인터넷서점 인터파크도서

인공지능 기술, 비즈니스의 현장에서 생겨난 위의 의문들에 대한 답을 찾기 위해 집필된 것이다. 그런 의미에서 이 책은 알파고 이후 진행된 변화를 통해, ‘인공지능의 실체 및 미래의 방향성을 재해석하고, 이를 기반으로 비즈니스 전략을 재구성하기 위한 것’으로 축약될 수 있다.

인공지능이 만들어내는 ‘새로운 부의 지도를 읽다!’ 가십과 미디어로 전달되는 파편적인 지식이 아니라, 인공지능의 실체를 제대로 분석하여 새로운 미래 비전과 비즈니스 전략의 새판을 짜려는 비즈니스맨을 위한 ‘인공지능의 모든 것!’ ~~~~~ 비즈니스 관점에서 바라본 ‘인공지능 10가지 프레임!’ ① 알파고를 필두로 인공지능 혁명에 대한 ‘이해의 시작’ ② 딥러닝 성장을 견인했던 ‘기술의 원형과 학습 방법’ ③ 딥러닝 & 초거대 인공지능의 ‘기술과 현주소’ ④ 인공지능 성장을 견인하는 ‘하드웨어와 소프트웨어 인프라의 성장’ ⑤ 인공지능 비즈니스의 확대와 ‘실질적인 수익 모델’ ⑥ 인공지능의 그림자, 부각되고 있는 ‘인공지능의 부정적인 측면들’ ⑦ 인공지능에 대한 ‘오해, 기술적 한계, 미래’ ⑧ 인공지능을 리드하는 글로벌 빅테크 기업들의 ‘대응과 전략’ ⑨ 디지털 전환과 ‘인공지능의 활약상’ ⑩ 낙관과 비관이 공존하는 인공지능, ‘새로운 기회의 발견’ 내일의 비즈니스를 위한 ‘인공지능 실전 가이드북!’ “ 인공지능이라는 ‘새로운 나침반’으로, 미래 비전과 비즈니스 전략의 ‘새판’을 짜라! ” 인공지능은 진화되도록(최적화를 향해서) ‘창조된(만들어진) 프로그램!’ 알파고가 준 가장 큰 변화는 아마 인공지능의 대중화가 아닐까 싶다. 인공지능은 이미 일상 속으로 많이 들어와 있다. 많은 서적들과 다양한 미디어를 통해서도 우리는 거의 매일 인공지능을 접한다. 인공지능 기술이 가져올 혁명적인 변화와 비즈니스의 미래에 대한 장밋빛 전망들이 줄을 잇는다. 기술과 시장 선점, 그리고 투자의 중요성에 대해서도 독려가 이어지고 있다. 이처럼 사회와 개인에게는 인공지능에 대한 컨센서스가 이미 형성되었다. 이제 인공지능은 선택이 아닌 ‘필연’이다. 반면에 비즈니스 전선에서는 다소의 온도차가 감지되기도 한다. 아마도 인공지능의 기술적 가능성과 비즈니스의 성공 사이에 생겨나는 괴리가 자못 크기 때문일 것이다. 기술적 리더 격인 다수의 글로벌 기업들도 비즈니스를 포기하거나 사업부 자체를 매각하는 일까지 생겨나고 있다. 딥 마인드와 같이 혁명적인 기술을 선보이는 기업도 최근까지 수억 달러의 누적 적자가 발생되는 등, 인공지능 비즈니스에서는 부침을 거듭하고 있는 것이 현실이다. 인공지능 기술의 중요성과 파급력을 충분히 이해하고 있는 대부분의 기업들은 기술과 시장 선점에 대한 초초함이 클 것이다. 하지만 폭발적으로 확장되고 있는 인공지능 기술의 바다에서 집중해야 할 기술적 분야를 선정하는 것도, 수익성 있는 비즈니스 모델을 확보하는 것도 어려운 결정이다. 따라서 아직 관망하는 기업이 많아지는 모양새다. 자본과 의지는 충만하지만, 인공지능 비즈니스에 대한 목표와 방향이 아직 명확치가 않은 듯하다. 디지털 전환의 부상에 따라 경쟁적으로 인공지능을 도입해온 제조업과 같은 산업 현장도 마찬가지다. 기업 브랜딩에도 도움이 되었겠지만, 무엇보다 생산성 향상에 대한 기대감이 가장 컸을 것이다. 하지만 이에 대한 의문이 조금씩 늘고 있는 것도 사실이다. 거액의 투자비가 요구되는 분야임에도, 생산성 향상에 기여가 되었다고 보기에는 아직 미미한 것이 현실이기 때문이다. 극히 일부이긴 하지만, 이전의 일부 기술처럼 인공지능도 과대 포장된 건 아닌가 하는 극단적 의구심도 생겨나고 있다. 이처럼 많은 긍정적인 변화에도 불구하고, 지금은 인공지능에 대한 낙관뿐만 아니라 의구심도 여전히 공존하는 시간대임이 분명하다. 알파고 이후 6여 년이 지난 이 시점에서, 우리는 인공지능의 다양한 얼굴을 마주하고 있는 셈이다. 인공...지능의 실체와 미래의 방향성을 재해석하여, ‘비즈니스 전략을 재구성하다!’ 이 지점에서 여러 의문들이 꼬리를 물고 고개를 든다. 그동안 인공지능에 대한 우리의 이해가 제대로 된 것인지? 인공지능에 기술적 한계는 없는 것인지? 무엇이 비즈니스의 확장을 제한하고 있는지? 알파고의 충격 이후부터 기업들이 이해하고 수립했던 인공지능 전략들은 지금도 유효한 것인지? 인공지능에 대한 사회적 인식과 비즈니스 현장에서의 갭을 목도하면서, 이제 위의 의문들에 대한 해답이 필요한 시점이 되었다는 생각이 들었다. 즉, ‘전가의 보도’로 여겨졌던 인공지능을 이제 제자리로 돌려놓고, 차분하고 냉정하게 직시해야 하는 시점이 되었다. 인공지능은 여타 기술들과는 달리, 최고의 기술이 반드시 최상의 비즈니스를 만들어주지는 않는다는 면에서 다소 특이하기도 하다. 아마도 이는 인공지능에 내재된 기술적, 사업적 특성이 기존 기술과는 다르기 때문일 것이다. 따라서 이들 특성에 대한 제대로 된 분석이야말로 올바른 비즈니스 전략을 구축하기 위해 필수적이다. 〈비즈니스 관점으로 꿰뚫은 거의 모든 인공지능〉은 인공지능 기술, 비즈니스의 현장에서 생겨난 위의 의문들에 대한 답을 찾기 위해 집필된 것이다. 그런 의미에서 이 책은 알파고 이후 진행된 변화를 통해, ‘인공지능의 실체 및 미래의 방향성을 재해석하고, 이를 기반으로 비즈니스 전략을 재구성하기 위한 것’으로 축약될 수 있다. 비즈니스 관점에서 바라본 ‘인공지능 10가지 프레임!’ 〈비즈니스 관점으로 꿰뚫은 거의 모든 인공지능〉은 이를 위해 10개의 PART로 구성됐다. 인공지능의 실체를 들여다보는 10개의 프레임이 되는 셈이다. 사회의 다양한 도메인에서 바쁜 일상을 살아가는 우리들 대부분은 단편적인 정보에 의존함으로써, 특정 주제에 대한 통합적인 이해에 실패하는 경우가 더러 생기기도 한다. 대학과 연구소, 기업의 기술 개발의 최전선에 있을 소수의 전문가들을 제외하면, 인공지능의 경우도 많이 다르지 않을 것이다. 이 경우 마치 장님이 코끼리를 만지듯, 인공지능은 각기 다른 모습으로 정의되고 소통되고 오해가 확대되기도 할 것이다. 비즈니스 관점에서 바라본 ‘인공지능 10가지 프레임’을 통해 인공지능의 다양한 모습을 들여다봄으로써, 인공지능에 대한 오해의 폭을 줄이면서, 개인의 전략 형성에도 도움이 되고자 했다. 한 가지 첨언하자면, 이 책의 저자는 각 PART마다 ‘추적’이라는 표현을 썼다. 이는 독자들과 더불어 각 PART의 이슈들을 같이 탐색해 들어간다는 의미다. 비즈니스 현장에서 치열하게 경쟁하고 있을 우리 경제의 주역들과 통합적인 이해가 힘들었을 수많은 개인들과 함께, 인공지능의 여러 단면들을 추적해 들어감으로써 각자의 인사이트를 완성시켜가는 데 도움이 되었으면 한다.

PART 1∥알파고를 찾아서 알파고 쇼크 알파고의 진화 알파고의 시작 / 알파고, 진화를 시작하다 / 더욱 강력해진 알파고 / 알파고 제로, 진화의 완결 / 알파제로, 범용성의 옷을 입다 / 알파스타, 전략 시뮬레이션 게임의 정복 / 알파폴드, 생물학의 난제를 풀다 인공지능, 포커를 정복하다 포커 게임 / 딥스택, 인간을 이기다 / 리브라투스의 등장 / 플루리버스, 포커 인공지능의 완결 인간과 경쟁하는 인공지능의 발자취 딥블루, 체스마스터 / 왓슨, 퀴즈의 달인 PART 2∥딥러닝, 인공지능의 물고를 트다 인공지능의 인셉션 컴퓨터의 발전, 인공지능의 시작 / 다트머스 회의, 인공지능의 탄생 인공지능의 두 갈래 길 기호주의 인공지능의 성장 / 기술적 낙관주의와 ‘인공지능의 겨울’ / 연결주의의 생성과 몰락 딥러닝의 문을 열다 연결주의의 화려한 부활, 딥러닝의 탄생 / 딥러닝의 성장과 캐나다 마피아 딥러닝의 원형 아키텍처들 이미지와 패턴 인식의 혁명 / 언어와 시계열 데이터 학습의 진화 / 자연어 처리의 혁명 / 생성 알고리즘의 진화 인공지능 학습 방법의 발전 머신러닝, 딥러닝 / 기계의 학습 비밀 / 지도...학습 / 비지도학습 / 강화학습 / 전이학습 PART 3∥인공지능 기반 기술의 발전 인공지능, 기계의 눈을 밝히다 딥러닝, 컴퓨터 비전 기술의 혁명 / 컴퓨터 비전 기술의 확장 인공지능, 귀와 입을 열다 음성 인식 / 음성 합성 인공지능, 언어를 이해하다 자연어 처리 기술의 혁명 / 기계 번역 패러다임의 진화 / 대화형 인공지능의 발전 인공지능, 창조를 시작하다 창조하는 인공지능 / 적대적 생성 신경망의 탄생 / 딥페이크, 조작의 가능성을 열다 초거대 인공지능의 성장 오픈AI, 초거대 인공지능의 빗장을 열다 / 마이크로소프트, 초거대 인공지능의 상용화 / 딥마인드, 초거대 인공지능의 효율화 / 국내 기업들의 대응 PART 4∥인공지능 밸류체인의 성장 딥러닝의 성장 배경 인공지능 반도체의 성장 GPU, 인공지능 시대를 열다 / 인공지능 전용 반도체 개발 경쟁, 더 스마트하고 빠르게 클라우드와 엣지, 인공지능 확장을 위한 엔진 클라우드 컴퓨팅 / 엣지 컴퓨팅 고성능 컴퓨팅 인프라의 부활 슈퍼컴퓨터의 부활 / 클라우드 기반 슈퍼컴퓨터 인공지능 플랫폼의 성장 인공지능 생태계의 확장 / 딥러닝 프레임워크의 경쟁 / 구글의 머신러닝 플랫폼 / 아마존의 머신러닝 플랫폼 / 마이크로소프트의 ‘애저 AI’ / IBM의 인지 컴퓨팅 PART 5∥인공지능, 비즈니스를 열다 자율주행, 인공지능 비즈니스의 선두 주자 테슬라의 FSD, 자율주행 사업화의 시작 / 자율주행의 발자취 / 자율주행 기술 / 자율주행의 기술적 레벨 / 구글, 자율주행의 시작 / 테슬라, 자율주행의 압도적 강자 / 엔비디아, GPU 기반의 사업 확장 / 모빌아이, 자율주행의 작은 거인 / 바이두, 중국 자율주행의 리더 / 글로벌 완성차 기업들의 분투 대화형 인공지능 비즈니스의 성장 AI 스피커 시장의 성장 / 애플의 시리, 음성 비서의 시작 / 아마존의 알렉사, 집 안으로 들어온 음성 비서 / 구글 어시스턴트, 기술력으로 승부하다 / 마이크로소프트의 코타나, 작업 도우미 인공지능 로봇과 드론 비즈니스의 성장 로봇 시장의 성장 / 물류 창고의 혁명, 아마존 키바 / 요식업과 가정의 혁신 / 휴머노이드 로봇의 등장 / 수술로봇의 확장 / 산업용 협동로봇의 성장 / 상업용 드론의 발전 헬스케어 인공지능 비즈니스의 성장 헬스케어 인공지능 / 의료 영상 분석 / 지식 기반 의료 데이터의 분석 / 환자의 의료, 생체 데이터의 분석 / 신약 개발 PART 6∥인공지능의 그림자 일자리에 대한 심각한 도전 비관적 견해 / 낙관적 견해와 반론 / 증강지능의 관점 / 일자리는 어떻게? 군사 무기화에 대한 커지는 우려 공격용 드론과 킬러로봇 / 생화학 무기의 가능성 신뢰가 무너지는 사회 딥페이크의 부상과 조작 사회의 등장 / 편향성의 한계 빅 브라더의 실루엣 감시자의 눈 / 데이터와 지식의 통제 / 감시자의 귀 PART 7∥인공지능에 지능은 없다 인공지능의 여행 가방, 오해의 시작 사람과 같은 지능? / 스스로 학습하는 기계? 인공지능의 다양한 모습들 상반된 견해들 / 일반 인공지능 / 협의 인공지능 / 초지능 딥러닝 기반 협의 인공지능의 한계 데이터 의존성 / 데이터와 알고리즘의 편향성 / 설명 가능성의 부재 / 일반화의 어려움 일반 인공지능을 위한 방법들 인공지능 무게 중심의 이동 / 딥러닝을 넘어서 / 하이브리드 인공지능 혹은 다른 대안? PART 8∥글로벌 빅테크 기업들의 대응과 전략 구글, 기술 지향의 완벽주의 인공지능 기술의 개척자 / 핵심 비즈니스의 혁신 / 기술과 비즈니스의 간극 테슬라, 사업 지향의 점진주의 사업 우선주의와 핵심 기술의 수직적 통합 / 비즈니스와 인공지능 역량의 확대 아마존, 핵심 비즈니스의 경쟁력 우위 클라우드, 핵심 비즈니스의 확장 / 인공지능, 핵심 비즈니스의 강화 마이크로소프트, 인공지능의 도구화 인공지능, 내부 혁신의 도구 / 인공지능을 제품으로 애플, 디바이스의 차별화 도구 인공지능, 디바이스의 강화 / 뒤처지는 존재감 페이스북, 내부 혁신과 연구 중심 R&D 중심 전략 / FAIR, 인공지능 R&D의 리더 엔비디아, 반도체에서 종합 컴퓨팅으로 GPU 중심 비즈니스 / 통합 솔루션으로의 확장 빅테크 기업들의 공통 전략 엿보기 인공지능 기술의 수직적 통합 / 차별적 역량 확보 PART 9∥디지털 전환과 인공지능 디지털 전환 다양한 정의들 / 강력한 비즈니스 혁신 도구 제조업의 혁신과 기회 제조업과 인공지능 / 스마트 공장, 디지털 트윈 / 제조업의 딥러닝 농업의 디지털 전환 스마트 농업, 어그테크의 성장 / 스마트팜, 식물 공장 스마트 건설업 건설업의 혁신과 인공지능 / 콘테크 스타트업의 성장 금융과 투자의 인공지능 금융과 투자의 디지털 전환 / 인공지능, 투자를 이끌다 스마트 물류의 기회들 수요를 예측하다 / 물류 창고의 인공지능 / 자율주행 배송 PART 10∥인공지능, 기회의 발견 낙관과 비관 사이 낙관과 비관의 공존 / 인공지능, 키티호크의 시간 인공지능 비즈니스의 특징 일반화의 한계 / 패스트팔로워의 한계 / ROI 예측의 한계 / 네트워크 효과 인공지능 비즈니스 모델, 무엇을 할 것인가 기능 확장형 모델 / 기능 대체형 모델 / 신제품, 신사업 모델 인공지능 비즈니스 모델, 어떻게 할 것인가 마이클 포터의 경쟁 전략 / 원가 우위, 차별화, 시장 집중화 기업들의 선택지 IT, 자동차, 로봇 기업 / 플랫폼, 소프트웨어 기업 / 제조, 건설 등 비IT 기업 / 스타트업의 선택지

“인공지능 개발자에게 인공지능을 가장 먼저 테스트하고 싶은 대상이 게임이다. 명확하고 공평하게 주어진 룰 안에서 인간과 경쟁하는 것만큼 ‘만들어진 지능’을 시험해보기 좋은 무대는 없을 것이다. 따라서 게임은 오랫동안 인공지능의 성능을 측정하기 위한 지표 역할을 해왔다.” “가장 놀라운 것은 인공지능의 진화 속도다. 알파고 개발이 시작된 2014년부터 인간과의 바둑 경쟁이 무의미해진 2017년까지 3년이 채 걸리지 않았다. 범용성을 갖춘 대표적인 보드 게임 인공지능으로 진화하는 데에는 3년 반이면 족했다. 전략 게임이나 생물학으로의 확장은 어떤가. 단 2년 만에 사람의 능력을 넘어서는 정도의 진화를 마무리했다.” “인공지능으로 인한 일자리 위협은 화이트칼라와 블루칼라, 고숙련공과 미숙련공을 가리지 않고 전 방위적으로 나타날 가능성이 크다. 심지어 인공지능을 개발하는 개발자의 업무도 대체될 수 있다는 예측까지 나오고 있다.” “인공지능의 침투 속도는 분야에 따라 다르게 나타난다. 일부를 제외하고 인공지능에 의한 전면적인 교체까지는 시간이 걸린다. 그보다는 인공지능의 협업 레벨 1에서 레벨 4까지 점진적으로 진행되면서, 전체적인 인력 규모를 점차 줄여갈 것이다. 이런 중간 지대의 시간이 얼마나 지속될 것인지는 분야별 기술적 성숙도 및 법과 제도, 사회적 합의 등에 따라 달라질 가능성이 크다. 인공지능과 인간이 공생, 공조하는 이 기간 동안 인공지능을 활용하는 능력이 개인과 기업 혹은 국가의 성패를 좌우할 것이다.” “데이터를 학습하는 딥러닝은 다소의 차이는 있겠지만, 태생적으로 편향성을 가질 수밖에 없다. 데이터를 수집하는 과정과 데이터 접근성의 차이 등에 의해 자연스럽게 데이터의 편향을 가져올 수 있기 때문이다. 편향된 데이터 세트로 학습한 인공지능은 편향된 결과를 낼 수밖에 없는 것이다.” “딥러닝 혹은 심층 신경망(Deep Neural Network)은 사람의 뇌를 모방한 인공 신경망 기술의 일종으로, 현재의 인공지능 혁명을 가능케 한 기술이다. 딥러닝과 더불어 초거대 인공지능 기술은 ‘지능’이라는 전체 그림을 채워 넣기 위해 미지의 부분을 찾아가는 기술적 오디세이다.” “튜링 테스트는 찬반 의견이 있음에도 인공지능 연구자들이 도달하려는 목표가 되었다. ‘통신망을 통해 컴퓨터와 대화하면서 자신의 대화 상대가 사람인지 기계인지 구별하지 못하면, 그 컴퓨터는 지능이 있는 것으로 간주한다’라는 것이다.” “기호주의는 모든 지식을 기호화하고, 기호 간의 규칙을 프로그램화 하는 방식이다. 기호주의는 자연어 이해와 번역, 이미지 분류 등에서 오랜 연구가 이루어졌지만, 외부에서 인정할만한 충분한 결과를 만들어내지는 못했다. ‘인공지능 기술의 겨울’을 맞게 된 결정적 이유다. 거창한 약속과 높은 기대, 기술적 한계와 결과에 대한 실망의 반복적인 사이클. 이것이 인공지능의 겨울을 가져다준 본모습이었다.” “IBM의 아서 사뮤엘은 1959년에 머신러닝(Machine Learning)이라는 용어를 최초로 만들어냈다. ‘코드로 정의되지 않은 동작을 실행하는 능력’, 즉 학습을 통해 기계 스스로 성장하는 능력을 연구하는 새로운 분야의 탄생이었다.” “합성곱 신경망은 기존 방식과 달리 사람들이 보는 방식을 모방하려 했다. 화소 대신 색이나 형태 등 이미지가 가지고 있는 부분적인 특징들을 우선적으로 검출하고 이들을 통합해 이미지 전체를 인식하려는 접근법이었다.” “인공지능은 알고리즘이 제시한 결과에 대해 이유를 설명하지 못한다. 알고리즘의 결정에 의문을 가져도 이의 제기는 거의 불가능한 블랙박스다. 단지 확률적 판...

문용석 [저]

미국 미네소타 대학에서 공학박사 학위를 취득한 후, 삼성과 포스코 등 대기업 그룹에서 약 12년간의 기술 개발 담당 임원을 역임하는 등 25여 년을 ICT 분야에 몸담아 왔다. 기업의 기술 개발 최전선에서 반도체, 통신, 모바일, 소프트웨어 및 소프트웨어 공학 등 ICT의 폭넓은 스펙트럼에서 깊은 경험을 쌓았다. 특히 최근 수년 동안 스마트 팩토리와 스마트 에너지, 스마트 경영관리 등을 중심으로 하는 기업의 디지털 전환 업무에 집중해왔다. 4차 산업혁명의 근간이 되는 인공지능과 빅 데이터, 클라우드, 블록체인 등 다양한 도메인에서 기반 기술, 솔루션의 개발과 사업화를 통해 기업의 디지털 전환을 촉진시키는 업무를 담당했다.