얼추거의맞기(probably approximately correct)레슬리 밸리언트 2021 "기계 학습을 다시 묻다" 이광근
얼추거의맞기(probably approximately correct)
(레슬리 밸리언트 and 이광근 2021)
복잡하고 틀리기 일쑤인 세계에서 생명체는 어떻게 이렇게 번영한 걸까? 우리의 일상은 알려진 과학으로 설명할 수 있는 범위 바깥에 있다. 그런데도 우리는 그럭저럭 해낸다. 어떻게 행동해야 할지에 대한 이론 없이 그렇게 해낸다. 어떻게 하는 걸까? 이 책에서 컴퓨...
소개
복잡하고 틀리기 일쑤인 세계에서 생명체는 어떻게 이렇게 번영한 걸까? 우리의 일상은 알려진 과학으로 설명할 수 있는 범위 바깥에 있다. 그런데도 우리는 그럭저럭 해낸다. 어떻게 행동해야 할지에 대한 이론 없이 그렇게 해낸다. 어떻게 하는 걸까? 이 책에서 컴퓨터과학자인 레슬리 밸리언트는 대가의 솜씨로 학습이 지능과 진화의 엔진임을 설명한다. 그래서 우리가 개별적으로 그리고 하나의 그룹으로 우리가 놓인 복잡한 세계에서 어떻게 생존하고 번영하는지를 설명해준다. 핵심은 “얼추거의맞기(probably approximately correct)”라는 개념이다. 밸리언트는 이 개념으로 현실적인 학습이란 무엇인지 설명한다. 밸리언트의 이론은 진화와 학습이 공통적으로 가지는 계산 과정을 드러낸다. 그리고 어떤 능력이 타고난 것인지 길러진 것인지, 또는 인공지능의 한계가 무엇인지 등 우리가 항상 가지는 질문들에 한줄기 빛을 비춰 준다.
1장 에코리즘
- 이름 없는 것을 과학으로
2장 예측과 적응
3장 계산 가능함이란
3.1 튜링의 패러다임 3.2 깨지지 않은 기계 계산 모델 3.3 계산 법칙의 특성 3.4 현실적인 시간이 드는 계산 3.5 맞닥뜨릴 수 있는 궁극의 한계 3.6 복잡한 행동을 하는 간단한 알고리즘들 3.7 퍼셉트론 알고리즘
4장 자연의 기계적인 설명
5장 학습 가능함이란
5.1 인지에 대해 5.2 인덕의 문제와 가능성 5.3 인덕의 과학적인 설명: 항아리 예 5.4 인덕 오류의 관리 5.5 얼추거의맞기 학습 가능성을 향하여 5.6 얼추거의맞기 학습 가능성 5.7 오컴 방식으로 학습 결과 감별하기 5.8 학습의 한계는 있을까? 5.9 배우기와 가르치기 5.10 배울 수 있는 목표를 좇는 능력 5.11 얼추거의맞기 학습, 인지의 기본
6장 진화 가능함이란
6.1 빈틈이 있다 6.2 그 빈틈을 메꿀 방법 6.3 진화에 목표가 있다? 6.4 진화할 수 있는 목표를 좇는 능력 6.5 진화 대 학습 6.6 진화는 학습의 한 형태 6.7 진화 가능성의 정의 6.8 범위와 한계 6.9 실수 값을 동원하는 진화 6.10 이 이론이 다른 점
7장 디덕 가능함이란
7.1 이치 따지기 7.2 근거 없이도 해야 할 이치 따지기 7.3 계산의 벽 극복하기 7.4 융통성 없이 쉽게 부서지는 문제 극복하기 7.5 뜻 정하기 애매함 극복하기 7.6 대상 정하기 어려움 극복하기 7.7 마음의 눈: 세계를 보는 바늘구멍 7.8 튼튼 논리: 알 수 없는 세계에서 이치 따지기 7.9 생각 과정
8장 에코리즘으로서의 인간
8.1 들어가며 8.2 타고난 거냐 길러진 거냐 8.3 순진함 8.4 편견과 성급한 판단 8.5 각자 만든 진실 8.6 각자의 느낌 8.7 이성이라는 환상 8.8 기계의 도움을 받는 인간 8.9 뭐가 더 있을까?
9장 에코리즘으로서의 기계
9.1 들어가며 9.2 기계 학습 9.3 인공지능 - 어려운 이유? 9.4 인공지능에서 인공적인 것 9.5 독학으로 학습하기 9.6 인공지능 - 다음은 어디? 9.7 인공지능을 두려워해야 할까?
10장 질문들
10.1 과학 10.2 에코리즘 방식이 더 깊어지는 미래 10.3 행동 요령 10.4 신비
저 : 레슬리 밸리언트
하버드대학 컴퓨터과학 및 응용수학의 제퍼슨 쿨리지(T. Jefferson Coolidge) 교수다. 영국 왕립학회와 미국 과학학술원 회원이다. 국제 수학 연맹에서 수여하는 네반린나상(Nevanlinna Prize)을 받았고, 40여 년간 기계 학습 분야 연구에 기여한 공로로 컴퓨터과학의 노벨상이라 할 튜링상(Turing Award)을 수상했다.
역 : 이광근
서울대학교에서 전산과학을 전공하고 미국 일리노이대학교에서 박사학위를 받았다. 벨 연구소(Bell Labs) 연구원을 거쳐, 1KAIST 전산학과 교수를 역임했으며, 과학기술부 창의원구단 단장, 교육과학기술부 선도연구센터 센터장으로 활동했다. MIT, Ecole Normale Superieure Paris, 스탠퍼드 대학, 페이스북 등 유수의 교육 기관에서 방문교수로 있기도 했다. 파리 고등사범학교 초빙 교수를 역임했으며 현재 서울대 컴퓨터공학과 교수로 재직 중이다.
Related-Notes
References
레슬리 밸리언트, and 이광근. 2021. 기계 학습을 다시 묻다. https://www.yes24.com/Product/Goods/105310306.