์ธ๊ณต์ง๋ฅ
Ronald T. Kneusel, “How AI Works: From Sorcery to Science”์ ์ ์ – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
우리는 최근 “How AI Work: From Sorcery to Science”라는 책의 초안을 받았습니다. 저는 지금까지 AI에 관한 60권 이상의 책을 읽었고, 일부 책은 반복적이지만, 이 책은 신선한 관점을 제공하여 즐겁게 읽었습니다. 이 책은 제가 개인적으로 가장 좋아하는 Best Machine Learning & AI Books of All Time 목록에 추가되었습니다.
“How AI Works: From Sorcery to Science”는 기계 학습의 핵심 기본概念을 설명하기 위해 설계된 간결하고 명확한 책입니다. 아래는 저자 Ronald T. Kneusel에게 묻는 질문입니다.
이것은 당신의 세 번째 AI 책입니다. 첫 두 권은 “Practical Deep Learning: A Python-Base Introduction”와 “Math for Deep Learning: What You Need to Know to Understand Neural Networks”입니다. 이 책을 쓰기 시작했을 때의 초기 의도는 무엇입니까?
다른 대상 독자입니다. 이전 책은 AI 실무자가 되고 싶은 사람들을 위한 입문서입니다. 이 책은 일반 독자들을 위한 것으로, AI에 대한 배경이 없는 사람들이 뉴스에서 많이 듣는 AI에 대해 어디서 왔는지, 마법이 아니며, 누구나 이해할 수 있는 것을 보여주고 싶었습니다.
많은 AI 책이 일반화하는 반면, 다양한 용어의 의미를 가르치는 데 매우 구체적이고, AI, 기계 학습, 딥 러닝의 관계를 설명했습니다. 이러한 용어 사이에 사회적混乱이 इतन 많은 이유는 무엇입니까?
AI의 역사와 왜 지금 모든 곳에서 볼 수 있는지를 이해하려면, 용어 사이의 구별을 이해해야 하지만, 일반적으로 “AI”를 사용하는 것은 현대 AI 시스템이 매우 빠르게 변하고 있는 세계를 주로 참조하는 것으로 공정합니다. 현대 AI 시스템은 딥 러닝에서 비롯되었으며, 딥 러닝은 기계 학습과 연결주의적 접근 방식에서 비롯되었습니다.
두 번째 장은 Talos의 신화, 즉 페니키아 공주를 지키기 위한 거대한 로봇에서부터 시작하여 Alan Turing의 1950년대 논문 “Computing Machinery and Intelligence”까지, 2012年的 딥 러닝 혁명까지 AI와 기계 학습의 역사를 깊이 다룹니다. AI와 기계 학습의 역사를 이해하는 것은 어떻게 AI가 발전했는지 완전히 이해하는 데 중요한 이유는 무엇입니까?
저의 의도는 AI가 하늘에서 떨어진 것이 아니라는 것을 보여주는 것입니다. 그것은 역사, 기원, 그리고 발전이 있습니다. 대규모 언어 모델의 출현 능력은 놀라울 수 있지만, 그것으로 이어지는 경로는 놀라운 것이 아닙니다. 그것은 몇 десяти년 동안의 생각, 연구, 그리고 실험의 결과입니다.
전통적인 AI 시스템인 서포트 벡터 머신, 의사 결정 트리, 랜덤 포레스트 등에 대한 이해를 위한 전체 장을 할애했습니다. 이러한 고전적인 AI 모델을 완전히 이해하는 것은 왜 इतन 중요한가요?
신경망으로서의 AI는 단순히 최적화 기반 모델링을 찾는 또 다른 접근 방식입니다. 입력에서 출력으로 매핑하는 함수를 개발하는 또 다른 방식입니다. 이전 모델에 대한 지식은 현재 모델이 어디서 왔는지 이해하는 데 도움이 됩니다.
OpenAI의 ChatGPT의 LLM 모델은 진정한 AI의 시작이라고 생각합니다. 이전의 AI 접근 방식과 비교하여 가장 큰 게임 체인저는 무엇이라고 생각합니까?
제가 최근에 본 1980년대 후반의 비디오에서 Richard Feynman은 지능 있는 기계에 대한 질문에 답했습니다. 그는 지능적인 행동을 가능하게 하는 논리적 연산의 마법 같은 순서를 찾는 것에 대해 말했습니다. 저도 많은 사람들과 마찬가지로 같은 것을 궁금해했습니다. 지능을 어떻게 프로그래밍할 수 있을까요?
제 믿음은 그것을本当に 프로그래밍할 수 없다는 것입니다. 지능은 충분히 복잡한 시스템에서 나타납니다. 우리의 뇌는 기본 단위의 거대한 네트워크입니다. 그것이 신경망도 마찬가지입니다. 저는 트랜스포머 아키텍처가 어느 정도 비슷한 기본 단위의 배열을偶然히 발견하여 지능적인 행동을 가능하게 한다고 생각합니다.
한편으로는 그것은 궁극의幸運한 事故지만, 일단 기본 단위의 배열과 지능적인 행동을 가능하게 하는 상호 작용이 발생하면, 너무驚くことではない 것입니다. 트랜스포머 모델이 그런 배열 중 하나라는 것은 분명합니다. 물론, 이것은 또 다른 질문을 불러일으킵니다. 어떤 다른 배열이 있을까요?
현대 AI (LLMS)는 핵심적으로 역전파와 그래디언트 디센트로 훈련된 신경망이라고 말합니다. LLM이如此 효과적인 것에 대해 개인적으로驚訝한 적이 있나요?
예스와 노입니다. 저는 그것을 사용할 때마다 그들의 응답과 능력에 계속해서驚訝하지만, 이전 질문으로 돌아가면, 지능은 실際로 나타납니다. 왜 그러한 큰 모델과 적절한 아키텍처에서 지능이 나타나지 않을까요? 저는 Frank Rosenblatt를 포함한 이전의 연구자들이 같은 것을 생각했을 것이라고 생각합니다.
OpenAI의 사명은 “인간보다 일반적으로 더 지능적인 AI 시스템 – 인공 일반 지능을 보장하는 것”입니다. 개인적으로 AGI가 달성 가능하다고 믿나요?
저는 AGI가 무엇을 의미하는지 모르며, 의식이 무엇인지도 모릅니다. 그래서 그것에 대한 대답은 어려울 것입니다. 저는 책에서 말했듯이, 언젠가 그런 구별에 대해 신경 쓰지 않아도 될 때가 올 것입니다. 그럼에도 불구하고, 완전히 의식적인 AI 시스템을 원하는지에 대해서는 모르겠습니다. 만약 그것이 의식적이라면, 그것은 우리와 같으며, 따라서 권리를 가진 존재입니다. 저는 인공 존재의 권리를 존중하는 세상이 아직 준비되지 않았습니다. 우리는 이미 인간의 권리를 존중하는 데에 충분한 어려움을 겪고 있습니다.
이 책을 쓰는 동안驚訝한 것이 있었나요?
다른 사람들과 마찬가지로 LLM의 출현 능력에驚訝한 것 외에는 없습니다. 저는 1980년대에 학생으로서 AI를 공부했습니다. 2000년대 초에 기계 학습을 시작했으며, 2010년대 초에 딥 러닝이 등장했을 때 그것에 참여했습니다. 저는 지난 10년 동안의 발전을 직접 목격했습니다.
감사합니다. 이 인터뷰를 읽은 독자들은 또한 저의 이 책에 대한 리뷰를 확인할 수 있습니다. 이 책은 모든 주요 소매점에서 구입할 수 있으며, Amazon에서도 구입할 수 있습니다.
