책 리뷰: Fei-Fei Li 박사의 내가 본 세계

인공지능은 종종 알고리즘, 하드웨어의 돌파구, 그리고 강력한 모델의 급부상으로 설명된다. 이러한 설명에서 종종 빠지는 것은 오늘날의 AI 혁명의 기초를 다진 과학자들의 인간 이야기이다.

내가 본 세계: 호기심, 탐구, 그리고 AI의 새벽에서의 발견 by Fei-Fei Li 박사는 이 간격을 아름답게 메운다. 이 책은 회고록, 현대 인공지능의 역사, 그리고 변혁적인 기술을 구축하는 데 따른 책임에 대한 반영으로 동시에 작동한다.

이 책을 특히 매력적으로 만드는 것은 Li가 두 개의 평행한 이야기를 얽혀있는 방식이다. 하나는 인공지능 자체의 이야기이다. 다른 하나는 미국에 도착한 젊은 이민자와 최终적으로 컴퓨터 비전 분야에서 가장 영향력 있는 인물 중 하나가 되는 이야기이다.

과학적 사고를 형성하는 이민자 여정

이 책의 가장 강력한 요소 중 하나는 Li의 과학적 경력 이전에 있는 깊이 개인적인 이야기이다.

Li는 중국에서 자랐다그 후 미국으로 이민을 갔다. 이 전환은 어려웠다. 그녀의 가족은 제한된 재정 자원으로 도착했고 삶을 재건하는 도전을 직면했다. 미국 초기에 Li는 부모님의 드라이 클리닝 사업을 도와주면서 교육을 계속했다.

이 경험은 책의 중요한 기초를 형성한다. 그것은 나중에 그녀의 과학적 작업을 정의할 끈기와 회복力を 보여준다. 회고록은 이민자 경험을 이상화하지 않는다. 대신 그것은 문화적 적응, 재정적 압력, 그리고 완전히 새로운 환경에서 학문적 야망을 추구하는 데 필요한 결심의 현실을 제시한다.

결국 Li는 프린스턴 대학교에 입학했다. 캠퍼스에서의 첫날은 흥분과 불신의混合으로 묘사된다. 미국에 최근 도착한 사람에게 프린스턴은 몇 년 전만 해도 거의 상상할 수 없었던 지적 세계를 대표했다.

초기 학업 경험은 나머지 이야기를 추동하는 호기심을 형성했다.

남성 지배 분야를 탐색

책을貫く 또 다른 테마는 Li의 컴퓨터 과학 분야에서의 여성 경험이다.

인공지능 연구는 역사적으로 남성에 의해 지배되었다. 특히 Li의 경력 초기에는 그러했다. 그녀는 자주 거의 여성만 있는 방에 있었다. 책은 이것을 극적인 충돌로 묘사하지 않는다. 오히려 그것은 필드에서 그녀가 어떻게 탐색했는지影响한 기본적인 현실로 묘사한다.

이 경험은 결국 Li의 나중에 AI 분야의 다양성을 넓히는 노력에 기여했다. 그녀는 다양성을 옹호者가 되었고 인공지능 연구에 더 많은 여성과 소수자 그룹을 참여시키기 위한 이니셔티브를 만들었다.

나오는 더广い 메시지는 인공지능이 사회의 좁은 세그먼트에 의해 구축되어서는 안 된다는 것이다. 기술이 세계를 형성한다면 기술을 구축하는 사람들은 그 세계를 반영해야 한다.

WordNet과 지식 구조의 중요성 발견

책은 Li가 학문적 작업 중에 언어 데이터베이스인 WordNet을 만났을 때 인공지능의 기술적 역사로 깊이 이동하기 시작한다.

WordNet은 관련 개념의 그룹인 synsets으로 영어 단어를 구성한다. 이러한 개념적 관계는 언어를 인간이 세계를 이해하고 분류하는 방식과 유사하게 맵핑한다.

Li에게 WordNet은 단순한 언어 도구 이상이었다. 그것은 기계가 시각적 정보를 이해하는 방법을 가르치는 가능한 프레임워크를 나타냈다.

그 당시 인공지능 연구는 알고리즘을 개선하는 데 중점을 두고 있었다. 그러나 Li는 필드를 다르게 보기 시작했다. 그녀는 기계 학습의 실제 병목은 더 나은 모델만이 아니라 더 나은 데이터라는 것을 깨달았다.

컴퓨터가 세계의 물체를 인식하는 방법을 배우려면 수많은 레이블이 붙은 예제에 접근할 수 있어야 했다.

이 깨달음은 결국 만들어진 가장 영향력 있는 데이터셋 중 하나로 이어졌다.

ImageNet의 생성

책의 가장 매력적인 부분은 ImageNet의 생성에 관한 것이다.

ImageNet은 기계가 물체를 인식하는 방법을 배우는 데 도움이 될 수 있는 거대한 시각적 데이터베이스로 설계되었다. WordNet을 사용하여 개념적 백본으로, 데이터셋은 수천 개의 물체 카테고리로 수백만 개의 이미지를 구성했다.

프로젝트의 규모는 전례가 없었다. 데이터셋은 결국 2만 개 이상의 카테고리로 구성된 1,400만 개 이상의 레이블이 붙은 이미지를 포함했다. 연구자와 크라우드 워커는 알고리즘이 동물, 차량, 도구, 일상 물건 등을 식별하는 방법을 배우는 데 이미지를 주의 깊게 주석을 달았다.

그 당시 많은 연구자들은 그러한 데이터셋이 필요한지 의문을 가졌다. 인공지능 연구는 여전히 더智能한 알고리즘을 설계하는 데 중점을 두고 있었다.

Li는 반대의 견해를 가지고 있었다. 그녀는 기계 학습 시스템은 실제 세계의 예제의 거대한 양으로 훈련될 때만 개선될 수 있다고 믿었다.

책은 ImageNet을 구축하는 것이 얼마나 어려웠는지 자세히 설명한다. 프로젝트는 수년간의 인내, 기술적 실험, 그리고 이미지를 레이블링하는 데 도움을 준 수천 명의 기여자와의 대규모 조정 요구했다.

그것은 연구 커뮤니티 내에서 초기에 회의를 불러일으킨 거대한事業이었다.

인공지능을 변화시키는 돌파구

전환점은 ImageNet 대규모 시각적 인식 챌린지와 함께 왔다.

이 대회는 연구자들이 거대한 데이터셋 내에서 물체를 식별할 수 있는 시스템을 구축하도록 초대했다. 몇 년 동안 진행은 점진적이었다. 그런 다음 2012년에 깊은 신경망이 이전 접근 방식을 극적으로 능가했다.

그 돌파구는 대규모 데이터셋과 깊은 학습 아키텍처를 결합하는力的을 보여주었다. 결과는 AI 커뮤니티를 충격에 빠뜨렸고 신경망 방법으로의 빠른 전환을觸发했다.

ImageNet은 이후 컴퓨터 비전, 자율 주행 자동차, 의료 이미지, 시각적 이해에 크게 의존하는 현대 AI 시스템과 같은 분야에서 진행을 가능하게 하는 훈련 장소가 되었다.

책은 그 순간이 어떻게 전개되었는지以及 연구자들이 인공지능 역사上的 주요 전환점을 목격하고 있음을 어떻게 깨달았는지에 대한 드문 내부 관점을 제공한다.

인간 중심 인공지능

이야기가 진행됨에 따라 Li는 기술의 더广い 의미에 초점을 맞춘다.

그녀는 인공지능은 근본적으로 인간 중심으로 남아 있어야 한다고 주장한다. AI의 목표는 단순히 강력한 시스템을 구축하는 것이 아니라 이러한 시스템이 사회에ประโยชน을 가져다주는 것을 보장하는 것이다.

이 관점은 Li의 후속 연구와 정책 작업을 반영한다. 그녀는 책임 있는 AI 개발을 옹호하는 주요 목소리가 되었으며 윤리적 고려를 염두에 둔 AI 구축을 촉진하기 위한 이니셔티브를 촉진했다.

책은 인공지능의 미래가 기술적 돌파구만으로 정의되지 않을 것이라는 것을 강조한다. 그것은 또한 연구자, 엔지니어, 정책입안자가 이러한 시스템을 어떻게 배치하는지에 대한 선택에 의해 형성될 것이다.

최종 생각

내가 본 세계는 인공지능에 관한 회고록 이상이다.

그것은 새로운 국가에서 호기심을 추구하는 젊은 이민자의 이야기이다. 그것은 기계 학습에서 가장 중요한 데이터셋 중 하나가 어떻게 만들어졌는지에 대한 자세한 설명이다. 그것은 또한 변혁적인 기술을 구축하는 데 따른 책임에 대한 반영이다.

이 책을 특히 강력하게 만드는 것은 이러한 이야기가 분리될 수 없다는 것이다. Li의 개인적인 여정과 현대 AI의 진화는 함께 전개된다.

인공지능의 역사에 관심이 있는 독자들에게 이 책은 필드의 기초를 구축한 사람으로부터 드문 관점을 제공한다. 과학적 발견의 인간적인 측면에 관심이 있는 사람에게도同樣으로 매력적이다.

많은 방면에서 내가 본 세계는 기술의 혁신이 거의 언제나 기계에서 시작되지 않는다는 것을 우리에게 기억시킨다. 그것은 호기심, 인내, 그리고 다른 사람들이 초기에 무시할 수 있는 아이디어를 추구하는 용기에서 시작된다.