앞으로 5년 모든 산업을 지배할 기술,

인공지능과 머신러닝에 대한 모든 것이 담겼다!

전 세계를 강타한 알파고 쇼크와 제4차 산업혁명의 이슈로 인해 인공지능과 머신러닝(기계학습)에 대한 관심의 규모는 날로 폭발하고 있다. 구글, 마이크로소프트, 페이스북, 아마존 등 거대 기업들은 앞 다투어 머신러닝에 많은 돈을 투자하고 있으며 최고의 머신러닝 전문가들을 중심으로 인하우스팀을 꾸리고 연구·개발에 전폭적인 지원을 아끼지 않는 등 분야 선점에 사활을 걸고 있다. 국내에서도 이런 정세에 맞춰 머신러닝은 무엇이며 왜 모든 글로?벌 기업들이 그토록 ‘머신러닝’에 기대를 하고 있는지, 떠오르는 이 기술을 향후 어떻게 그리고 어떤 분야에 도입하고 활용해나가야 하는지에 대한 논의가 활발해지고 있다.
빌 게이츠, 세바스찬 스런, 주데아 펄, 피터 노빅 등 세상을 움직이는 리더와 전문가로부터 최고의 머신러닝 입문서로 평가받는 《마스터 알고리즘》은 데이터 과학 분야의 최고 영예인 SIGKDD 혁신상을 2년 연속 수상한 세계 최고의 머신러닝 분야 전문가 페드로 도밍고스가 쓴 책이다. 인공지능과 머신러닝의 탄생부터 어떻게 기계들이 스스로 학습할 수 있게 되었는지를 밝히고 나아가 이 기술이 우리의 미래를 얼마나 경이롭게 바꿔놓을지 생생하게 보여준다.

구글, 페이스북, 아마존, 마이크로소프트, 바이두, 네이버, 삼성…

왜 세계 최고의 기업들은 ‘머신러닝’에 미래를 거는가!

머신러닝은 인공지능의 한 분야로 기계에 일일이 명령을 내리거나 프로그래밍하지 않아도, 기계 스스로 학습할 수 있는 능력을 부여하도록 연구하는 분야를 말한다. 불과 얼마 전까지만 하더라도 ‘기계가 스스로 학습한다’는 설정은 SF 영화 속에서나 가능한 일이라며 먼 미래에 접하게 될 기술이라 여겨왔다. 하지만 이미 머신러닝은 우리 삶에 깊숙이 자리하고 있다.

우리가 한 기업에 입사 지원서를 제출하면, 그 이력서를 맨 처음 보는 것은 사람이 아니라 기계다. 머신러닝을 통해 괜찮은 이력서가 선별되는 것이다. 우리가 이사 갈 집을 구하고 있을 때, 함께 여가를 즐길만한 사람을 찾을 때, 맘에 드는 영화와 책을 고를 때도 머신러닝은 우리가 저울질했던 모든 정보를 학습하여 맘에 들어 할 만한 후보를 추천해준다. 나아가 우리의 신용카드 사용 내역을 추적하여 관찰하고 이메일과 메시지를 샅샅이 훑어 우리가 혹할 만한 광고를 보여준다. 이처럼 우리는 삶의 모든 단계에서 이미 머신러닝의 관여를 경험하고 있다. 그뿐만이 아니다. 머신러닝은 국가의 향방, 인간의 생존, 전쟁의 판도를 바꿀 만한 영향력도 가지고 있다. 머신러닝을 통해 유권자 성향을 상세하게 파악한 오바마가 롬니를 이기고 대통령이 된 것은 너무도 유명한 일이다. 지금 고속도로에서는 불의의 사고로 누군가 목숨을 잃는 일이 없도록 머신러닝 기술을 장착한 구글의 무인자동차가 주행 실험 중이며 미국 국방부는 머신러닝 기능을 탑재한 로봇으로 조직된 군대까지 계획하고 있다.

구글, 페이스북, 아마존, IBM, 마이크로소프트, 바이두 등 세계 경제계를 주도하는 이러한 기업들이 인공지능과 머신러닝에 대규모 투자를 하며 미래를 준비하는 것은 앞으로 머신러닝이 산업과 사회, 인간의 모든 삶을 송두리째 바꿔놓을 것이라는 확신을 가졌기 때문이다.

최고의 데이터 과학자가 전하는 머신러닝의 현재와 미래

《마스터 알고리즘》의 저자 페드로 도밍고스는 머신러닝과 인공지능 그리고 철학계의 오랜 과제였던 ‘어떻게 논리와 확률을 통합할 것인가’에 관한 문제를 풀어낸 선구적 과학자로 뛰어난 명성을 지니고 있다. 120개가 넘는 세계 유수의 대학과 연구소, 컨퍼런스에 초대될 만큼 30년간의 그의 연구는 창조성과 기술적 깊이 면에서 인정받고 있는데 그것은 이 책에서도 빛을 발한다. 특히 과학과 기술, 사업, 정치, 전쟁 등 세상을 격변시킬 기술로 주목받는 머신러닝에 대해 그는 수학, 컴퓨터공학, 신경과학, 비즈니스 등을 아우르며 독자들이 쉽게 이해할 수 있도록 상세히 전달하고 있다.

도밍고스는 여기에서 한 발 더 나아간다. 그는 단순히 머신러닝이 무엇인지 그 정체를 밝히는 데에 그치지 않고 인류를 다음 단계의 진화로 이끌어낼 만큼 파급력 있는 ‘새로운 머신러닝’의 탄생을 제시한다. 스팸메일의 분류, 아마존과 넷플릭스의 추천 콘텐츠, 투표자와 고객의 성향 분석 등 이미 사용되고 있는 다양한 머신러닝 기술에는 사실 그 쓰임과 분야에 따라 각기 다른 알고리즘이 사용되고 있다. 같은 추천시스템을 구축했지만 아마존과 넷플릭스의 머신러닝 알고리즘이 다른 것처럼 말이다. 이에 반해 도밍고스는 모든 분야와 지식을 아우르는, 범용적으로 사용할 수 있는 단 하나의 ‘마스터 알고리즘’을 만들어낼 수 있다는 대담한 주장을 한다. 그리고 마침내 ‘마스터 알고리즘’이 탄생되었을 때 ‘데이터’에서 세상의 모든 지식을 이끌어내는 유례없는 과학적 진보가 일어날 것이라 예견한다. 이렇듯 도밍고스는 ‘마스터 알고리즘’을 탄생시키는 과정에 독자들을 초대함으로써 새로운 머신러닝의 세계로 안내한다.

스스로 학습하는 기계, 머신러닝은 우리의 세상을 어떻게 변화시킬 것인가!

이 책은 머신러닝에 대해 크게 열 개의 장으로 나눠 소개하고 있다. 〈제1장 머신러닝의 혁명이 시작됐다〉에서는 우리가 미처 인식하지 못하지만 생활 곳곳에 쓰이는 머신러닝의 현재를 조명한다. 선거와 전쟁의 판도를 바꾸고 전에 없던 속도로 과학을 진보시키는 일, 나아가 사람의 목숨을 구하기도 하는, 이제는 떼려야 뗄 수 없는 머신러닝의 중요성을 이야기한다. 〈제2장 마스터 알고리즘은 어떻게 탄생하는가〉에서는 머신러닝의 설계, 그 바탕에 있는 머신러닝 알고리즘을 다섯 가지로 나눠 살펴본다. 그리고 다양한 머신러닝 알고리즘을 통합한, 단 하나의 ‘마스터 알고리즘’이 왜 필요한지 언급한다.

제3장부터 제7장까지는 다섯 가지로 나눴던 머신러닝을 하나하나 상세하게 들여다본다. 머신러닝에는 여러 가지 접근 방법이 있는데, 이 책에서는 기호주의자, 연결주의자, 진화주의자, 베이즈주의자, 유추주의자, 이렇게 다섯 가지 종족으로 나눠 설명하고 있다. 기호주의자는 철학과 심리학, 논리학에서 아이디어를 얻어 머신러닝을 ‘연역법의 역’으로 실현하려 한다. 연결주의자는 두뇌를 분석하고 모방, 신경과학과 물리학에서 영감을 얻어 신경회로망이라는 접근 방법을 갖는다. 연결주의자의 방법은 최근 이슈가 되고 있는 딥 러닝의 근간이 되는 기술이다. 진화주의자는 유전학과 진화생물학에서 아이디어를 얻어 컴퓨터에서 진화를 모의시험하는 유전자 프로그래밍이라는 방법을 취한다. 베이즈주의자는 ‘학습’이 확률적 추론의 한 형태라고 믿고 통계학에 그 뿌리를 두고 있으며 유추주의자는 유사성 판단을 근거로 심리학과 수학적 최적화의 영향을 받는다.

머신러닝의 다섯 종족을 다 살펴보고 나면 〈제8장 선생님 없이 배우기〉와 〈제9장 마스터 알고리즘을 위한 마지막 퍼즐 조각〉에서 스스로 학습하는 기계를 어떻게 실현할 수 있는지 앞서 살펴봤던 다섯 가지 머신러닝 알고리즘을 바탕으로 그 아이디어를 찾아본다. 마지막 〈제10장 이것이 머신러닝이 펼치는 세상이다〉에서는 모든 것을 아우르는 ‘마스터 알고리즘’이 탄생하면 어떤 미래가 도래하는지 이야기한다. 디지털 자아가 생기면 어떤 일이 벌어지는지, 마스터 알고리즘의 발견으로 전에 없던 과학적 진보가 이뤄지면 영화 《터미네이터》에 등장하는 악당 스카이넷이 탄생하는 것은 아닌지 머신러닝을 둘러싼 흥미진진한 미래 이야기가 전개 된다.

현재를 알고 싶은 자, 미래를 앞서 가고 싶은 자 모두 읽어야 할 필독서!

《마스터 알고리즘》은 오늘날과 같은 디지털 시대에 비즈니스를 하는 사람들에게 데이터 활용과 리스크 관리, 업무 자동화 등 다양한 측면에서 활용 가능한 아이디어를, 과학자나 기술자에게는 미래에 강력한 무기가 될 ‘머신러닝’이라는 새로운 과학적 세계관을, 머신러닝 전문가에게는 신선한 아이디어와 역사적으로 유용한 정보를, 빅 데이터와 머신러닝으로 인한 미래 사회의 변화를 궁금해하는 사람에게는 이 기술의 정체가 무엇이고 우리를 어디로 데려가는지에 대한 가장 분명한 청사진을 제시할 것이다.

지은이 | 페드로 도밍고스

시애틀 워싱턴대학의 컴퓨터과학 및 공학 교수. 리스본의 IST(Instituto Superior Tecnico)대학에서 전기공학 및 컴퓨터과학 학사와 석사 학위를, 캘리포니아대학 어바인캠퍼스(UC Irvine)에서 정보 및 컴퓨터과학 박사 학위를 취득했다. 머신러닝 분야의 선구적인 전문가로 데이터과학 분야의 최고 영예인 SIGKDD 혁신상을 2년 연속 수상하며 세계적인 주목을 받았다. 이후에도 풀브라이트 펠로우십, 슬론 펠로우십, 미국국립과학재단의 CAREER상, IBM 교수상(Faculty Award)을 받으며 명성을 쌓아왔다. 

그의 주요 연구 분야는 머신러닝과 데이터 마이닝으로 컴퓨터가 인간의 도움을 더 적게 받으면서 더 많이 일하고, 경험을 통해 배우면서 새로운 지식을 발견하는 것을 목표로 한다. 그는 새로운 방향을 제시하는 창조성과 기술적 깊이 면에서 그 탁월함을 인정받고 있는데, 특히 머신러닝과 인공지능 그리고 철학의 오랜 과제였던 ‘어떻게 논리와 확률(Logic&Probability)을 통합할 것인가’에 관한 문제를 풀어낸 것으로 잘 알려져 있다. 이 연구는 과학전문지 《뉴 사이언티스트》에 커버스토리로 소개되기도 했다. 지금까지 120개가 넘는 전 세계 대학, 연구실, 컨퍼런스에 연사로 초청되었으며 그의 머신러닝 강좌는 워싱턴대학 내 최고의 수업으로 선정되고 있다. 2001년 설립된 국제머신러닝협회의 공동 창립자이자 인공지능발전협회의 특별회원인 그는 현재 워싱턴대학 외에도 스탠퍼드대학, 매사추세츠공과대학, 카네기멜론대학의 교환교수로 활동 중이다.

옮긴이 | 강형진

서울시립대학교 전자공학과에서 학사, 석사 학위를 취득했다. LG전자에서 근무한 19년 동안 통신 장비와 휴대 전화를 개발하고 미국 주재원 생활을 경험했다. 번역가를 양성하는 글밥 아카데미에서 출판번역 과정을 수료 후, 현재 바른번역에서 정보통신과 과학기술 분야의 책을 중심으로 번역 활동을 하고 있다.  

감수｜최승진

포스텍 컴퓨터공학과 교수. 서울대학교 전기공학과를 졸업하고 미국 노터대임대학(University of NotreDame)에서 전자공학 박사과정을 밟으며 독립요소분석(independent component analysis)이라는 데이터분석법을 연구했다. 1997년 일본 이화학연구소에서 인공신경망과 뇌모사 컴퓨팅 연구를 하며, 자연스럽게 인공지능과 머신러닝에 발을 들여놓게 됐다. 머신러닝을 연구한 지 어느 덧 20년, 척박한 국내 이공계에 머신러닝의 기틀을 마련한 선구자로 현재 미래창조과학부 기계학습연구센터장을 역임하고 있다. 

들어가는 말

제1장 머신러닝의 혁명이 시작됐다

머신러닝은 무엇인가 / 최고의 기업들이 머신러닝을 채택하는 이유 / 머신러닝이 과학을 혁신한다 / 국가의 운명을 바꾼다 / 지상 전쟁에 한 명, 가상 전쟁에 두 명 / 우리는 어디로 향하는가

제2장 마스터 알고리즘은 어떻게 탄생하는가

신경과학에서 / 진화론에서 / 물리학에서 / 통계학에서 / 컴퓨터 과학에서 / 머신러닝 vs 지식공학 / 머신러닝 vs 인지 과학 / 머신러닝 vs 머신러닝 실행자 / 마스터 알고리즘은 당신에게 무엇을 주는가 / 또 다른 만물 이론이 될 것인가 / 본선에 진출하지 못하는 후보들 / 머신러닝의 다섯 종족

제3장 흄이 제기한 귀납의 문제 _기호주의자의 머신러닝

데이트를 할 수 있을까, 없을까 / ‘세상에 공짜는 없다’라는 정리 / 지식 펌프에 마중물 붓기 / 세상을 다스리는 법 / 무지와 환상 사이 / 당신이 믿을 만한 정확도 / 귀납법은 연역법의 역이다 / 암 치료법 학습하기 / 스무고개 놀이 / 기호주의자의 믿음

제4장 우리 두뇌는 어떻게 학습하는가 _연결주의자의 머신러닝

퍼셉트론의 성장과 쇠퇴 / 물리학자가 유리로 두뇌를 만들다 / 세상에서 가장 중요한 곡선 / 초공간에서 등산하기 / 퍼셉트론의 복수 / 세포의 완전한 모형 / 두뇌 속으로 더 깊이 들어가기

제5장 진화, 자연의 학습 알고리즘 _진화주의자의 머신러닝

다윈의 알고리즘 / 탐험과 개발 사이의 딜레마 / 최적 프로그램의 생존 / 성의 임무는 무엇인가 / 자연에서 ‘학습’을 배우는 두 종족 / 가장 빨리 학습하는 자가 승리한다

제6장 베이즈 사제의 성당에서 _베이즈주의자의 머신러닝

세상을 움직이는 정리 / 모든 모형은 틀리지만 그중에는 유용한 모형도 있다 / 예브게니 오네긴에서 시리까지 / 모든 것은 연결되어 있다, 직접 연결되지는 않지만 / 추론 문제 / 베이즈 방식 학습하기 / 마르코프가 증거를 평가한다 / 논리와 확률이라는 불행한 짝

제7장 당신을 닮은 것이 당신이다 _유추주의자의 머신러닝

할 수 있으면 비슷한 점을 찾아봐 / 차원의 저주 / 평면 위의 뱀들 / 사다리 오르기 / 기호주의 vs 유추주의

제8장 선생님 없이 배우기

같은 종류끼리 모으기 / 데이터의 모양 발견하기 / 보상과 처벌 그리고 강화 학습 / 자꾸 연습하면 아주 잘하게 된다 / 연관 짓기 배우기

제9장 마스터 알고리즘을 위한 마지막 퍼즐 조각

여러 가지 학습 알고리즘을 어떻게 통합할 것인가 / 궁극의 학습 알고리즘 / 마르코프 논리 네트워크 / 흄에서 가사 로봇까지 / 지구 규모의 머신러닝 / 의사가 지금 당신을 진찰할 것이다

제10장 이것이 머신러닝이 펼치는 세상이다

섹스, 거짓말 그리고 머신러닝 / 디지털 거울 / 디지털 모형들의 사교 생활 / 공유할 것인가 공유하지 않을 것인가, 그리고 어디에서 어떻게? / 신경망이 내 일자리를 빼앗는다 / 전쟁터에서 인간이 싸우지 않는다 / 구글+마스터 알고리즘=스카이넷? / 진화, 두 번째 막이 시작됐다

맺는말

감사의 말

감수의 글

더 읽을거리

찾아보기