인공지능. 2

현대적 접근방식

스튜어트 러셀 , 피터 노빅 지음 | 류광 옮김

제이펍 2021년 12월 21일 출간 종이책 : 2021년 08월 25일 출간

작품소개

책소개

전 세계 1,500개 이상의 대학에서 교재로 사용하는 인공지능 교과서!

‘인공지능 바이블’로 통하는 이 책은 이미 3판에서도 인공지능 연구의 결정판으로서의 위치를 확고히 한 바 있다. 최소 134개국 1,529개 이상의 대학에서 교재로 사용하고 있으며(미국에서만 554개 대학에서 채택), 전 세계의 교육자들은 이 책을 다음과 같이 칭송하고 있다.

It's a pleasure teaching from your book. - Prof. Barbara Grosz (Harvard)
a damn good book - Prof. Pat Hayes (Western Florida)
It's simply the best. - Prof. Curry Guinn (Duke)

목차

PART V 기계학습
CHAPTER 19 견본에서 배우는 학습 ㆍ 3
19.1 학습의 여러 형태 ………………………………………………………………………………………………………………… 4
19.2 지도학습 …………………………………………………………………………………………………………………………………… 6
19.3 결정 트리의 학습 ……………………………………………………………………………………………………………… 11
19.4 모형 선택과 최적화 ………………………………………………………………………………………………………… 21
19.5 학습 이론 ……………………………………………………………………………………………………………………………… 30
19.6 선형 회귀와 분류 ……………………………………………………………………………………………………………… 35
19.7 비매개변수 모형 ………………………………………………………………………………………………………………… 47
19.8 앙상블 학습 …………………………………………………………………………………………………………………………… 59
19.9 기계학습 시스템 개발 ……………………………………………………………………………………………………… 69
▶▶ 요약 …………………………………………………………………………………………………………………………………… 81
▶▶ 참고문헌 및 역사적 참고사항 …………………………………………………………………………… 82

CHAPTER 20 확률 모형의 학습 ㆍ 89
20.1 통계적 학습 …………………………………………………………………………………………………………………………… 90
20.2 완전 데이터를 이용한 학습 ………………………………………………………………………………………… 93
20.3 은닉 변수가 있는 학습: EM 알고리즘 ……………………………………………………………… 109
▶▶ 요약 ………………………………………………………………………………………………………………………………… 119
▶▶ 참고문헌 및 역사적 참고사항 ………………………………………………………………………… 120

CHAPTER 21 심층학습 ㆍ 125
21.1 단순 순방향 신경망 ……………………………………………………………………………………………………… 127
21.2 심층학습을 위한 계산 그래프 ………………………………………………………………………………… 133
21.3 합성곱 신경망 …………………………………………………………………………………………………………………… 137
21.4 학습 알고리즘 …………………………………………………………………………………………………………………… 144
21.5 일반화 …………………………………………………………………………………………………………………………………… 148
21.6 순환 신경망 ………………………………………………………………………………………………………………………… 153
21.7 비지도학습과 전이학습 ………………………………………………………………………………………………… 157
21.8 응용 ………………………………………………………………………………………………………………………………………… 165
▶▶ 요약 ………………………………………………………………………………………………………………………………… 168
▶▶ 참고문헌 및 역사적 참고사항 ………………………………………………………………………… 168

CHAPTER 22 강화학습 ㆍ 173
22.1 보상 기반 학습 ………………………………………………………………………………………………………………… 173
22.2 수동 강화학습 …………………………………………………………………………………………………………………… 176
22.3 능동 강화학습 …………………………………………………………………………………………………………………… 183
22.4 강화학습의 일반화 ………………………………………………………………………………………………………… 191
22.5 정책 검색 …………………………………………………………………………………………………………………………… 199
22.6 견습 학습과 역강화학습 ………

출판사 서평

2010년대 인공신경망의 부활과 심층학습의 눈부신 성과를 반영한 인공지능 연구의 결정판!

2016년에 나온 제3판 번역서(2009년에 출간된 원서 3판을 번역)는 최신 연구 반영에 한계가 있었으나, 이번 제4판 번역서는 최근 성과(자연어 이해, 로봇공학, 컴퓨터 시각에 심층학습이 끼친 영향, 강화학습을 로봇공학에 적용하는 방법, 기계학습, 인공지능 윤리 등)를 충실하게 반영한, 2020년에 출간된 원서를 옮긴 것이라 이 분야의 ‘좀 더 통합된 상’을 원하는 여러 독자의 갈증을 해소하는 데 큰 도움이 될 것입니다.

전체적으로, 책의 약 25%가 완전히 새로운 내용이고 나머지 75%도 이 분야의 좀 더 통합된 상을 제시하기 위해 크게 변경되었으며, 이번 판에서 인용한 문헌의 22%는 2010년 이후에 출판된 것들입니다.

제4판에서 새로운 점들
ㆍ 사람이 손으로 짜는 지식 공학보다는 기계학습에 좀 더 무게를 실었다. 기계학습은 가용 데이터와 컴퓨팅 자원이 증가하고 새로운 알고리즘들이 등장한 덕분에 큰 성공을 거두고 있다.
ㆍ 심층학습, 확률적 프로그래밍, 다중 에이전트 시스템을 각각 개별적인 장(챕터)으로 두어서 좀 더 자세히 다룬다.
ㆍ 자연어 이해, 로봇공학, 컴퓨터 시각에 관한 장들을 심층학습이 끼친 영향을 반영해서 수정했다.
ㆍ 로봇공학 장에 사람과 상호작용하는 로봇에 관한 내용과 강화학습을 로봇공학에 적용하는 방법에 관한 내용이 추가되었다.
ㆍ 이전에는 인공지능의 목표를 사람이 구체적인 효용 정보(목적함수)를 제공한다는 가정하에서 기대 효용을 최대화하려는 시스템을 만드는 것이라고 정의했다. 그러나 이번 판에서는 목적함수가 고정되어 있으며 인공지능 시스템이 목적함수를 알고 있다고 가정하지 않는다. 대신, 시스템은 자신이 봉사하는 인간의 진짜 목적이 무엇인지 확실하게 알지 못할 수 있다고 가정한다. 시스템은 반드시 자신이 무엇을 최대화할 것인지를 배워야 하며, 목적에 관해 불확실성이 존재하더라도 적절히 작동해야 한다.
ㆍ 인공지능이 사회에 미치는 영향을 좀 더 자세하게 다루었다. 여기에는 윤리, 공정성, 신뢰, 안정성에 관한 핵심적인 문제들을 고찰한다.
ㆍ 각 장 끝의 연습문제들을 온라인 사이트로 옮겼다. 덕분에 강사들의 요구와 이 분야 및 인공지능 관련 소프트웨어 도구의 발전에 맞게 연습문제들을 계속 추가, 갱신, 개선할 수 있게 되었다.

작가정보

저자(글) 스튜어트 러셀

저자 : 스튜어트 러셀
Stuart Russell
스튜어트 러셀은 현재 버클리 대학교의 컴퓨터과학과 교수이자 Center for Intelligent Systems의 책임자, 그리고 공학 스미스-자데 석좌교수(Smith-Zadeh Chair)이다. 또한, 인공지능의 다양한 주제에 관해 300편이 넘는 논문을 발표했으며, 그가 쓴 다른 책으로는 《The Use of Knowledge in Analogy and Induction》과 《Do the Right Thing: Studies in Limited Rationality》, 그리고 《Human Compatible: Artificial Intelligence and the Problem of Control》이 있다.

두 저자는 2016년 AAAI(American Association for Artifi cial Intelligence)/EAAI(Educational Advances in Artificial Intelligence)의 제1회 우수교육자(Outstanding Educator) 상을 공동 수상했다.

저자 : 피터 노빅
(Peter Norvig)
피터 노빅은 현재 구글의 연구실장이며, 2002년에서 2005년까지 핵심 웹 검색 엔진 개발을 이끌었다. 전에는 NASA Ames Research Center의 계산 과학 분과장으로서 NASA의 인공지능 및 로봇공학 연구와 개발을 감독했다. 서던 캘리포니아 대학교의 교수였으며, 버클리 대학교와 스탠퍼드 대학교의 연구교수단 일원이었다. 그의 다른 책으로는 《Paradigms of AI Programming: Case Studies in Common Lisp》와 《Verbmobil: A Translation System for Face-to-Face Dialog》, 그리고 《Intelligent Help Systems for UNIX》가 있다.

두 저자는 2016년 AAAI(American Association for Artifi cial Intelligence)/EAAI(Educational Advances in Artificial Intelligence)의 제1회 우수교육자(Outstanding Educator) 상을 공동 수상했다.

역자 : 류광
커누스 교수의 《컴퓨터 프로그래밍의 예술》 시리즈(한빛미디어)를 포함하여 80여 종의 다양한 IT 전문서를 번역한 전문 번역가이다. 본서 외에 《인공지능: 현대적 접근방식 제3판》(제이펍, 2016), 《심층 학습》(제이펍, 2018), 《신경망과 심층 학습》(제이펍, 2019), 《파이썬으로 배우는 자연어 처리 인 액션》(제이펍, 2020), 《심층 강화학습 인 액션》(제이펍, 2020) 같은 인공지능 관련 서적을 번역했다.

저자(글) 피터 노빅

번역 류광