책소개
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 반영하였다.
저자소개
저 : 스튜어트 러셀 (Stuart Russell)
버클리에 있는 캘리포니아대학교 컴퓨터과학 교수이자 공학 부문 스미스자데이 석좌교수. 옥스퍼드대학교 웨덤 칼리지에서 물리학을 공부하고 스탠퍼드대학교에서 컴퓨터과학으로 박사학위를 받았다. 기계 학습, 확률론적 추론, 실시간 의사 결정, 계산 생리학 및 철학적 기초를 포함한 인공지능의 광범위한 주제를 놓고 연구했고, 지금은 자율무기의 위협, 인공지능의 장기적 미래 및 인류와의 관계 등에도 관심을 두고 있다. 미국 인공지능협회, 컴퓨터학회, 미국과학진흥협회 회원이며, 세계경제포럼의 AI와 로봇학 위원회 부의장, 유엔 군축 문제 고문도 맡고 있다. 2016 서울디지털포럼, 2020 서울포럼 등에서 강연하기도 했다.
구글 리서치 디렉터 피터 노빅과 함께 『인공지능: 현대적 접근방식』(1995)을 썼다. AI 분야의 결정판 교과서로 널리 인정받고 있는 『인공지능』(현재 4판)은 13개 언어로 번역되어 118개국, 1,500여 대학에서 교재로 사용되고 있다. 2016년에는 UC 버클리를 중심으로 여러 대학과 기관이 협력하는 연구기관 ‘휴먼컴패터블 AI센터’를 설립하여 AI 연구의 일반적인 추진 방향을 증명 가능하게 유익한 AI 시스템 쪽으로 재설정하는 데 필요한 개념적·기술적 도구를 개발해왔고, 그 결과물을 『어떻게 인간과 공존하는 인공지능을 만들 것인가: AI와 통제 문제』에 담았다.
저 : 피터 노빅 (Peter Norvig)
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.
역: 류광
25년 이상의 번역 경력을 가진 전문 번역가로, 커누스 교수의 『컴퓨터 프로그래밍의 예술』 시리즈와 스티븐스의 『UNIX 고급 프로그래밍』 제2판 및 제3판을 포함하여 60여 권의 다양한 IT 전문서를 번역했다.
번역과 프로그래밍 외에 소프트웨어 문서화에도 많은 관심이 있으며, 수많은 오픈소스 프로젝트의 표준 문서 형식으로 쓰이는 DocBook의 국내 사용자 모임인 닥북 한국(docbook.kr)의 일원이다. 홈페이지 occam's Razor(occamsrazr.net)와 게임 개발 사이트 GpgStudy(www.gpgstudy.com)를 운영한다.
목차
PART V 기계학습
CHAPTER 19 견본에서 배우는 학습
19.1 학습의 여러 형태
19.2 지도학습
19.3 결정 트리의 학습
19.4 모형 선택과 최적화
19.5 학습 이론
19.6 선형 회귀와 분류
19.7 비매개변수 모형
19.8 앙상블 학습
19.9 기계학습 시스템 개발
요약
참고문헌 및 역사적 참고사항
CHAPTER 20 확률 모형의 학습
20.1 통계적 학습
20.2 완전 데이터를 이용한 학습
20.3 은닉 변수가 있는 학습: EM 알고리즘
요약
참고문헌 및 역사적 참고사항
CHAPTER 21 심층학습
21.1 단순 순방향 신경망
21.2 심층학습을 위한 계산 그래프
21.3 합성곱 신경망
21.4 학습 알고리즘
21.5 일반화
21.6 순환 신경망
21.7 비지도학습과 전이학습
21.8 응용
요약
참고문헌 및 역사적 참고사항
CHAPTER 22 강화학습
22.1 보상 기반 학습
22.2 수동 강화학습
22.3 능동 강화학습
22.4 강화학습의 일반화
22.5 정책 검색
22.6 견습 학습과 역강화학습
22.7 강화학습의 응용
요약
참고문헌 및 역사적 참고사항
PART VI 의사소통, 지각, 행동
CHAPTER 23 자연어 처리
23.1 언어 모형
23.2 문법
23.3 파싱
23.4 증강 문법
23.5 실제 자연어의 복잡한 사항들
23.6 자연어 처리 과제들
요약
참고문헌 및 역사적 참고사항
CHAPTER 24 자연어 처리를 위한 심층학습
24.1 단어 내장
24.2 NLP를 위한 순환 신경망
24.3 순차열 대 순차열 모형
24.4 트랜스포머 구조
24.5 사전훈련과 전이학습
24.6 현황
요약
참고문헌 및 역사적 참고사항
CHAPTER 25 컴퓨터 시각
25.1 소개
25.2 이미지 형성
25.3 단순 이미지 특징
25.4 이미지 분류
25.5 물체 검출
25.6 3차원 세계
25.7 컴퓨터 시각의 용도
요약
참고문헌 및 역사적 참고사항
CHAPTER 26 로봇공학
26.1 로봇
26.2 로봇 하드웨어
26.3 로봇공학이 푸는 문제들
26.4 로봇 지각
26.5 계획 수립과 제어
26.6 불확실한 운동의 계획
26.7 로봇공학의 강화학습
26.8 인간과 로봇
26.9 로봇공학의 또 다른 틀
26.10 응용 영역
요약
참고문헌 및 역사적 참고사항
PART VII 결론
CHAPTER 27 인공지능의 철학, 윤리학, 안전
27.1 인공지능의 한계
27.2 기계가 정말로 생각할 수 있을까?
27.3 인공지능의 윤리
요약
참고문헌 및 역사적 참고사항
CHAPTER 28 인공지능의 미래
28.1 인공지능의 구성요소
28.2 인공지능 구조
APPENDIX A 수학적 배경
A.1 복잡도 분석과 O( ) 표기법
A.2 벡터, 행렬, 선형대수
A.3 확률분포
참고문헌 및 역사적 참고사항
APPENDIX B 언어와 알고리즘에 관해
B.1 BNF를 이용한 언어의 정의
B.2 알고리즘 서술에 쓰이는 의사코드
B.3 온라인 보조 자료
참고문헌
찾아보기
