AI 알고리즘이 그리는 도시(반양장)

AI는 더 이상 연구실 속의 기술이 아닙니다.

이제 그것은 거리 위 자율주행차로, 공원 속 쓰레기를 수거하는 로봇으로, 에너지 소비를 스스로 제어하는 건물로, 스마트폰 속 디지털 비서로, 그리고 도시민의 삶을 뒤에서 조용히 지원하는 에이전트로 스며들고 있습니다.

도시 전체가 AI의 무대이며, AI는 이 도시의 또 다른 주민이자 조력자가 된 것입니다.

그래서 이 책은 단순히 인공지능 기술을 소개하는 해설서가 아닙니다.

이 책은 도시를 만드는 사람, 도시를 살아가는 사람, 그리고 도시를 사랑하는 모든 이들을 위한 안내서입니다.

AI라는 낯선 존재를 도시의 눈으로, 사람의 입장에서, 그리고 우리의 내일과 연결되는 맥락 속에서 바라보고자 합니다.

1부에서는 우리가 일상에서 마주치는 다양한 AI 응용기술들을 친근하고 구체적인 사례로 소개합니다.

추천 시스템은 우리의 취향을 읽고, 챗봇은 24시간 응답하며, AI 에이전트는 도시 속 임무를 수행합니다.

생성형 AI는 예술과 설계를 창조적으로 확장하고, 게임 AI는 가상공간을 살아 움직이게 합니다.

그리고 로봇은 도시의 현장에서 사람처럼 감각하고 움직이는 존재로 등장합니다.

이 기술들은 결코 먼 미래가 아닌, 지금 여기의 도시에서 활동 중인 디지털 주인공들입니다.

2부에서는 이런 AI 기술을 가능하게 하는 머신 러닝의 핵심 원리들을 쉽고 흥미롭게 풀어냅니다.

지도학습, 비지도학습, 강화학습은 각각 AI가 '배우는 방식'을 다르게 보여줍니다.

결정나무, 랜덤포레스트, SVM, 회귀분석, 클러스터링 같은 알고리즘은 데이터 속에서 도시의 질서와 변화를 탐지하는 디지털 설계도구가 됩니다.

독자들은 이 장을 통해 "도시문제 해결에도 이런 분석이 쓰일 수 있구나!"라는 통찰을 얻게 될 것입니다.

3부에서는 딥 러닝이라는 AI의 가장 진보된 영역으로 들어갑니다.

퍼셉트론에서 트랜스포머까지 이어지는 알고리즘들은 단지 기술을 넘어서, 도시를 보는 눈을 깊고 넓게 확장시켜 줍니다.

이미지와 언어, 시간과 공간, 데이터와 감각이 하나의 흐름으로 연결될 때, 우리는 도시의 진짜 문제와 가능성을 새롭게 바라보게 됩니다.

GAN과 확산모델처럼, 세상에 없던 것을 만들어내는 기술은 이제 도시의 미래마저 예술처럼 창조하게 도와줍니다.

이 책의 목표는 단순하고도 분명합니다.

"AI가 뭐지?"라는 호기심으로 책장을 펼친 독자들이,

마지막 장을 덮을 때쯤에는 "AI를 도시에서 어떻게 써야 할까?"라는 더 깊은 질문을 갖게 되는 것.

AI는 더 이상 전문가들만의 도구가 아닙니다.

오히려 도시를 이해하고, 개선하고, 사랑하고 싶은 시민이라면 누구나 AI와 손을 잡아야 합니다.

그 시작은, 이 책처럼 어렵지 않은 언어로 AI와 도시를 함께 이야기하는 것입니다.

도시를 배우는 학생에게는 하나의 나침반이,

도시를 계획하고 설계하는 전문가에게는 새로운 렌즈가,

도시를 살아가는 시민에게는 든든한 대화 상대가 되는 책

그것이 이 책의 바람입니다.

이 책을 읽는 동안,

당신은 어쩌면 AI와 함께 도시를 걷고,

그들과 함께 고민하고,

그들과 함께 미래를 설계하게 될지도 모릅니다.

그 여정의 첫걸음을, 이제 함께 내딛어봅시다.

Chapter 1 인공지능(AI) 응용분야: 초보자도 이해하는 추천시스템에서 로봇까지

소주제1. 추천시스템(Recommender System): 특정 사용자에게 관심을 가질 만한 아이템이나 정보를 선별하여 제시하는 시스템이다

소주제2. 챗봇(Chatbot): 스마트폰 안에 사는 '디지털 비서'나 '24시간 대기 중인 안내원'과 같다

소주제3. AI 에이전트(AI Agent): 도시에서 특정 임무를 부여 받은 '자율적인 디지털 전문가'나 '인공적인 유기체'와 같다

소주제4. 자율주행(Autonomous Driving): 운전자 보조를 넘어, 차량 자체가 하나의 'AI 에이전트'가 되어 운전과업을 완전 수행한다

소주제5. 생성형 AI(Generative AI): 텍스트, 이미지, 오디오, 코드 등의 데이터를 스스로 만들어내는 AI의 창의적인 면모를 대표하는 기술이다

소주제6. 로봇(Robot): AI의 판단을 바탕으로 센서를 통해 현실세계를 인식하고, 모터나 팔과 같은 구동장치를 이용해 물리적인 행동을 수행한다





Chapter 2 머신 러닝(Machine Learning): 머신 러닝의 기본기술을 알려주는 핵심 알고리즘의 보고

소주제1. 머신 러닝의 지도 학습(Supervised Learning): 정답을 보고 배우는 AI 모범생

소주제2. 비지도 학습(Unsupervised Learning): 정답 없이 패턴을 찾아내는 AI 탐험가

소주제3. 강화학습(Reinforcement Learning): 어린 아이가 넘어지고 일어나기를 반복하며 걷는 법을 배우거나, 반려동물이 칭찬(보상)을 통해 특정 행동을 배우는 과정과 유사하다

소주제4. 머신 러닝의 의사결정나무(Decision Tree): AI가 그리는 명쾌한 '스무고개' 지도

소주제5. 머신 러닝의 랜덤 포레스트(Random Forest): '집단 지성'으로 편견을 넘어선 AI 전문가 위원회

소주제6. 머신 러닝의 나이브 베이즈(Naive Bayes): 순진하지만 제법 쓸모 있는 AI 확률 탐정

소주제7. 머신 러닝의 서포트 벡터 머신(Support Vector Machine, SVM): 최적의 경계선을 찾아내는 AI 도시경계 전문가

소주제8. 머신 러닝의 회귀분석(Regression): 도시의 인구, 교통량, 소득수준(독립 변수)을 바탕으로 미래의 주택가격(종속 변수)을 예측한다

소주제9. 머신 러닝의 클러스터링(Clustering): 비슷한 것들끼리 '끼리끼리' 모아주는 방법이다





Chapter 3 딥 러닝(Deep Learning): 심층적이고 다면적인 눈으로 도시의 미래를 읽다

소주제1. 퍼셉트론(Perceptron): 데이터를 두 개의 그룹으로 나누는 최적의 경계선을 찾는다

소주제2. 심층신경망(DNN): 다층 퍼셉트론(MLP)에서 은닉층의 개수를 2개 이상으로 깊게 쌓아 올린 형태이다

소주제3. 역전파(Backpropagation): 목표 과녁을 맞히지 못한 화살의 궤적을 거꾸로 되짚어보며 활의 각도, 힘, 바람을 읽는 눈 등의 문제점을 찾아내 교정한다

소주제4. 합성곱 신경망(CNN): 이미지 데이터의 공간적 계층구조를 학습하여, 이미지 내 객체를 분류, 탐지, 분할한다

소주제5. 순환 신경망(RNN): 시간의 흐름이나 순서에 따라 의미가 달라지는 데이터를 처리하기 위해 고안된 AI이다

소주제6. 오토인코더(Autoencoder): 방대한 양의 책을 읽고 그 핵심 내용만을 요약했다가, 그 요약본을 보고 다시 원래 책의 내용을 상세하게 복원한다

소주제7. 생성적 적대신경망(GAN): 세상에 존재하지 않는 진짜 같은 가짜데이터를 '생성'한다

소주제8. 확산모델(Diffusion Model): 맑은 물에 잉크를 떨어뜨려 완전히 퍼지게 한 후, 그 잉크가 퍼져 나간 과정을 정확히 역재생하여 다시 맑은 물로 되돌린다

소주제9. 워드 임베딩(Word Embedding): 컴퓨터는 '도시', '공원'과 같은 단어의 의미를 이해하지 못하므로, 각 단어를 고유한 좌표 값을 가진 공간상의 한 점으로 표현한다

소주제10. 트랜스포머(Transformer): RNN이 단어를 하나씩 문장의 의미를 파악한다면, 트랜스포머는 문장 전체를 한 번에 입력 받아 단어들 사이의 관계를 파악한다

원제무 저자는 한양대 공대, 서울대 환경대학원, 미국 UCLA도시건축대학원을 졸업하고, MIT도시대학원에서 도시계획 및 교통계획 박사학위를 받았다.

저자는 귀국 후 KAIST 도시교통연구본부장, 서울연구원 선임연구위원, 서울시립대 도시공학과 교수 등을 거쳐 국토도시계획학회장과 한양대 도시대학원장을 역임했다.

현재는 한양대 도시대학원 명예교수로 재직하면서 연구와 강의를 해오고 있다.