|
책소개
『인공지능』은 논리학, 확률, 연속수학과 지각, 추론, 학습, 동작, 그리고 초소형 전자기기부터 로봇 행성 탐사 차량에 이르기까지 모든 것을 포괄하는 인공지능 분야의 전 면모를 다루고 있다. 그중 이 책을 관통하는 주제인 지능적 에이전트라는 개념을 깊게 파헤치며, 인공지능의 여러 분야를 현대적 접근방식으로 조합한다.
저자소개
저자 : 스투어트 러셀
저자 스튜어트 러셀(STUART RUSSELL)은 현재 버클리대학교의 컴퓨터과학과 교수이자 CENTER FOR INTELLIGENT SYSTEMS의 책임자, 그리고 공학 스미스?자데 석좌교수(SMITH?ZADEH CHAIR)이다. 또한, 인공지능의 다양한 주제에 관해 100편이 넘는 논문을 발표했으며, 그가 쓴 다른 책으로는 《THE USE OF KNOWLEDGE IN ANALOGY AND INDUCTION》과 《DO THE RIGHT THING:STUDIES IN LIMITED RATIONALITY》가 있다.
저자 : 피터 노빅
저자 피터 노빅(PETER NORVIG)은 현재 구글의 디렉터이며, 2002년에서 2005년까지 핵심 웹 검색 엔진 개발을 이끌었다. 그는 서던 캘리포니아 대학교의 교수였으며, 버클리대학교 연구 교수단의 일원이다. 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.
목차
1권
CHAPTER 1 소개 1
1.1 인공지능이란 무엇인가?2
1.2 인공지능의 기반 학문6
1.3 인공지능의 역사20
1.4 인공지능의 현재 수준 35
1.5 요약37
연습문제39
CHAPTER 2 지능적 에이전트 43
2.1 에이전트와 환경44
2.2 좋은 행동: 합리성 개념46
2.3 환경의 본성51
2.4 에이전트의 구조58
2.5 요약73
연습문제76
CHAPTER 3 검색을 통한 문제 해결 79
3.1 문제 해결 에이전트80
3.2 문제의 예86
3.3 해답의 검색92
3.4 정보 없는 검색 전략99
3.5 정보 있는(발견법적) 검색 전략들112
3.6 발견법적 함수124
3.7 요약131
연습문제138
CHAPTER 4 고급 검색 기법 147
4.1 국소 검색 알고리즘과 최적화 문제148
4.2 연속 공간의 국소 검색158
4.3 비결정론적 동작들을 수반한 검색162
4.4 부분 관찰 가능 환경의 검색168
4.5 온라인 검색 에이전트와 미지 환경178
4.6 요약186
연습문제191
CHAPTER 5 대항 검색 195
5.1 게임195
5.2 게임의 최적 결정198
5.3 알파베타 가지치기202
5.4 불완전한 실시간 결정207
5.5 확률론적 게임214
5.6 부분 관찰 가능 게임218
5.7 최고 수준의 게임 플레이 프로그램들224
5.8 대안 접근방식들227
5.9 요약229
연습문제237
CHAPTER 6 제약 만족 문제 245
6.1 제약 만족 문제의 정의246
6.2 제약 전파: CSP의 추리252
6.3 CSP를 위한 역추적 검색260
6.4 CSP를 위한 국소 검색267
6.5 문제의 구조269
6.6 요약275
연습문제280
CHAPTER 7 논리적 에이전트 285
7.1 지식 기반 에이전트286
7.2 웜푸스 세계288
7.3 논리292
7.4 명제 논리: 아주 간단한 논리296
7.5 명제 정리 증명303
7.6 효과적인 명제 모형 점검316
7.7 명제 논리에 기초한 에이전트322
7.8 요약333
연습문제340
CHAPTER 8 1차 논리 347
8.1 표현의 재고찰348
8.2 1차 논리의 구문과 의미론353
8.3 1차 논리의 활용366
8.4 1차 논리의 지식 공학374
8.5 요약381
연습문제384
CHAPTER 9 1차 논리의 추리 393
9.1 명제 추리 대 1차 추리394
9.2 단일화와 승격397
9.3 전방 연쇄403
9.4 후방 연쇄412
9.5 분해421
9.6 요약435
연습문제440
CHAPTER 10 고전적 계획 수립 447
10.1 고전적 계획 수립의 정의448
10.2 상태 공간 검색으로서의 계획 수립을 위한알고리즘455
10.3 계획 수립 그래프463
10.4 그밖의 고전적 계획 수립 접근방식472
10.5 계획 수립 접근방식들의 분석478
10.6 요약480
연습문제484
CHAPTER 11 실세계에서의 계획 수립과 실행 489
11.1 시간, 일정, 자원490
11.2 계통적 계획 수립495
11.3 비결정론적 정의역에서의 계획 수립과 실행506
11.4 다중 에이전트 계획 수립518
11.5 요약525
연습문제531
CHAPTER 12 지식 표현 533
12.1 존재론 공학534
12.2 범주와 객체536
12.3 사건544
12.4 정신적 사건과 정신적 객체550
12.5 범주에 대한 추론 시스템554
12.6 기본 정보를 이용한 추론560
12.7 인터넷 쇼핑 세계565
12.8 요약571
연습문제579
찾아보기587
2권
CHAPTER 13 불확실성의 정량화 1
13.1 불확실성하에서의 행동1
13.2 기본적인 확률 표기법6
13.3 완전 결합 분포를 이용한 추리14
13.4 독립성18
13.5 베이즈 규칙과 그 용법20
13.6 웜푸스 세계의 재고찰25
13.7 요약29
연습문제33
CHAPTER 14 확률적 추론 39
14.1 불확실한 정의역의 지식 표현40
14.2 베이즈망의 의미론43
14.3 조건부 확률분포의 효율적 표현49
14.4 베이즈망의 정확한 추리54
14.5 베이즈망의 근사적 추리63
14.6 관계적 확률 모형과 1차 확률 모형74
14.7 불확실한 추론에 대한 다른 접근방식들82
14.8 요약89
연습문제97
CHAPTER 15 시간에 따른 확률적 추론 105
15.1 시간과 불확실성106
15.2 시간적 모형에서의 추리111
15.3 은닉 마르코프 모형120
15.4 칼만 필터127
15.5 동적 베이즈망135
15.6 다수의 객체를 추적145
15.7 요약149
연습문제153
CHAPTER 16 간단한 의사결정 159
16.1 불확실성하에서의 믿음과 욕구의 결합160
16.2 효용이론의 기초161
16.3 효용 함수165
16.4 다중 특성 효용 함수174
16.5 의사결정망179
16.6 정보의 가치182
16.7 결정이론적 전문가 시스템187
16.8 요약191
연습문제196
CHAPTER 17 복잡한 의사결정 203
17.1 순차적 의사결정 문제204
17.2 평가치 반복211
17.3 방침 반복216
17.4 부분 관찰 가능 MDP218
17.5 다중 에이전트 의사결정: 게임이론228
17.6 메커니즘 설계244
17.7 요약251
연습문제256
CHAPTER 18 견본을 통한 학습 261
18.1 학습의 여러 형태262
18.2 감독 학습264
18.3 의사결정 트리의 학습267
18.4 최고의 가설의 평가와 선택279
18.5 학습 이론286
18.6 선형 모형을 이용한 회귀와 분류291
18.7 인공 신경망302
18.8 비매개변수적 모형313
18.9 지지 벡터 기계321
18.10 앙상블 학습326
18.11 실용적인 기계 학습331
18.12 요약336
연습문제344
CHAPTER 19 학습과 지식 349
19.1 학습의 논리적 형식화349
19.2 학습에서의 지식359
19.3 설명 기반 학습363
19.4 유관성 정보를 이용한 학습368
19.5 귀납적 논리 프로그래밍372
19.6 요약383
연습문제387
CHAPTER 20 확률 모형의 학습 389
20.1 통계적 학습390
20.2 완전 자료를 이용한 학습393
20.3 숨겨진 변수들이 있는 학습: EM 알고리즘406
20.4 요약416
연습문제420
CHAPTER 21 강화 학습 423
21.1 소개423
21.2 수동 강화 학습425
21.3 능동 강화 학습433
21.4 강화 학습의 일반화440
21.5 방침 검색443
21.6 강화 학습의 응용446
21.7 요약449
연습문제455
CHAPTER 22 자연어 처리 457
22.1 언어 모형458
22.2 텍스트 분류463
22.3 정보 조회466
22.4 정보 추출473
22.5 요약485
연습문제489
CHAPTER 23 자연어 의사소통 491
23.1 구 구조 문법492
23.2 구문 분석(파싱)496
23.3 증강 문법과 의미론적 해석502
23.4 기계 번역513
23.5 음성 인식520
23.6 요약527
연습문제533
CHAPTER 24 지각 539
24.1 영상 형성541
24.2 초기 영상 처리 연산들547
24.3 겉보기를 이용한 물체 인식555
24.4 3차원 세계의 재구축560
24.5 구조적 정보로부터 물체 인식572
24.6 시각의 활용576
24.7 요약581
연습문제586
CHAPTER 25 로봇공학 589
25.1 소개589
25.2 로봇 하드웨어592
25.3 로봇 지각598
25.4 운동 계획의 수립606
25.5 불확실한 운동의 계획614
25.6 운동의 실행618
25.7 로봇공학 소프트웨어 구조625
25.8 응용 영역들628
25.9 요약632
연습문제638
CHAPTER 26 철학적 토대 645
26.1 약 인공지능: 기계가 지능적으로 행동할 수 있는가?646
26.2 강 인공지능: 기계가 정말로 생각할 수 있는가?653
26.3 인공지능 개발의 윤리와 위험662
26.4 요약670
연습문제674
CHAPTER 27 인공지능의 현재와 미래 677
27.1 에이전트의 구성요소들678
27.2 에이전트 아키텍처681
27.3 인공지능 연구의 올바른 방향683
27.4 인공지능이 정말로 성공한다면?685
APPENDIX A 수학적 배경 687
A.1 복잡도 분석과 O() 표기법687
A.2 벡터, 행렬, 선형 대수690
A.3 확률분포692
APPENDIX B 언어와 알고리즘에 관해 697
B.1 BNF를 이용한 언어의 정의697
B.2 알고리즘 서술에 쓰이는 의사코드698
B.3 온라인 도움말700
참고문헌 701
찾아보기 749
출판사 서평
110여 개국 1,300개 이상의 대학에서 교재로 쓰이는 인공지능 바이블!
이 책은 논리학, 확률, 연속수학과 지각, 추론, 학습, 동작, 그리고 초소형 전자기기부터 로봇 행성 탐사 차량에 이르기까지 모든 것을 포괄하는 인공지능 분야의 전 면모를 다루고 있다. 그중 이 책을 관통하는 주제인 지능적 에이전트라는 개념을 깊게 파헤치며, 인공지능의 여러 분야를 현대적 접근방식으로 조합한다.
특히, 제3판에서는 모든 주요 분야의 논법이 갱신됐다. 많은 내용이 세계의 표현 방식(원자적 표현과 분해된 표현, 구조적 표현)에 따른 새로운 조직화 원리에 맞게 갱신되었으며, 부분 관찰 가능 검색, 우발적 계획 수립, 계통적 계획 수립, 관계적 확률 모형과 및 1차 확률 모형, 기계 학습의 정칙화와 손실 함수, 핵 방법, 웹 검색 엔진, 정보 추출, 컴퓨터 시각과 로봇공학 같은 주제에 대한 중요하면서도 새로운 내용이 추가되었다. 또한, 새로운 연습문제 수백 개도 추가되었다.
이 책의 가장 큰 목표는 지난 50년간의 인공지능 연구와 수백 년간의 관련 연구에서 얻은 아이디어들을 독자에게 전달하는 것이다. 그만큼 이 책은 인공지능에 관한 한 가장 포괄적이고 통찰력 있는 책이다.
이 책은 합리적인 의사결정 패러다임을 위한 통합적인 관점을 제공하며, 주요 인공지능 알고리즘의 의사코드들을 포함하고 있다. 또한, 적절한 에이전트 설계를 위한 검색 기법이나 계획 수립, 지식 표현은 물론, 요즘 화두인 자연어 처리, 기계 학습, 로봇공학까지도 아우른다.
또한, 이 책은 기본적으로 대학 학부생용 강의 교재를 염두에 둔 것으로, 총 27장으로 되어 있다. 각 장은 대략 한 주 정도의 강의 분량으로 볼 수 있으며, 책 전체를 떼기가 부담스럽다면 강사와 학생의 관심사에 맞는 장들을 선택해서 한 학기 과정을 만드는 것도 가능하다.
여러분이 강사라면 이 책을 가르칠 수 있는 기쁨을, 학생이라면 이 책을 배울 수 있는 기쁨을 충분히 누릴 수 있기를 바란다.
책속으로 추가
웹에는 수 조 페이지 분량의 정보가 있는데, 대부분 자연어로 된 것이다. 지식 획득(knowledge acquisition)을 수행하고자 하는 에이전트는 사람이 사용하는 애매하고 지저분한 언어를 이해해야(부분적으로나마) 한다. 이번 장에서는 텍스트 분류, 정보 조회, 정보 추출 같은 구체적인 정보 탐색 과제들의 관점에서 자연어 처리 문제를 조사한다. 이런 과제들을 해결할 때 한 가지 공통분모는, 언어 표현들의 확률분포를 예측하는 모형인 언어 모형(language model)들을 사용한다는 것이다.
_2권 457쪽
텍스트 분류 과제는 어떤 텍스트가 주어졌을 때 그것이 미리 정해진 부류들 중 어떤 부류에 속하는지 판단하는 것이다. 텍스트 분류의 대표적인 예는 언어 식별과 장르 분류이다. 또한, 영화나 제품의 평이 긍정적인지 부정적인지 분류하는 정서 분석(sentiment analysis)과 이메일 메시지가 스팸인지 아닌지 분류하는 스팸 검출(spam detection)도 텍스트 분류에 속한다.
_2권 463쪽
책속으로
인공지능은 분자생물학과 함께 다른 분야의 과학자들이 “가장 참여하고 싶은 분야”로 자주 언급된다. 물리학을 배우는 학생이라면 멋진 착안을 갈릴레오나 뉴턴, 아인슈타인 등의 선배 과학자들이 이미 차지했다고 느낄 것이다. 반면 인공지능 분야에는 아인슈타인이나 에디슨이 평생에 걸쳐 이룩할 만한 업적들이 아직 많이 남아 있다. 현재 인공지능은 일반적인 분야(학습과 인지)에서부터 구체적인 분야(체스 두기, 수학 정리 증명, 시 쓰기, 복잡한 도로에서 자동차 운전하기, 질병 진단 등)에 이르기까지 대단히 다양한 하위 분야를 포괄한다. 인공지능은 모든 지적 과제에 연관된다. 그런 만큼 진정으로 보편적인 분야라 할 수 있다.
_1권 1쪽
앨런 튜링(Alan Turing)이 제안한 튜링 검사(Turing Test)는 지능의 만족스러운 실천적 정의를 제공하기 위해 고안된 것이다. 인간 조사자가 글로 쓴 질문에 대해 컴퓨터가 글로 답을 했을 때, 만일 그 답이 컴퓨터가 제출한 것인지 아니면 인간이 제출한 것인지 인간 조사자가 구분하지 못한다면 그 컴퓨터는 튜링 검사를 통과한 것이다. 제26장에서는 이 검사를 좀 더 자세히 설명하고, 이 검사를 통과한 컴퓨터가 정말로 지능적인지도 논의한다. 일단 지금은 엄격히 적용된 검사를 통과할 수 있도록 컴퓨터를 프로그래밍하려면 많은 작업이 필요하다는 점만 짚고 넘어가자.
_1권 3쪽
이제는 감지 시스템(시각, 청각, 음성 인식 등등)이 환경에 대한 완벽하게 믿을 만한 정보를 제공하지는 못한다는 인식이 널리 받아들여지고 있다. 따라서 추론과 계획 수립 시스템은 반드시 불확실성을 처리할 수 있어야 한다. 에이전트 관점의 또 다른 중요한 결과는, 인공지능이 제어이론과 경제학처럼 에이전트를 다루는 다른 분야와 좀 더 가깝게 접촉하게 되었다는 점이다. 최근 로봇 자동차 제어의 진보는 더 나은 감지기, 감지의 제어이론적 통합, 위치 결정과 지도 작성, 그리고 일정 정도의 고수준 계획 수립 같은 다양한 접근방식들의 혼합에 의한 것이다.
_1권 33쪽
메커니즘 설계의 예로는 싼 항공권 경매, 컴퓨터들 사이의 TCP 패킷 라우팅, 인턴들을 병원들에 배정하는 방법 결정, 로봇 축구 선수들을 하나의 팀으로써 협동하게 만들기 등이 있다. 1990년대에 몇몇 나라에서는 메커니즘 설계가 학술적 연구 주제 차원을 넘어서서, 여러 주파수 대역의 방송 권한에 대한 경매 문제에 실제로 적용되었다. 그런 문제에서는 메커니즘 설계가 잘못되면 수억 달러의 잠재적 수익이 날아갈 수 있다. 형식적으로, 하나의 메커니즘은 (1) 에이전트가 채택할 수 있는 허용 가능한 전략들의 집합을 서술하는 언어, (2) 게임의 에이전트들이 선택한 전략에 대한 정보를 모으는, 중앙 에이전트(center agent)라고 부르는 개별적인 하나의 에이전트, (3) 모든 에이전트에게 알려지는, 에이전트들의 전략 선택들이 주어졌을 때 중앙 에이전트가 각 에이전트에게 부여할 이익을 결정하는 데 사용하는 결과 규칙(outcome rule)으로 이루어진다.
_2권 244쪽
지금까지 다양한 기계 학습 기법을 소개하고, 각각에 대해 간단한 학습 과제의 예도 제시했다. 이번 절에서는 실용적인 기계 학습의 두 가지 측면을 고찰한다. 하나는 손으로 쓴 숫자를 인식하는 법을 배우고 그것을 이용해서 예측 성과를 최대한 뽑아내는 능력을 갖춘 알고리즘을 찾는 것에 관련된 것이고, 또 하나는 모든 것에 관여하는, 자료의 획득, 정리, 표현에 관한 것이다. 후자는 적어도 알고리즘 공학만큼이나 중요한 측면이다.
_2권 331쪽
주어진 문제에 적합한 방법 하나를(또는 여럿을) 선택해야 한다는 점에는 변함이 없다. 최고의 방법을 찾아내는 어떤 확실한 규칙은 없지만, 대략적인 지침은 존재한다. 이산적인 자질들이 많고 그중 다수가 문제와 무관할 것이라고 믿는다면, 의사결정 트리가 좋은 선택이다. 비매개변수적 방법들은 자료는 많고 사전 지식은 없을 때, 그리고 적절한 자질들을 찾는 데 그리 신경을 쓰고 싶지는 않을 때 좋다(단, 자질들이 20개 이하라고 할 때). 그러나 비매개변수적 방법으로 얻은 함수 ?는 대체로 실행 시간이 긴 경향이 있다. 자료 집합이 아주 크지 않다면, 제일 먼저 시도해 보기에 가장 좋은 방법은 지지 벡터 기계로 간주된다.
_2권 335쪽
웹에는 수 조 페이지 분량의 정보가 있는데, 대부분 자연어로 된 것이다. 지식 획득(knowledge acquisition)을 수행하고자 하는 에이전트는 사람이 사용하는 애매하고 지저분한 언어를 이해해야(부분적으로나마) 한다. 이번 장에서는 텍스트 분류, 정보 조회, 정보 추출 같은 구체적인 정보 탐색 과제들의 관점에서 자연어 처리 문제를 조사한다. 이런 과제들을 해결할 때 한 가지 공통분모는, 언어 표현들의 확률분포를 예측하는 모형인 언어 모형(language model)들을 사용한다는 것이다.
_2권 457쪽
텍스트 분류 과제는 어떤 텍스트가 주어졌을 때 그것이 미리 정해진 부류들 중 어떤 부류에 속하는지 판단하는 것이다. 텍스트 분류의 대표적인 예는 언어 식별과 장르 분류이다. 또한, 영화나 제품의 평이 긍정적인지 부정적인지 분류하는 정서 분석(sentiment analysis)과 이메일 메시지가 스팸인지 아닌지 분류하는 스팸 검출(spam detection)도 텍스트 분류에 속한다.
_2권 463쪽 ---본문 중에서
▶ 이 책은 인공지능을 다룬 이론서입니다. 인공지능의 기초적이고 전반적인 내용을 학습할 수 있도록 구성했습니다. Chapter 1 서론 ■인공지능의 기초
책정보
책소개
목차
Chapter 2 문제-해결
Chapter 3 체계적 탐색법과 휴리스틱 탐색법
Chapter 4 문제 분해법과 게임 탐색
Chapter 5 기호 논리
Chapter 6 도출 원리와 논리 프로그래밍
Chapter 7 의미 네트워크와 온톨로지
Chapter 8 프레임 이론과 객체 지향
Chapter 9 프로덕션 시스템
Chapter 10 지식의 불확실성 다루기
Chapter 11 기계 학습
Chapter 12 뉴럴 네트워크
Chapter 13 유전자 알고리즘
Chapter 14 에이전트
연습문제 해설
참고문헌
색인