얻기
_3.4 오차 역전파 기법에 의한 기댓값 최대화
_3.5 오차 역전파를 사용하지 않는 학습 기법: Feedback Alignment, Synthetic Gradient, Target Prop
_3.6 연속 학습: 과거의 학습 결과를 잊지 않고 새로운 작업 학습
_3.7 예측 학습
_3.8 진화 전략
_3.9 메타 학습: 학습 방법을 학습하는 MAML과 뉴럴 프로세스
_3.10 음함수 미분: 경삿값 계산에서 계산 그래프를 워프
_3.11 비지도 표현 학습: 다른 뷰 간 상호 정보량 최대화
_3.12 지식 증류: 거대 모델의 지식 추출
_3.13 마스크 오토인코더: 이미지 인식에서 사전 학습 혁명의 가능성
4장: 강화 학습
_4.1 강화 학습: 피드백으로부터 최적 행동 획득
_4.2 월드 모델: 상상 속에서의 학습 가능성
_4.3 안전이 보장되는 강화 학습: 랴푸노프 함수로 제약을 만족
73가지 핵심 키워드로 정리하는 AI 기술의 모든 것
현재의 AI 연구 성과는 오랜 기간에 걸쳐 순차적, 연속적으로 발전해 온 산물입니다. 이 책은 딥러닝의 여명기부터 최근의 생성 AI에 이르기까지 주요 AI 기술의 흐름을 73개 주제로 나눠 설명하는 종합 해설서입니다. 특히 시간의 흐름에 따른 최신 AI 기술 트렌드를 포괄적이면서도 깊이 있게 통찰할 수 있습니다.
시류를 크게 타지 않으면서도 핵심을 꿰뚫는 주요 개념들만 모아 정리해 자연스럽게 미래에 대한 정확한 예측으로 연결할 수 있습니다. 현재 전 세계의 AI 기술이 어떻게 발전하고 있는지, 최첨단 기업과 연구자들이 AI 기술의 신비를 어떻게 풀고 활용하려 하는지 파악할 수 있는 책입니다. 기술 트렌드를 전체적으로 훑어보기를 원하는 분야 종사자, 현업 AI/ML 개발자에게 특히 유익합니다.
주요 내용
- 지능과 딥러닝: AI 작동 원리, 머신러닝과 딥러닝, 인간의 두뇌와 학습
- 학습 기법: 학습 엔진, 정규화, 강화학습, 고속화, 저전력화, 인프라
- 모델과 아키텍처: 생성 모델, 기억과 신경망
- 애플리케이션: 이미지, 음성, 공간생성 및 인식, 언어, 제어, 시뮬레이션, 게임, 생명과학, 로봇
과거와 현재의 AI 좌표를 확인하고 미래로 향하는 길 전망하기
이 책은 2015년부터 일본 잡지 <닛케이 로보틱스> 에 연재된 글을 모아 편집한 것으로, AI 분야의 최신 발전과 주요 연구 결과를 신속하고 깊이 있게 다룹니다. 저자는 최근 AI 기술 발전의 특징으로 속도, 무경계성, 창의성을 꼽았으며, 이러한 특징들이 책 전반에 걸쳐 잘 반영되어 있습니다.
내용은 1 지능과 딥러닝의 본질, 2 학습 기법, 3 모델과 아키텍처, 4 애플리케이션의 4개 부(Part로 구성되어 있습니다. 각 부마다 상세 주제를 여러 장(chapter에 나눠 다루는데, 딥러닝의 기본 원리부터 강화학습, 생성모델, 이미지, 음성, 언어 처리 등 다양한 응용 분야에 이르기까지 폭넓게 설명합니다
