■구글 검색부터 네이버 파파고, 내비게이션과 유튜브 알고리즘까지
일상을 바꾼 모든 AI 기술의 원리를 쉽게 풀어낸다

아침에 일어나 스마트 스피커에 날씨를 물어본다. 궁금한 일이 생기면 곧바로 포털에서 검색한다. 어디론가 이동할 때는 내비게이션에 목적지를 입력한다. 유튜브나 넷플릭스가 내게 추천해준 영상들을 차례로 훑어본다. 이는 지금 우리 일상의 한 장면들이다. 그리고 이 장면에는 모두 인공지능 기술이 녹아 있다. 자율주행, 검색엔진, 스마트 스피커, 기계번역, 챗봇, 내비게이션, 추천 알고리즘이 일상에 쓰이면서 우리는 삶이 편리해졌다고 느낄 뿐이지만 그 안에서는 혁신적인 인공지능 기술이 작동하고 있는 것이다. 이 책은 이러한 인공지능 기술을 우리가 이해할 수 있는 언어로 풀어낸다. 구글이 어떻게 순식간에 필요한 정보를 찾아내는지, 챗봇은 어떻게 정답을 들려주는지, 추천 알고리즘은 내 취향을 어떻게 알아내는지 등, 우리 일상과 밀접한 인공지능 기술의 원리를 친절하게 설명한다.
먼저 우리가 인공지능 하면 가장 먼저 떠올리는 알파고의 원리를 소개한다. 알파고는 어떻게 최고의 바둑 고수들을 뛰어넘을 수 있었을까? AI 체스기계　딥 블루가　세계챔피언 카스파로프를 이겼을 때도 바둑은 인공지능이 넘볼 수 없는 영역으로 치부되었다. 체스와는 달리 바둑은 그 경우의 수가 너무나도 컸기 때문이다. 이러한 문제를 인공지능 학자들은 몬테카를로 방법으로 해결한다. 모든 경우의 수를 계산하는 것이 아닌 무작위로 샘플링하여 정답을 찾는 것이다. 참고로 몬테카를로는 카지노와 도박으로 유명한, 모나코 동북부에 있는 휴양 도시로 도박에서 확률을 계산하는 것에서 그 이름을 따왔다. 여기에 더해, 어디에 돌을 내려놓을지 판단하는 정책망 알고리즘, 승리할 확률이 얼마나 되는지 판단하는 가치망 알고리즘을 활용해 알파고는 결국 이세돌 9단에게 승리를 따낸다.
챗봇에 쓰이는 원리도 흥미롭다. 인간의 언어를 다루는 인공지능 기술에서는 인간의 언어를 컴퓨터가 이해할 수 있는 언어로 바꾸는 것이 핵심인데 그 대표적인 방법이 ‘워드투벡’이다. 워드투벡은 말 그대로 단어를 벡터로 바꾼다는 의미다. 워드투벡은 어떤 단어와 특징을 관련성에 따라 0.99에서 0.01까지의 가중치로 표현한다. 예컨대 캐러멜이란 단어에서 단맛이란 특징의 가중치는 0.92, 크기는 0.06, 둥근 정도는 0.02의 숫자로 표현할 수 있다. 이렇게 하면 해당 단어를 각 특징을 차원으로 삼은 벡터 공간의 좌표에서 표현할 수 있는데, 이 좌표에서 특징이 유사한 단어들은 가까이 모이고, 이를 보고 컴퓨터는 단어의 유사도를 판단할 수 있는 것이다. 그리고 같은 방법으로 문장을 벡터로 표현하면, 우리의 질문에 가장 유사한 답변을 재빠르게 찾아주는 챗봇 기술이 된다.
“오늘도 알 수 없는 유튜브 알고리즘이 나를 이 영상으로 끌고 왔다”라는 밈으로 유명한 유튜브 알고리즘에 관한 설명도 재미있다. 여러 추천 알고리즘 중에 대표적인 것이 행렬 인수분해다. 행렬 인수분해를 이용하면 하나의 행렬을 2개의 행렬로 분해해서 계산하고 예측 정보를 얻어낼 수 있다. 예컨대, 고객이 어떤 영화에 남긴 평점을 하나의 행렬로 보고 여기에서 고객의 특징과 영화의 특징을 분해해 추출하는 것이다. 이러한 알고리즘에 딥러닝을 도입해 우리의 유튜브 화면에는 알 수 없는, 하지만 볼 수밖에 없는 영상들이 줄지어 올라온다. 참고로 행렬 인수분해는 사이먼 펑크라는 가명을 쓴 인물이 뉴질랜드 여행 중에 넷플릭스 프라이즈에 참가하여 고안한 알고리즘이다. 그는 이 알고리즘으로 대회에서 3위까지 올라가지만 대회에 관심이 없어진 그는 자신이 발명한 알고리즘을 블로그에 모두 공개하고 홀연히 자취를 감춘다.

■인공지능 기술을 둘러싼 흥미로운 역사와 뒷이야기들

인공지능 기술의 발자취를 따라가다 보면 자연스레 등장하는, 흥미로운 사건들을 읽는 것도 이 책의 재미다. 먼저 인간을 이긴 최초의 체스 기계 이야기를 살펴보자. 이 기계는 놀랍게도 1770년 오스트리아에서 등장했다. 컴퓨터는 상상하지도 못했고 사칙연산을 겨우 해낼 수준의 기계를 구상하던 시절이었다. 태엽을 감으면 오스만제국의 의상을 입고 터번을 머리에 두른 인형의 나무 팔이 움직이면서 체스를 두었다. ‘메케니컬 터크’라는 이름의 이 기계는 당연히 세계적으로 유명해졌고 나폴레옹과 겨뤄 이기기도 한다. 미국의 추리소설가 에드거 앨런 포는 이 기계를 보고 체스를 두는 인형에 관한 에세이를 쓰기도 한다. 이 체스 기계의 정체는 무엇이었을까?
한때 세계적인 서비스로 자리매김했던 야후!가 구글에 밀리게 된 사연도 있다. 인터넷이 막 등장했던 무렵에는 디렉토리 서비스가 인터넷의 첫 관문이었다. 디렉토리 서비스는 인터넷 사이트를 주제별로 일목요연하게 정리한 서비스로, 예컨대 운동 〉 수영 카테고리로 가면 수영에 관련한 사이트가 죽 나오는 식이었다. 이 디렉토리 사이트의 최강자는 야후!였고 당시에는 모든 사람이 야후!를 인터넷 시작 페이지로 삼았다. 하지만 디렉토리 사이트의 치명적인 단점이 있었는데, 디렉토리의 편집을 사람이 직접 한다는 것이었다. 기하급수적으로 성장하는 인터넷 환경에서 그 변화에 사람이 하나하나 대응한다는 것은 사실상 불가능한 일이었다. 그럼에도 야후!는 디렉토리 서비스에 경쟁력이 있다고 판단했고, 결국 건 두 스탠퍼드 대학원생이 검색엔진을 위주로 만든 구글에 밀려나게 된다.
시리를 둘러싼 뒷이야기도 흥미롭다. 시리는 원래 민간 연구소의 프로젝트로 시작했다가 그 가능성을 보고 일부 연구원이 세운 스타트업 회사의 이름이자 서비스명이었다. 시리는 처음에 챗봇에 가까운 서비스였으나 출시를 1년이나 미루면서 음성인식 기능을 도입하고 마침내 앱스토어에 올라가 순식간에 엄청난 인기를 끌게 된다. 그리고 2주 후 시리의 공동 창업자 대그 키틀러스는 전화를 한 통 받는다. “안녕하세요. 스티브 잡스입니다.” 키틀러스는 장난전화라는 생각에 통화 종료 버튼을 누르지만 곧이어 두 번째 전화가 걸려오고 시리 팀은 모두 스티브 잡스의 집으로 초대된다. 잡스와 대화형 인공지능 그리고 애플의 미래를 두고 3시간이 넘도록 얘기를 나눈 후 잡스는 말한다. 애플이 시리를 인수하고 싶다고 말이다. 그렇게 시리는 애플의 핵심 서비스가 되어 아이폰 안에서 우리의 목소리를 기다리고 있다.

추천사
들어가며

1 인공지능: 위대한 인공지능, 깨어나다
인간을 이긴 최초의 체스 기계
진정한 인공지능이 등장하다
규칙 기반, 인공지능을 구현하다
머신러닝, 스스로 규칙을 찾아내다
인공지능의 핵심기술, 딥러닝의 등장
데이터, 인공지능의 원유
시스템, GPU가 인공지능을 완성하다
오픈소스, 모두가 참여하는 혁신
일상을 움직이는 AI

2 알파고: 인간을 능가하는 기계의 등장
딥 블루는 어떻게 체스 챔피언이 되었을까?
인공지능, 바둑을 넘보다
도박의 확률을 이용하는 몬테카를로 방법
정책망, 어디에 돌을 내려놓을까?
가치망, 형세를 판단하다
알파고가 수를 두는 방법
신의 한 수
인간은 필요 없다

3 자율주행: 테슬라가 꿈꾸는 기계
자율주행의 시작, 다르파 그랜드 챌린지
자율주행차 스탠리가 우승한 비결은?
자율주행의 공식, 베이즈 정리
센서 전쟁: 레이더, 라이다 그리고 카메라
카메라, 동물의 눈으로 도로를 바라보다
주행 데이터와 모방학습
완전 자율주행은 가능할까?
자율주행의 딜레마, 누구를 희생해야 할까?
자율주행차가 바꿀 미래

4 검색엔진: 구글이 세상을 검색하는 법
검색엔진의 등장
엄청난 돈을 벌어들이다
엄청난 문서를 수집하다
검색엔진은 어떻게 검색할까?
랭킹, 수십 조 가치의 줄 세우기 기술
최신 문서를 찾아서
품질 좋은 문서를 찾아서
페이지 랭크, 구글의 시대를 열다
쿼리에 딱 맞는 문서 찾는 법
검색 결과의 개선을 어떻게 확인할까?
검색엔진 최적화와의 싸움
점점 더 똑똑하게, 구글 MUM

5 스마트 스피커: 시리는 쓸모 있는 비서가 될 수 있을까
인공지능 비서의 탄생
애플 시리, 음성인식 비서의 시대를 열다
아마존 알렉사, 스마트 스피커의 시대를 열다
스마트 스피커는 어떻게 말을 알아들을까?
음성인식, 목소리를 알아듣다
자연어 이해, 의도를 이해하다
다이얼로그 매니저, 명령을 실행하다
딥러닝, 인간보다 더 자연스러운

6 기계번역: 외국어를 몰라도 파파고만 있다면
하루키 번역을 앞선 구글 번역
기계번역의 시작
규칙 기반, 모든 규칙을 정의하다
예시 기반과 통계 기반, 가능성을 보이다
신경망 기반, 자연스러운 번역의 시작
문장을 통째로 압축하기
번역 규칙을 스스로 학습하다
인간을 뛰어넘은 기계번역

7 챗봇: 카카오 챗봇에게 고민 털어놓기
챗봇 이루다는 왜 2주 만에 서비스를 멈췄을까?
컴파일러, 컴퓨터가 인간의 언어를 이해하다
좌표, 기하학을 숫자로 바꾸다
워드투벡, 언어를 숫자로 바꾸다
코사인 거리로 비슷한 단어를 찾다
기계와 자유롭게 대화할 수 있을까?
GPT, 인간을 능가하는 언어 생성 모델
기계가 언어를 이해할 수 있을까?
튜링 테스트와 중국어 방
인공지능이 진정한 이해를 묻다

8 내비게이션: 티맵은 어떻게 가장 빠른 길을 알까
내비게이션, 당신의 스마트한 운전 비서
오컴의 면도날 원칙
예측을 좌우하는 데이터
의사결정나무, 단순한 모델의 힘
랜덤 포레스트, 대중의 지혜를 발휘하다
그레이디언트 부스팅, 정답과 거리를 줄여나가다
데이크스트라 알고리즘, 최단 거리 탐색의 비밀
모든 내비게이션이 채택한 A* 알고리즘
내비게이션, 경로 안내 그 이상의 것

9 추천 알고리즘: 알 수 없는 유튜브 알고리즘이 여기로 이끌다
추천 서비스의 역사, 넷플릭스부터 유튜브까지
맥주와 기저귀는 함께 팔린다
10대 소녀의 임신을 예측한 알고리즘
추천 시스템의 시작
협업 필터링, 비슷한 고객을 추천하다
행렬 인수분해, 잠재요인을 찾아내다
딥러닝을 도입한 유튜브 추천 알고리즘

마치며
용어집
미주