
7
인공지능은 모든 산업을 변화시킬 태세지만 거의 모든 인공지능 애플리케이션은 특정 용도에
맞게 커스터마이징해야 합니다. 의료 기록을 읽는 시스템은 공장에서 결함을 찾는 시스템이나
제품 추천 엔진과는 다릅니다. 인공지능이 잠재력을 최대한으로 발휘하려면 엔지니어에게는
이 놀라운 능력을 수백만 가지 구체적인 문제에 적용할 수 있는 도구가 필요합니다.
제가 구글 브레인 팀을 이끌었을 때 텐서플로의 전신인 디스트빌리프
DistBelief
를
C
++로 만들기
시작했습니다. 수천 개의
CPU
로 신경망을 훈련할 수 있다는 가능성에 흥분했었죠. 예를 들면
레이블이 없는 유튜브 동영상에서 고양이 감지 모델을 훈련하기 위해
16
,
000
개의
CPU
를 사
용했습니다. 그 이후로 딥러닝은 놀라울 만큼 발전했습니다. 한때 최첨단이었던 작업을 이제는
랩톱 컴퓨터로도 수행할 수 있게 되었습니다. 그리고 바로 이 책에서 파이토치를 통해 작업하
는 방법을 소개합니다. 더불어
AI
를 구현하기 위해 머신러닝 모델을 만드는 프레임워크도 크게
발전했습니다.
파이토치는 상당한 발전을 이루었습니다. 배우기 쉬울 뿐만 아니라 연구자들이 사용할 만큼 충
분히 강력합니다. 풍부한 기능 덕분에 간단한 모델부터 전이 학습, 최신 생성형
AI
모델을 미
세 튜닝하는 것까지 다양한
AI
도구를 만들 수 있습니다. ...