[독서-511] 파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문

파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문 - 웹 크롤링과 스크레이핑부터 머신러닝ㆍ딥러닝까지 체계적으로 배우기, 개정판 ㅣ 위키북스 데이터 사이언스 시리즈 45
쿠지라 히코우즈쿠에 지음, 윤인성 옮김 / 위키북스 / 2019년 12월

이 책은 파이썬을 이용하여 상당히 넓은 범위에서 머신러닝과 딥러닝에 관한 기술을 다루고 있습니다. 학술 서적이 아닌 기술 활용 서적이라 볼 수 있어서 다양한 패키지와 모듈의 활용법을 경험해 볼 수는 있지만 전체적으로 내용의 깊이는 없습니다. 충분한 설명이 없이 이것저것 많은 것을 다루고 있어서 산만한 느낌도 남습니다.

처음에는 urllib와 BeautifulSoup 모듈을 사용하여 크롤링과 스크레이핑을 설명합니다. XML, JSON, YAML과 같은 다양한 데이터 타입에 관한 기술을 다루고 있고 CSV와 Excel 파일을 읽고 쓰는 방법을 소개해 주고 있습니다. 그러고 나서 SQLite, MySQL, TinyDB에 관해 간단히 다루고 있습니다. 그런데 책을 끝까지 읽고 나서 보니 머신러닝과 딥러닝에서 앞에서 설명한 기술을 연계해서 활용한 내용은 없고 데이터 타입과 파일에 대해 간접적인 이용을 하고 있는데 앞에서 설명한 내용과는 크게 관련이 없어 보입니다.

이 책으로 머신러닝과 딥러닝을 학습하고 나면 이런 것들이 있구나 하는 정도는 전달되는데, 각각의 기술들을 어떻게 활용해야 하는지에 대해서는 모호함이 많이 남습니다. Pandas와 Numpy를 사용한 코드는 잘 실행되는데 반해 Tensorflow와 Keras를 사용한 코드는 모듈의 버전 문제인지 환경의 문제인지 잘 실행되지 않습니다.

[100자평] 텐서플로 첫걸음 (텐서플로 1.0 버전 테스트 완료)

텐서플로 첫걸음 (텐서플로 1.0 버전 테스트 완료) - 회귀분석, 군집화, 합성곱 신경망까지 딥 러닝 제대로 입문하기 ㅣ 머신러닝/딥러닝 첫걸음 시리즈
조르디 토레스 지음, 박해선 옮김 / 한빛미디어 / 2016년 8월

텐서플로 버전이 변경되어서 API도 같이 변경된 것은 그렇다 쳐도 책에 담겨있는 내용과 코드에 수정사항이 너무 많다. 저자의 블로그에 있는 오탈자와 오류코드를 책에 메모하려고 해도 항목이 너무 많아 포기했다. 이 책으로 텐서플로 첫걸음하다가 몇 걸음 못걷고 넘어질거 같다.

[독서-508] AI 2045 - 인공지능 미래 보고서

AI 2045 인공지능 미래보고서
일본경제신문사 지음, 서라미 옮김 / 반니 / 2019년 3월

인류는 돌을 사용하고 농기구를 만들며 오랜 세월 지내오다가 기계와 함께 시작한 혁명 속에서 전화와 자동차와 비행기도 만들었다. 기술과 과학이 발전을 거듭하여 컴퓨터와 인터넷을 만들어내고 이제는 인공지능을 세상에 만들어 내었다. 2045년은 인공지능이 인간의 지능을 뛰어넘는 특이점, 싱귤래러티라고 하는데 발전의 속도를 보면 그보다 더 일찍 올 수도 있다고 한다.

인류가 그동안 만들어온 기술 중에 AI는 인류에게 도움을 줄 수도 있지만 어쩌면 위협이 될 수도 있다. 인류의 관리범위를 넘어서는 무시무시한 기술을 어떻게 하면 공존하며 받아들여야 하는지 다양한 사람들과 주제들을 통해 이 책에서는 인공지능에 대해 AI와 마주하는 법에 대해 설명하고 있다.

이 책은 AI라는 하나의 주제에 대해서 말하고 있는데 설명하고 있는 내용이 산만하다. 하나의 챕터를 보면 내용을 설명하다가 해당 내용에 대한 사례가 나오고 내용을 설명하다가 또 사례가 나오고 그리고 인터뷰가 있는 구조이다. 내용과 사례, 인터뷰의 비율이 6:2:2 정도이거나 7:2:1 정도가 정보 전달에 효과적이라 보이는데 4:4:2 정도의 비율로 좀 확대해서 말한다면 사례와 인터뷰의 전체 페이지가 내용보다 많게 여겨진다.

내용을 보강하기 위해 실제 사례를 포함시킨 거 같은데 내용에서 언급한 내용이 사례에 다시 나오고 인터뷰에서 다시 반복되고 하니 뭔가 맥락의 흐름이 왔다 갔다 하는 거 같아서 산만하게 읽혔다. 마치 두 권의 책을 앞에 놓고 왼쪽이 책 3페이지 읽었다가 오른쪽 책 3페이지를 읽고 다시 왼쪽을 읽었다가 오른쪽 읽고를 반복하는 것 같다.

예전에 읽었던 인공지능 책이 일본 저자의 번역서이고 이 책도 일본 경제신문사의 번역서이다. 두 권의 책에서 공통적으로 말하고 있는 것은 인공지능의 2차 붐일 때 일본 자국에서 많은 투자를 하였음에도 불구하고 그 당시에는 인터넷이나 데이터가 미흡해서 성공하지 못한 것에 대한 아쉬움을 여러 차례 말한다. 만약 그때 기회가 좋았다면 지금의 구글이나 페이스북과 같은 일본 회사가 만들어졌을 거라는 논리인데 내가 한국인이어서 그런지 전혀 공감이 되질 않는다.

만약 그때 인공지능 연구와 함께 기회가 되어 인터넷과 빅데이터에 연계가 되었다고 하더라도 폐쇄적인 기업문화를 가진 일본이 만든 것은 구글이나 페이스북처럼 글로벌화가 되지 못하고 자국에서나 활용되다가 말았을 것이다. 설사 일본이 실리콘밸리처럼 최신의 IT 기술과 환경이 갖추고 있다고 하더라도 관료적이고 개방되지 않은 일본 기업문화를 본다면 잘해야 mixi 같은 사이트 하나 더 만들었을 거 같다.

[독서-505] 텐서플로 첫걸음 - 구글이 만든 딥 러닝 시스템

텐서플로 첫걸음 (텐서플로 1.0 버전 테스트 완료) - 회귀분석, 군집화, 합성곱 신경망까지 딥 러닝 제대로 입문하기 ㅣ 머신러닝/딥러닝 첫걸음 시리즈
조르디 토레스 지음, 박해선 옮김 / 한빛미디어 / 2016년 8월

예전에는 단순한 계산기에 불과한 컴퓨터가 인공지능을 갖게 되면서 이제는 인간의 지능을 넘으려고 하고 있다. 구글이 오픈소스로 공개한 차세대 딥러닝 시스템을 빠른 시간에 사용해보려고 이 책을 선택하였다.

책이 앏은 편이고 입문 서적이라 읽기에 부담은 없을 거라 생각했는데 내용이 어려워 읽기에 좀 부담스러웠다. 인공지능에 대한 사전 지식이 없으면 여기서 설명하고 있는 문맥이 잘 전달되지 않는 경우가 있다.

라즈베리 파이 3에 텐서플로를 설치해보려고 했는데 환경에 문제인지 설치 중에 오류가 나서 실행은 뒤로 미루고 그냥 책 읽기만 진행했다.

책을 읽으며 느낀 점은 딥러닝을 잘하기 위해서는 프로그래밍에 대한 기술보다 인공지능과 관련된 수학적인 이해가 더 필요해 보였다.

주 중에 시간을 내어서 텐서플로 설치를 다시 시도해서 MNIST 데이터 셋을 사용한 딥러닝을 진행해 볼 계획이다.

[독서-302] 인공지능과 딥러닝

인공지능과 딥러닝 - 인공지능이 불러올 산업 구조의 변화와 혁신
마쓰오 유타카 지음, 박기원 옮김, 엄태웅 감수 / 동아엠앤비 / 2015년 12월

인간의 생활에 편리함을 가져다주는 기술의 발전이 때로는 우리의 삶을 더 고달프게 한다는 생각이 듭니다.

인간이 처음 이 땅에 살아갈 때는 무엇에 얽매이지 않고 자유롭게 다니며 생활하였습니다. 그러다가 농업기술을 개발하고 나서부터는 곡식과 채소를 다스리며 경작을 이유로 정착하는 삶을 살게 되었지만 결국 논과 밭에 얽매이며 떠나가지 못하는 삶이 되어버렸습니다. 대부분의 시간을 농경기술을 위한 시간으로 사용하며 일을하였습니다. 공업기술이 개발되면서 사람들은 대량생산을 위해 날마다 쉬지 않고 움직이는 기계와 공장에 얽매이는 삶을 살아가게 되어 버렸습니다. 삶의 터전도 공장으로 도시로 옮겨지게 되었습니다. 

정보화기술이 개발되면서 이제는 많은 시간을 컴퓨터와 스마트 디바이스에 얽매이게 되어 사람들과의 만남도 장치의 몇번의 클릭으로 대체하게 되었고 대부분의 일을 손가락의 클릭으로 해결하며 많은 시간을 정보화기술에 사용하고 있습니다. 기술의 발전이 다른면으로는 사람의 삶을 종속적으로 만들어가고 있는 것처럼 보입니다. 이제는 인공지능이라는 기술의 개발로 인해 다양한 산업에서 주종의 관계가 바뀌어버리지 않을까 하는 생각이 듭니다. 결국 기술의 발전이 한쪽은 사람을 위하는 것처럼 나타나지만 다른쪽에서는 우리의 삶을 기술에 종속화 시켜가고 있지 않나 생각해봅니다.

인간과 인공지능의 대결은 산업 전반에서 벌어지고 있습니다. 방대한 양의 데이터와 고속의 처리를 기반으로 우리가 생각하기 어려운 영역까지 진출하려고 하고 있습니다. 앞으로는 자동차뿐만 아니라 드론도 인공지능으로 자유롭게 조종하게 될것입니다.

인공지능은 인간의 뇌의 활동을 실현하고자 인간의 지능을 흉내내어 인공적으로 만든 지능을 말합니다. 반복된 기계학습을 통해서 패턴과 특징을 분류할 수 있게 되고 딥러닝을 통해 표현 학습을 거쳐 다양한 기능을 보다 정확하게 수행할 수 있습니다.

인공지능의 레벨

레벨 1: 단순한 제어 프로그램을 말한다.

레벨 2: 고전적인 인공지능으로 적절한 판단을 위해 추론과 탐색을 하여 퍼즐해결이나 진단을 수행한다.

레벨 3: 기계학습을 받아들인 인공지능으로 빅데이터를 바탕으로 자동적으로 판단한다.

레벨 4: 딥러닝을 받아들인 인공지능으로 입력값(특징)자체를 스스로 학습한다.

딥러닝에서의 기술 진전

1) 이미지 특징의 추상화가 가능한 AI - 광고, 이미지, 진단, 인터넷 기업

2) 멀티모달한 추상화가 가능한 AI - 퍼스널 로봇, 방법, 경비, 빅데이터 활용

3) 행동과 결과의 추상화가 가능한 AI - 자동차, 교통, 물류, 농업

4) 행동을 통한 특징을 획득하는 AI - 가사, 의료, 간병, 접수, 콜센터

5) 언어 이해, 자동 번역이 가능한 AI - 통역, 변역, 비즈니스 글로벌화

6) 지식 획득이 가능한 AI - 교육, 비서, 지식근로자