구글 엔지니어들이 직접 설명하는 딥러닝 기술의 현재와 미래
‘구글에서 배우는 딥러닝’

제 4차 산업혁명의 중심이 되는 인공지능과 머신러닝, 딥러닝 기술은 이제 많은 사람들에게 익숙한 용어가 되었지만. 실제로 자세히 알고 있는 사람은 많지 않다. 기계와 사람이 대화하는 CF의 한 장면처럼 인공지능 기술은 이미 일상에 많이 적용되고 있다. 딥러닝 기술은 수많은 데이터들을 토대로 마치 사람처럼 스스로 학습을 하는 머신 러닝 기술의 한 분야이다.

이 책은 구글의 엔지니어들과의 취재를 통해 어려운 용어나 수식 없이 전반적인 딥러닝 기술의 개요에 대해 쉽게 알 수 있도록 풀어내고 있다. 미래 비즈니스의 중심이 되는 딥러닝 기술에 대해 전혀 모르는 초보자부터 인공지능에 대해 기본적으로 이해하고 공부하고 싶은 개발자까지 누구나 이해할 수 있도록 한 편의 다큐멘터리처럼 쉽게 구성되었다. 이 책을 통해 딥러닝을 비롯한 인공지능 기술들이 어떻게 제 4차 산업혁명을 이끌고 있는지와 앞으로의 미래의 비즈니스에 어떤 영향을 미치는지에 대해 알아볼 수 있다. 인공지능, 딥러닝, 머신러닝을 구분하는 기초 상식부터 딥러닝 기술의 메커니즘을 이해하고, 실제 기업에서 활용되는 딥러닝 사례들을 소개한다. 또한 구글의 제품에서 현재 사용되는 딥러닝 기술들을 소개하면서 앞으로 활용될 인공지능 기술에 대해 전망해 본다. 구글 외에 실제 다양한 기업에서의 활용되는 딥러닝 기술들의 사례를 통해 기술로 인한 변화와 영향력에 대해 실질적으로 느낄 수 있다. 후반부에는 구글 클라우드 머신러닝 그룹 연구 책임자와의 인터뷰를 통해 딥러닝 기술의 미래에 대해 짚어본다.

Chapter 0. Intro
딥러닝이 모든 비즈니스를 변화시킨다.
*빅 데이터로 실력을 발휘하는 딥러닝
*미국과 일본의 모든 승용차에 통신장치를 탑재한 도요타
*인공지능이 혁신을 일으키는 시대로
*중소기업에도 인공지능의 혜택이

Chapter 1. 기초 입문
인공지능과 머신러닝, 딥러닝에는 어떤 차이점이 있는가?
*딥러닝은 머신러닝의 일부
*머신러닝은 인간이 프로그램을 만들지 않는다
*딥러닝을 가능하게 한 컴퓨터의 발달
*‘연구의 홍수’와 같은 인공 지능의 확산
*‘모바일 퍼스트’에서 ‘AI 퍼스트’로

Chapter 2. 입문
딥러닝의 메커니즘
* 머신러닝 이외의 인공지능이란?
* 머신러닝의 기본
* 머신러닝에도 여러 가지 방법이 있다
* 뉴럴 네트워크는 뇌의 신경구조
* 분류하는 방법을 컴퓨터가 스스로 배워나간다
* 인터넷의 ‘놀이터’를 통해 이해하는 뉴럴 네트워크
* 지도학습과 강화학습
* 강화학습을 활용한 ‘알파고’

Chapter 3. 구글 사례 편
구글의 딥러닝 활용 사례
* 3-1 미래를 향해 퍼져나가는 딥러닝의 활용
대화로 사용하는 가정의 인공지능 비서
사람과 대화를 할 수 있다!?
* 3-2 자율주행을 지탱하는 딥러닝
딥러닝으로 데이터센터의 소비전력을 큰 폭으로 절감
* 3-3 인간의 눈을 초월하여 사물을 분별하는 이미지 인식
사진을 자동으로 분류하는 ‘Google 포토’
인공지능이 평가하는 그림 그리기 시스템 ‘Quick, Draw!’
컴퓨터도 꿈을 꿀 수 있는가? ‘딥 드림’ 실험
뛰어난 예술과 음악을 만들어내는 ‘마젠타’
동영상을 인식하는 기술! ‘독순술 전문가에게 승리하다’
* 3-4 문장을 이해하는 텍스트 분석
자동으로 이메일 답장 예문을 만드는 ‘Inbox’
스팸 필터의 정확도도 크게 향상
기업의 정보검색을 원활하게 하는 ‘구글 스프링보드’
* 3-5 대화만으로 컴퓨터와 의사를 소통하는 ‘음성 인식’
대화로 인간을 보조하는 ‘Google 어시스턴트’
합성음성도 피아노곡도 만들 수 있는 ‘WaveNet’
* 3-6 언어의 벽을 넘을 가능성이 보이기 시작한 ‘기계 번역’
뉴럴 네트워크로 진화된 Google 번역
* 3-7 딥러닝 학습의 성과를 간편하게 사용할 수 있는 ‘머신러닝 API’
Google Cloud Vision API
Google Cloud Speech API
Google Natural Language API
Google Cloud Translate API
사용자가 정의한 딥러닝을 활용할 수 있는 ‘텐서플로’
딥러닝이 적합한 영역, 적합하지 않은 영역

Chapter 4. 기업 사례 편
딥러닝을 활용한 업무의 효율성 향상사례
* 4-1 안도 하자마, 터널 공사 시의 암반 경도를 판정하다
굴착 공사의 자동 최적화까지 가시권에
* 4-2 자동차 사진으로 모델까지 식별하는 오크넷 IBS
연간 약 500만 대의 중고차 데이터를 활용
핸들의 위치를 식별할 수 없어 고민하다
중고차 거래 활성화에 기여
* 4-3 드론을 항공 촬영에 활용하는 에어로센스
적은 양의 훈련 데이터로 자동차의 대수를 감지하는 시스템을 구축
측량 효율을 높여주는 표식을 개발하다
* 4-4 음성 인식 API로 운항 정보를 24시간 제공하는 Peach 항공
사람과 인공지능의 역할 분담
* 4-5 카드 부정 감지 시스템의 정밀도를 크게 향상시킨 미쓰이 스미토모 FG
콜센터의 모든 자리에 도입
데이터는 답을 알려주지 않는다

Chapter 5. 활용 프레임워크 편
데이터×목적으로 정리하고 활용 흐름도를 그리자
* 5-1 데이터×목적에 따른 정리법
이미지 데이터는 이미 연구된 성과물이 많다
음성 데이터 활용은 콜센터가 중심
우선은 비용 절감 목적으로 접근해 나가는 것이 현실적
* 5-2 성공에 필요한 상식과 인력의 전환
활용 흐름도를 그릴 수 있는가?
필요한 인재상은?
머신러닝은 상품화되었다. 그 다음의 특별한 존재는?

Chapter 6. 미래 전망 편
딥러닝이 문제를 해결하는 미래
* 기술 혁신의 견인차는 딥러닝
* 사람은 우수하다. 알고리즘 연구는 아직 진행 중
* 딥러닝은 ‘데이터 헝그리’
* AI 연구의 목표는 현실 세계의 문제 해결