상세정보
이것이 생성형 AI다
- 저자
- 김명락
- 출판사
- 슬로디미디어그룹
- 출판일
- 2025-01-15
- 등록일
- 2025-08-19
- 파일포맷
- EPUB
- 파일크기
- 19 Bytes
- 공급사
- 웅진OPMS
- 지원기기
-
PC
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
***** ?이것이 인공지능이다? 과학기술정보통신부 우수과학도서 선정 작가!
***** 5년간 독자들이 선택한 인공지능 분야의 최장기 베스트셀러 이은 3번째 책!
***** 기업 ? 기관 ? 학교 선정 올해의 경제 경영 화제의 책!
AI 이정도만 알면 충분하다!
AI를 이끌어가는 기업 CEO가 생생한 예시를 통해 쉽게 설명한
대규모 언어 모델(LLM)이 바꾼 AI(인공지능) 생태계의 모든 것!
미래 과학 기술 분야의 주요 트렌드는 기술의 관점에서 결정되지 않습니다. 대중이 기술을 어떻게 이해하고, 어떤 기술에 더욱 열광하고 시장의 자본이 어떤 기술에 더욱 집중되느냐에 따라서 과학 기술 분야의 주요 트렌드가 어떤 방향으로 이어질지가 결정됩니다. 과학 기술 분야의 트렌드는 기술 자체를 다루는 연구자나 엔지니어에 의해서 결정되는 것이 아니라 기술을 이해하고 활용하려고 노력하는 대중에 의해서 결정됩니다. 즉 기술은 언제나 수단일 뿐이고, 대중에 의해서 기술 자체가 앞으로 어떤 방향으로 발전할지가 결정됩니다. 컴퓨터, 인터넷처럼 AI는 다양한 기술 분야에서 유용한 수단으로 활용될 것입니다. AI 기술이 앞으로 어떤 방향으로 발전할 것인지, AI 기술을 수단으로 활용하는 다양한 과학 분야의 향후 트렌드가 어떻게 나타날 것인지는 이 책을 읽고 있는 독자들에게 달려 있습니다.
저자소개
지은이 김명락
초등학생 때부터 컴퓨터게임 프로그래머로 활동했고, 고등학생 때 핵융합에 대한 언론 기사를 읽은 후 이것이 인류의 미래라고 확신하고 서울대학교 원자핵공학과에 입학했다. 컴퓨터공학을 부전공하며 컴퓨터에 대한 관심을 이어갔고, 대학원에서 현재의 딥러닝(Deep Learning) 기술의 전신인 인공 신경망(Neural Network)을 활용하여 핵융합 장치 안 플라스마의 위치와 모양을 파악하는 연구를 했다. 2002년 초에 대학교 과 친구들과 함께 창업하고, 2003년에는 인터넷 음식 주문 서비스 사업, 2004년에는 현재의 SNS와 유사했던 모바일 블로그 사업을 했다. 이후 LS전선, 티엠씨, 삼성물산에서 근무하면서 사회생활과 비즈니스를 배웠다. 핀란드 알토대학교 경영대학원에서 공부하면서 다시 창업하기 위해 준비한 끝에 2015년 7월에 인공지능 회사를 창업하여 현재까지 운영하고 있다. 한국외국어대학교, 연세대학교, 을지대학교에서 겸임교수로서 인공지능에 대해 강의하면서 인공지능의 저변을 넓히기 위해 노력했다. 창업 초기에는 인공지능을 활용하여 유동 인구 데이터를 분석하는 서비스를 개발했으나 현재는 스포츠 분야의 자체 서비스를 개발해서 사업적으로 성공하기 위해 분투하고 있다. 인공지능을 활용한 서비스를 성공시키기 위한 노력과 함께, 다양한 산업과 고객의 많은 문제를 해결하기 위해 인공지능을 활용한 컨설팅 및 개발을 해왔다. 지난 10년간 인공지능 기술의 트렌드가 딥러닝이 중심이된 기계학습에서 흔히 생성형 AI라고 불리는 대규모 언어 모델(LLM)로 이어지는 현장의 한가운데에 있었다. 이 경험을 바탕으로 대중이 인공지능을 더 잘 이해하고 유용하게 활용할 수 있도록 『이것이 인공지능이다』와 『청소년을 위한 이것이 인공지능이다』를 집필했다.
이메일 endbase@naver.com
목차
"추천사 . 4
저자 인터뷰 : AI 기업 CEO가 들려주는 AI 7문 7답 . 8
프롤로그 . 22
PART 1 생성형 AI
01 챗GPT와 생성형 AI의 부상 . 31
02 생성형 AI란 무엇인가? . 33
03 생성형 AI의 본질은 대규모 언어 모델 . 37
PART 2 알파고와 챗GPT 사이의 AI 트렌드
01 알파고의 출현으로 시작된 기계학습의 대유행 . 43
02 기계학습이란 무엇인가? . 45
03 클라우드와 AI의 결합 . 48
04 기계학습의 한계는 무엇인가? . 58
05 기계학습의 대안으로 떠오른 초거대 AI . 61
06 초거대 AI란 무엇인가? . 63
07 초거대 AI의 한계는 무엇인가? . 66
08 기계학습과 초거대 AI의 중간에 위치한 대규모 언어 모델 . 68
09 초거대 AI와 대규모 언어 모델 비교 . 73
PART 3 AI 반도체, 전력 소비 문제
01 초거대 AI, 대규모 언어 모델과 AI 반도체의 관계 . 79
02 초거대 AI, 대규모 언어 모델의 전력 소비 문제 . 83
03 초거대 AI, 대규모 언어 모델의 자본주의 . 87
PART 4 대규모 언어 모델의 시작
01 대규모 언어 모델의 시조새 구글 트랜스포머 모델 . 101
02 트랜스포머 모델의 자손 GPT, BERT . 106
03 대규모 언어 모델이란 무엇인가? . 108
04 대규모 언어 모델은 언어 문제에만 쓰인다는 오해 . 112
05 시계열 예측에도 유용한 대규모 언어 모델 . 116
PART 5 전이 학습과 RAG
01 잘 아는 척하는 신입 사원 . 121
02 현장 실습, 전이 학습 . 124
03 정해진 매뉴얼 안에서만 답하기, RAG . 128
04 기계학습과 대규모 언어 모델 비교 . 131
PART 6 대규모 언어 모델 사용의 의미
01 대규모 언어 모델 사용의 효용성 . 141
02 대규모 언어 모델에 의존한 주니어들의 미래 . 143
03 갈릴레이와 대규모 언어 모델 . 147
PART 7 대규모 언어 모델을 어떻게 활용해야 하는가?
01 대규모 언어 모델은 언제 필요한가? . 155
02 대규모 언어 모델을 어떻게 활용해야 하는가? . 162
03 대규모 언어 모델의 미래 . 179
에필로그 : 생성형 AI가 만드는 미래-우리가 알아야 할 것들 . 186
참고문헌 . 190"
