인공지능(AI) 기술과 응용

AI가 다양한 산업과 일상에 깊이 스며들고 있는 지금, AI를 단순히 활용하는 것을 넘어 근본적으로 이해하는 것이 무엇보다 중요하다. 하지만 현재 출간된 AI 관련 서적들은 특정 기술 분야에 집중된 경우가 많아 AI 전반을 폭넓게 다룬 자료는 상대적으로 부족한 상황이다. 이에 따라 AI에 관심 있는 독자들이 기본적인 개념을 이해하고 시야를 넓힐 수 있도록 이 책을 집필하게 되었다. 특히, 강의 교재로 활용할 수 있도록 구성하여 교육 및 학습에 효과적으로 활용할 수 있도록 하였으며 “See & Think”코너를 통해 본문의 내용을 보다 쉽게 이해할 수 있도록 구성 하였다.

프롤로그 - 006

PART 01. AI의 정의 및 발전과정 - 008

1.1 AI란 무엇인가
1.2 지능과 AI
1.3 AI의 분류
1.4 AI의 역사
1.5 AI 기술 및 연구영역
1.6 AI 기술의 응용영역
1.7 AI에 의한 대체 가능 직업

PART 02. AI의 학문적 등장과 응용 분야 - 038

2.1 AI를 견인하는 기호주의와 연결주의
2.2 컴퓨터의 비약적인 발전과 지식의 획득
2.3 기계학습의 비약적 발전
2.4 신경망과 기존 프로그램의 차이
2.5 AI에 의한 신 산업혁명
2.6 로봇과 AI
2.7 산업 AI (Industrial AI)
2.8 군사기술에 활용되는 드론과 무인기
2.9 플랫폼화 하는 AI
2.10 AI 기술과 제품의 관계

PART 03. 프로그램의 기본적인 구조 - 066

3.1 AI에 주어지는 과제와 해결 방안
3.2 탐색 알고리즘의 종류와 개요
3.3 정렬 알고리즘의 종류와 개요
3.4 암호 알고리즘의 종류와 개요
3.5 AI의 설계도가 되는 아키텍쳐
3.6 독립적으로 일하는 AI의 존재
3.7 규칙에 의한 AI의 사고 및 의사결정 방법
3.8 목표에 맞춘 AI의 사고법과 의사결정 방법
3.9 사례로 배우는 AI의 사고법과 의사결정 방법
3.10 유연하게 생각하기 위한 방법

PART 04. AI 관련 데이터(정보) 처리 - 088

4.1 AI에 필요한 데이터(정보)
4.2 데이터 수집과 AI(인공지능)의 활용
4.3 데이터 취급의 용이성
4.4 지식과 개념을 전달하기 위한 접근
4.5 AI에 관한 데이터 과학과 통계
4.6 데이터의 분석과 가치 발굴
4.7 데이터의 관계성 발견
4.8 데이터를 분할하여 분석하는 방법
4.9 데이터의 올바른 취급 방법
4.10 지식과 통계로부터 AI의 이미지 구성

PART 05. 기초 기계학습과 응용 - 110

5.1 신경세포의 구조
5.2 신경망이란?
5.3 딥러닝의 등장
5.4 다층 신경망
5.5 기계학습은 판단하는 기계
5.6 기계학습의 기본구조
5.7 기계학습의 주요 목적과 활용방법
5.8 기계학습의 한계
5.9 기계학습과 AI의 차이
5.10 기계학습과 데이터 과학의 차이
5.11 기계학습의 활용사례

PART 06. 고급 기계학습과 응용 - 138

6.1 심층학습(딥 러닝, Deep Learning)
6.2 딥 러닝의 특징추출 능력
6.3 영상인식, 음성인식에 강한 심층 신경망
6.4 언어처리와 시계열처리에 강한 심층 신경망
6.5 재귀적 신경망의 응용
6.6 딥 러닝의 결점을 보완하는 GAN
6.7 신경망이 취급하는 정보
6.8 언어의 의미를 수치로 나타내는 방법
6.9 확립되어 가는 딥 러닝의 환경
6.10 딥 러닝이 바꾼 기계학습의 방식

PART 07. 다양한 응용기술로 확대되는 AI의 실용화 - 160

7.1 이미지에서 동영상으로 발전하는 영상인식
7.2 AI 의사소통의 개념
7.3 Transformer와 빅데이터로 바뀐 문장생성
7.4 음성의 텍스트화에 필요한 기술
7.5 영상과 음성, 여러 가지 정보를 조합한 데이터 분석
7.6 인간의 창조적인 방식의 학습
7.7 인간 신체의 사용법
7.8 분산하여 확대되는 AI
7.9 AI의 진보와 성장을 촉진하는 게임AI
7.10 인간의 판단기준을 설명하는 게임이론
7.11 AI와 인간의 상호 협동(개인과 비즈니스)
7.12 챗봇

PART 08. 지식표현과 전문가 시스템 - 184

8.1 지식표현(knowledge representation)
8.2 전문가 시스템(expert system)
8.3 지식 베이스 시스템
8.4 알고리즘과 지식의 차이점

PART 09. AI 데이터(정보)와 지식처리 관련 이론 - 206

9.1 퍼지이론과 응용
9.2 데이터 마이닝
9.3 온톨로지
9.4 진화계산

PART 10. 생성형 AI(GAI) - 230

10.1 생성형 AI의 정의와 개념
10.2 생성형 AI 종류 및 개요
10.3 ChatGPT와 대규모 언어모델과의 관계
10.4 대규모 언어모델의 등장
10.5 생성형 적대 신경망 (GAN)
10.6 생성형 AI의 이점과 한계

정환묵

현재 스마트 산업연구소 소장으로, 우리나라 인공지능 초기 연구자이며, 스마트 산업에 대한 연구를 활발히 하고 있다. 아직 스마트 산업이라는 말이 익숙하지 않은 우리나라에 2002년부터 농식품 분야의 IT 농업혁신의 필요성과 초고령 사회를 대비한 시니어 산업 육성을 주창해 왔다. 한양대학교에서 전자공학과를 졸업하고 인하대학교에서 박사학위를 받은 후 대구가톨릭대학교 컴퓨터정보통신공학부 교수로 정년 퇴임하였으며, 동대학교 산업협력단장, 공과대학장, 교무처장, 부총장을 지냈고, 한국지능시스템 학회 5대 회장과 한국한방산업진흥원 이사를 역임하였다.

일본 東京대학 객원 연구원과 明治대학 정보공학과 객원교수를 역임하였다. 저서로는 <인공지능>, <푸드테크>, <스마트 농업혁명>, <시니어 산업화 글로벌 마케팅> 외 다수의 저서가 있다.

Publication Date	2025/04/01
Pages/Weight/Size	15222515mm
ISBN	9791198525512
Categories	경제 경영 > 경영