책소개

인공지능 시대의 필수 지식과 기술을 배운다■ 이 책의 구성제1부(제1장) 기초편제2부(제2~4장) 비즈니스편 제3부 기술편*** 아마존 서평 ***

저자소개

미디어 스케치 대표이사로 사이버 대학 전임 강사로 활동하고 있다. 나라현 가시하라시 출신으로 대학 졸업 후에 NEC 소프트, 퓨처 아키텍트를 거쳐 미디어 스케치를 설립했다. IoT, 인공지능, 블록체인 등 최신 기술의 컨설턴트로 다양한 기업과 연구 개발에 임하고 있다. 자사의 연구개발 프로젝트로 스마트폰용 통신 모듈 기판과 범죄를 예측하는 인공지능 등의 연구 개발에 힘쓰고 있다. 또한 닛케이BP <닛케이 xTECH 러닝>, 일본경제신문사 <닛케이 비즈니스 스쿨>의 IoT, 인공지능 강좌 강사로도 활동하고 있다. 200가지 이상의 최신 기술에 관한 강연과 강좌를 일본 전국에서 진행하는 IoT, 인공지능 강좌의 인기 강사이기도 하다. 후지텔레비 <진짜인가!? TV>, 텔레비아사히 <선데이 lLive!!> 등 텔레비전과 라디오 등 다양한 미디어에서 활약 중이다. 공저에 <IoT의 모든 것을 망라한 결정판 IoT 교과서>와 <문제를 풀고 실력을 체크 IoT 문제집>(닛케이BP)이 있다.

목차

제1장 【기초편】 인공지능(AI)의 세계

1.1 인공지능이란 무엇인가

인공지능의 탄생과 역사

결국, 인공지능이란 무엇인가

모델과 설명변수, 목적변수

인공지능에 대한 환상



1.2 인공지능의 가치

왜 인공지능으로 자율주행차를 실현할 수 있는가

인공지능을 둘러싼 각국 기업의 자세와 기대치

인공지능이 가능한 것

미지 데이터 대응과 인공지능의 가치



1.3 인공지능은 일자리를 빼앗을까

인공지능이 불가능한 것

인공지능으로 대체할 수 없는 3가지 업무

인류는 인공지능에게 일자리를 빼앗길까

사람과 인공지능의 협조 레벨



1.4 인공지능은 세계를 어떻게 변화시키는가

업계의 재정의

인공지능이 보급된 세계

기업은 어떻게 해야 하는가

인간은 어떻게 해야 하는가



제2장 【비즈니스편】 산업별로 본 인공지능 사례와 미래 예측

2.1 제조업의 인공지능 활용과 예상(제품개발편)

스마트 제품

제품의 컴퓨터화

제품의 OS



2.2 제조업의 인공지능 활용과 예상(생산관리편)

인공지능에 의한 비용 삭감

인공지능을 이용하지 않는 선택지

인공지능에 의한 제품의 안정화

예지보전

이상검지와 산업보안

생산계획



2.3 자동차 산업의 인공지능 활용

자동차 생산현장

자율주행의 레벨 정의

자율주행차 개발 동향

자율주행 플랫폼

내비게이션 시스템



2.4 농업·어업·축산업의 인공지능 활용

인공지능과 식물공장

비교 재배와 최적화

인공지능과 어업

인공지능을 활용한 새로운 축산업



2.5 의료 분야의 인공지능 활용과 미래

인공지능에 의한 진단

화상인식에 의한 진단

의료의 인공지능 활용시 주의사항

데이터 공유에 관한 과제

뇌파 해석의 가능성

브레인 머신 인터페이스

인공지능 신약 개발

세포 배양



2.6 건설업의 인공지능 활용과 미래

업무용 차량

스마트홈



2.7 금융업의 인공지능 활용과 미래

인공지능을 이용한 자산 운용

인공지능에 의한 자산 운용



2.8 소매업의 인공지능 활용과 미래

아마존 고와 슈퍼마켓의 미래

편의점과 인공지능

챗봇의 활용

인공지능을 이용한 수요 예측

추천 기능



제3장 【비즈니스편】 인공지능 활용에 관한 국가 시책

3.1 에너지와 스마트그리드

스마트그리드

스마트그리드와 인공지능



3.2 스마트시티

스마트시티

싱가포르의 스마트네이션 구상

인공지능을 이용한 도시 계획 입안

스마트시티의 앞에 있는 것



3.3 데이터 유통의 현황과 과제

데이터 유통의 필요성

공공기관의 오픈데이터화

해외의 오픈데이터 추진

오픈데이터를 둘러싼 과제

민간의 데이터 유통

정보은행

민간의 데이터 유통 촉진 과제



제4장 【비즈니스편】 인공지능 프로젝트의 추진 방법과 주의사항

4.1 인공지능 프로젝트의 기획

공정 혁신과 제품 혁신

목표 설정과 공유가치 창출

혁신기업의 딜레마

인공지능과 지적 재산



4.2 데이터 수집과 관리

인공지능 활용을 위해 수집해야 할 세 가지 데이터

내부 데이터의 수집과 관리

센싱 데이터의 수집과 관리

외부 데이터의 수집과 관리



4.3 인재 부족 문제의 해결 방법

엔지니어 부족 현황

인공지능 교육의 필요성

초기의 프로젝트 체제

외부 힘을 빌린다

파트너를 찾는 방법



제5장 【기술편】 머신러닝 ~지금까지의 인공지능과 역사~

5.1 인공지능을 배우기 전의 필수지식

설명변수와 목적변수와 모델

절댓값

미분

상관관계와 상관계수

데이터 간의 인과와 유사상관

행렬의 내적

확률



5.2 인공지능의 역사

인공지능의 진화를 배우는 의의

초기 연역추론의 인공지능

현재로 이어지는 귀납추론의 인공지능

귀납추론의 한계

발견하는 현재의 인공지능

컴퓨터 비전



5.3 머신러닝이 가능한 것

단순회귀분석

다중회귀분석

분류

클러스터링



5.4 데이터 세트에 의한 분석 예

데이터 세트에 의한 분석

아이리스 데이터

와인 품질 데이터

보스턴의 하우징 데이터

수작업 숫자 데이터

Cifar-10(화상인식 연습용 데이터 세트)

20Newsgroups에 의한 문서 데이터 해석



5.5 학습

학습의 의의

머신러닝

학습 데이터와 지도학습

비지도학습 1

강화학습

학습 방법의 선택



5.6 머신러닝의 알고리즘

결정나무

SVM(서포트 벡터 머신)

유전적 알고리즘

k평균법(k-means법)



제6장 【기술편】 딥러닝 ~현재의 인공지능~

6.1 신경망

신경망의 시작

뇌의 정보 전달 체계

뇌의 학습

논리회로

신경망의 구성

퍼셉트론에 의한 계산 처리

활성화 함수

활성화 함수(스텝 함수, 시그모이드 함수)

활성화 함수(렐루 함수)

활성화 함수(기타 함수)

출력 함수

순전파의 정리



6.2 오차역전파법(백프로퍼케이션)

학습 원리

손실함수(로스 함수)

편미분에 의한 영향력의 계산

편미분의 구체적 예

학습 원리

최적화 알고리즘(SGD)

기타 최적화 알고리즘

미니배치 학습

역전파와 학습의 정리



6.3 심층학습(딥러닝)

특징 추출이란

심층의 이점

인공지능의 시선

심층에서 생기는 다양한 문제

딥러닝을 실현하는 수법

드롭아웃

오토인코더(자기부호화기)



6.4 합성곱 신경망

화상인식과 추상화

합성곱 신경망의 예(AlexNet)

합성곱 신경망의 개요

합성곱층의 목적

합성곱층의 필터와 가중치 계산

필터에 반응하는 특징의 가시화

합성곱층의 패딩 실시

합성곱층의 활성화

풀링층의 처리

평활화의 실시

전결합층의 처리

합성곱 신경망에 의한 분석 예(모델의 설계)

합성곱 신경망에 의한 분석 예(학습 설계)

합성곱 신경망에 의한 분석 예(정확도 검증)

합성곱 신경망을 이용한 분석 예(특징 확인)



제7장 【기술편】 인공지능 개발과 운용 관리

7.1 인공지능의 설계

머신러닝 알고리즘의 선택

목표값의 설정

목표값과 개발 비용

학습의 실시 계획

학습 완료 모델의 보존



7.2 인공지능의 운용 감시

회귀분석의 정확도 감시

분류의 정확도 감시

교차 검증

과적합

과적합의 규명

과적합에 대응



7.3 파이썬 언어

파이썬이 이용되는 이유

파이썬의 버전

파이썬 개발 환경



7.4 데이터 분석에 필수인 파이썬 패키지

패키지 언어

주피터 노트북(Jupyter Notebook)

맥플롯립(matplotlib)

넘파이(NumPy)

팔다스(Pandas)

사이파이(SciPy)



7.5 인공지능 관련 라이브러리

텐서플로(TensorFlow)

체이너(Chainer)

파이토치(PyTorch)

케라스(Keras)

사이킷런(scikit-learn)

딥(DEAP)

오픈AI 칩(OpenAI Gym)



7.6 인공지능을 동작시키는 플랫폼

인공지능을 어디서 학습시키는가

인공지능을 어디에서 예측시키는가

아마존웹서비스(AWS)

구글 클라우드 플랫폼

마이크로소프트 애저

IBM 클라우드(구 Bluemix)

사쿠라 클라우드

뉴럴 네트워크 콘솔

구글 컬래버러터리



7.7 하드웨어와 플랫폼

인공지능과 CPU의 관계

인공지능과 GPU

쿠다

ASIC와 TPU

애지용 보드



제8장 【기술편】 최신 인공지능 기술 ~ 미래의 인공지능 ~

8.1 순환 신경망

순환 신경망의 특징

순환 신경망의 계산

순환 신경망의 분석 예

LSTM(장단기 기억)

순환 신경망의 향후



8.2 강화학습의 역사와 DQN

마르코프 결정 과정

Q학습

심층 Q-네트워크(DQN)

심층 Q-네트워크에서 합성곱 신경망의 활용



8.3 알파고와 알파고 제로

왜 알파고가 대단한가

알파고의 아이디어와 기술

폴리시 네트워크 382

SL 폴리시 네트워크의 생성

롤아웃 폴리시 모델

알파고의 강화학습 목적

방책기울기법에 의한 RL 폴리시 네트워크의 생성

밸류 네트워크

몬테카를로 트리 탐색

알파고 제로의 충격



8.4 A3C

비동기(Asynchronous)

이득(Advantage)

배우와 비평가(Actor-Critic)

A3C의 성과



8.5 GANs

GANs의 역사

GANs의 구조

DCGAN

DCGAN의 분석 예

GANs의 향후



8.6 BERT

BERT의 목적

BERT의 학습

학습을 마친 모델의 활용



8.7 소셜 데이터의 활용



8.8 캡슐 네트워크

합성곱 신경망의 약점

캡슐 네트워크의 목적

캡슐 네트워크의 구조

동적 라우팅

캡슐 네트워크의 향후



제9장 인공지능 개발에 관한 FAQ

9.1 인공지능에 관한 일반적인 질문

Q.1 인공지능은 현명한가?

Q.2 인공지능은 오류가 없는가? 423

Q.3 인공지능이 전문인 것은 무엇인가?

Q.4 인공지능이 서툰 것은 무엇인가?

Q.5 기술적 특이점(싱귤래리티)이란 무엇인가?

Q.6 싱귤래리티에 의해 인공지능이 인간보다 현명해져서 인간을 지배하는 일은 없을까?

Q.7 인공지능은 인간과 같이 생각하게 되는가?

Q.8 인공지능에 감정을 갖게 하는 것은 가능할까?



9.2 인공지능의 우려에 관한 질문

Q.9 인공지능이 군사 목적으로 이용될 가능성은 있을까?

Q.10 인공지능에 의해서 로봇 병기가 실현될까?

Q.11 인공지능을 탑재한 병기가 인간을 멸할 가능성은 없을까?

Q.12 인공지능이 범죄에 이용될 가능성은 없을까?

Q.13 인공지능이 사이버 공격을 할 가능성이 있을까?

Q.14 사이버 공격을 막기 위해 인공지능을 활용할 수 있을까?

Q.15 인공지능이 크래킹을 받을 가능성은 있을까?



9.3 기업의 인공지능 활용에 관한 질문

Q.16 모든 기업이 인공지능을 활용해야 할까?

Q.17 인공지능에 의해서 이업종 참가가 늘까?

Q.18 인공지능의 개발비용은 고액일까?

Q.19 인공지능의 개발비용을 판단하는 방법은 있는가?

Q.20 인공지능 기술자는 부족한가?

Q.21 인공지능 개발을 도와줄 기술자는 어디에 있는가?

Q.22 인공지능 개발이 가능한 기술자를 접촉하려면 어떻게 하면 될까?

Q.23 국가는 인공지능 활용을 권장하고 있는가?

Q.24 지방 자치단체는 인공지능의 활용을 권장하고 있는가?



9.4 생활에 관한 질문

Q.25 인공지능에 의해서 우리의 생활은 어떻게 달라질까?

Q.26 인공지능을 이해하지 않으면 생활이 불가능해질까?



9.5 인공지능의 인재 육성과 교육에 관한 질문

Q.27 어떤 사람이 인공지능을 개발하고 있는가?

Q.28 앞으로의 젊은 세대는 인공지능에 관한 지식이 필요할까?

Q.29 학교에서 인공지능이 필수 과목이 될까?

Q.30 인공지능을 개발하려면 무엇을 공부하면 될까?

Q.31 수학이 서툰 사람도 인공지능을 이해할 수 있을까?

Q.32 인공지능을 배우기 위해 가장 먼저 무엇을 하면 좋을까?

Q.33 인공지능을 효율적으로 배우는 방법은?



9.6 인공지능의 미래에 관한 질문

Q.34 인공지능은 향후에도 진화하는가?

Q.35 인공지능은 상상력을 갖게 되는가?

Q.36 우리들 인류는 인공지능과 어떻게 교류하면 될까?

한줄 서평