[리뷰]알파고를 분석하며 배우는 인공지능

 

[한줄평]

알파고에 적용된 기술을 분석하여 인공지능을 역공학으로 배우려는 분들에게 추천

 

[목차구성]

이책은 총 chapter6으로 구성되어 있습니다.

 

CHAPTER 1 알파고의 등장 

• 여기에서는 알파고 이전에 있었던 게임 AI의 역사와 발전에 관해 설명을 합니다. 또한 기존의 머신 러닝에 의해 ‘다음의 한 수’를 도출하는 방법에 관해서도 설명 한다.

CHAPTER 2 딥 러닝 - 바둑 AI는 순간적으로 수를 떠올린다 

• 여기에서는 ‘필기체 숫자 인식’을 사례로 들어 딥러닝 방법의 하나인 컨볼루션 신경망과 SL정책 네트워크와 밸류 네트워크의 구조와 학습 방법에 대해 자세히 설명합니다.

CHAPTER 3 강화 학습 - 바둑 AI는 경험을 배운다 

• 강화 학습의 기본적인 구조를 설명하기 위해 멀티 암드 밴딧 문제와 미로의 사례를 소개합니다. 미로의 사례에서는 Q학습과 정책 경사법이라는 최근 많이 사용되는 두 개의 강화 학습 방법에 대해 설명을 하고 비디오 게임에서 처음부터 플레이를 반복함으로써 인간 전문가 수준의 기술을 습득할 수 있는 DQN이라는 기술을 소개합니다.

CHAPTER 4 탐색 - 바둑 AI는 어떻게 예측할까? 

• 랜덤 시뮬레이션의 승패를 바탕으로 조금씩 트리를 성장시키는 몬테카롤로 트리 탐색의 원리와 특징에 대해 설명합니다.

CHAPTER 5 알파고의 완성 

• 몬테카롤로 트리 탐색, 정책 네트워크, 밸류 네트워크라는 세 개의 우수한 평가 기법을 사용하여 어떻게 알파고를 만들어 가는지 그 설계도를 그리는 방법을 설명한다.

CHAPTER 6 알파고에서 알파고 제로로 

• 기존 버전의 알파고에서 알파고 제로에 이르는 기술을 이장에서 설명한다.

 

[이 책의 주요 특징]

 

바둑계의 양대 산맥이던 이세돌과 커제를 이기고 전설이 된 바둑 인공지능 알파고. 저자는 《네이처》에 게재된 알파고 및 알파고 제로에 관한 난해한 학술 논문을 읽고 해석해서 알파고에 이용되는 딥 러닝, 강화 학습, 몬테카를로 트리 탐색과 알파고 제로에 이용되는 듀얼 네트워크의 구조에 대해 알기 쉽게 설명했다. 

 

이 책을 통해 최신 인공지능 기술이 알파고 및 알파고 제로에 어떻게 이용되는지 파악하고, 이를 다양한 연구 개발에 활용하기 위한 아이디어를 얻을 수 있을 것이다.

 

[이 책의 독자 대상]

• 인공지능 개발자 및 연구자
• 게임 AI 개발자
• 알파고에 관심 많은 컴퓨터 전공자

 

[서평]

 

2016년 이세돌과 알파고와의 세기의 대결을 정말 충격적 이였다. 대부분의 전문가들은 알파고의 압승으로 예측을 했지만 그래도 작은 기대를 가지고 관전을 했으나 결과는 참담했다. 아마 이시점을 전후로 인공지능, 머신러닝, 딥러닝이 폭발적으로 관심을 가지게 된거 같다. 

 

최근 몇년간 머신러닝, 딥러닝 책들이 엄청나게 나오고 있다. 대부분의 책들은 개념 소개와 실습 예제로 구성되어 있다. 이책은 실제 알파고라는 바둑 AI에 적용된 기술을 역공학으로 분석하여 배우는 책이다. 실제 서비스에 어떻게 적용됐는지를 분석해서 다른 서비스에도 적용할수 있는 좋은 책이다.

 

머신러닝, 딥러닝 책들 익힌후 실제 서비스를 적용 하고자 하는 사람들에게 보기에 좋은 지침서가 될것이라 생각합니다.