Description
이 책은 언론과 방송 등 미디어 분야의 연구, 교육, 실무 차원에서 AI 전환(AI transformation, AIX)을 촉진하기 위해 작성됐다. 이를 위해 다음과 같은 세 가지 측면을 염두에 두었다.
첫째, 기존의 AI 기술 서적은 대부분 미디어 분야와 무관하게 작성되어 있었다. 사실 AI 연구자들이나 규제 당국은 미디어에 대해 관심이 없었다. 반대로 언론사 역시 AIX에 관심을 갖고 있지만, 몇몇 해외 언론사를 제외하고 이를 전면적으로 실행하는 경우는 많지 않았다. 이 책은 미디어 분야의 AI 활용을 하나의 응용 분야로 제시하기 위해 미디어 AI이라는 용어를 제시하고, 미디어 AI로 포괄할 수 있는 핵심 기술을 설명했다. 기술적 부분 외에도 AI 연구에서 다소 추상적인 수준 또는 기술 일반 수준에서만 논의되고 있는 설명 가능한 AI(eXplainable AI, XAI)나 신뢰할 수 있는 인공지능(trustworthy AI, TAI), 멀티모달 AI에 대한 논의를 저널리즘 AI이나 대중문화 등 미디어 영역에서 집중적으로 살펴보았다.
둘째, 그동안 미디어 커뮤니케이션 학계나 업계에서는 딥러닝이 주로 텍스트를 대상으로, 기술적으로는 자연어처리 측면에서 다뤄져 왔다. 그 결과 분석 대상이 기사나 커뮤니티, 댓글 중심으로 이루어져 왔다. 이 책은 텍스트보다는 영상 분야, 즉 컴퓨터 비전(computer vision)의 딥러닝에 무게를 두고자 했다. 이를 통해 기존의 텍스트 중심의 딥러닝 활용 연구를 영상, 특히 동영상 분야로 확대하는데 도움이 되길 기대한다.
미디어 분야에서 컴퓨터 비전 관련 딥러닝 기술은 다음과 같은 측면에서 다루었다. 우선 미디어 AI의 주요 과업(task)을 정의하고, 기술적 측면에서 판별 모델은 합성곱 신경망(convolutional neural network, CNN), 생성 모델은 멀티모달 AI, 특히 스테이블 디퓨전(Stable Diffusion)을 중점적으로 다루었다. 이밖에 기존 기술 서적이 소홀히 하고 있는 AI 학습데이터 구축에 대한 내용을 특히 방송 동영상과 관련해 상술했다. 미디어 생산물은 특히 컴퓨터 비전 분야 학습데이터의 원천데이터로서 가치가 높기 때문이다.
셋째, 이 책은 교양서와 기술서 간의 간극을 메우고자 했다. 이를 통해 AI에 대한 지식이 전혀 없는 독자가 인공지능의 개념에서 시작해 컴퓨터 비전 분야 딥러닝의 전반적인 내용까지 이해하는데 도움을 주고자 했다. 미디어 커뮤니케이션학 분야에서 양적 접근을 하지만 컴퓨터 비전 분야 딥러닝은 낯선 양적 연구자는 물론, 학부생이나 대학원생을 비롯한 인문사회계 학생이나 기술적 이해를 바탕으로 AI에 비판적 연구를 수행하는 문화연구자, 그리고 컴퓨터공학을 전공하지 않은 언론사 기자나 방송사 프로듀서, 미디어 스타트업에 종사하는 비전공자 등 미디어 업계의 다양한 종사사, 미디어 관련 정책 담당자가 이해할 수 있도록 서술하고자 했다.
개발자들은 유튜브나 기술 블로그의 글, 오픈 액세스(open access) 논문 데이터베이스인 아카이브(arXiv) 등에 공개된 논문, 깃허브 등에 오픈소스로 올라온 내용, 쉽게 쓰인 다양한 개론서들을 통해 누구나 AI를 쉽게 공부할 수 있다고 말한다. 문제는 이러한 문서조차 AI에 입문하는 인문사회계 연구자에게는 너무나 많다는 것이다. 인문사회과학 전공자들이 AI 기술을 조금이라도 깊이 있게 공부하려고 해도 어디서 시작하고 어느 방향으로 나아가야 할지 막막하기만 하다. 쉽게 쓰인 개론서라고 해도 인문사회계 전공자들은 수식과 코드에 지레 겁을 먹게 되어 핵심 원리 파악에 어려움을 겪는다. 게다가 개론서조차 그 양이 방대하다. 반대로 교양서는 포괄적이기는 하나 기술에 대한 깊이 있는 이해를 얻기에는 어려움이 있다. 뿐만 아니라 교양서의 수많은 사례들도 금세 시의성을 잃고 만다. 인문사회과학 전공자가 보기에 교양서와 기술서 간의 간격이 큰 셈이다.
이 책은 AI에 관련된 교양서와 달리 좀 더 학술적인 관점에서 방향타를 제시할 수 있도록 작성했다. 딥러닝 분야의 방대한 성과를 최대한 간결하게 서술하도록 노력했으며 원리 중심으로 서술하고 사례는 독자의 이해를 돕는 수준에서 대표적인 것 위주로 절제해 기술했다. 소스 코드는 완전히 배제했으며 수식 사용도 최소화했다. 대신 이 분야에서 널리 인용되는 주요 논문이나 단행본은 참고문헌에 충분히 담고자 했다.
이 책을 출발점으로 추가 연구를 통해 양적 연구자는 딥러닝 기반 방법론을 정교화할 수 있을 것이다. 비판적 연구자는 기술 이해를 바탕으로 AI에 대한 적확한 진단을 내릴 수 있을 것이다. 미디어의 AIX가 어려운 것은 미디어 종사자들과 미디어 정책 담당자들이 AI에 대한 이해도가 낮기 때문일 수 있다. 언론인이나 방송인은 기술적 이해를 바탕으로 기획자로서 개발자와 협업하여 인간 중심 AI(human-centered AI)를 설계하고 비판적으로 운영, 고도화하는데 도움이 되기를 기대한다. 학생들은 미디어 AI 관련 연구자나 실무자로 성장하는 기반 지식을 얻을 수 있을 것이다.
첫째, 기존의 AI 기술 서적은 대부분 미디어 분야와 무관하게 작성되어 있었다. 사실 AI 연구자들이나 규제 당국은 미디어에 대해 관심이 없었다. 반대로 언론사 역시 AIX에 관심을 갖고 있지만, 몇몇 해외 언론사를 제외하고 이를 전면적으로 실행하는 경우는 많지 않았다. 이 책은 미디어 분야의 AI 활용을 하나의 응용 분야로 제시하기 위해 미디어 AI이라는 용어를 제시하고, 미디어 AI로 포괄할 수 있는 핵심 기술을 설명했다. 기술적 부분 외에도 AI 연구에서 다소 추상적인 수준 또는 기술 일반 수준에서만 논의되고 있는 설명 가능한 AI(eXplainable AI, XAI)나 신뢰할 수 있는 인공지능(trustworthy AI, TAI), 멀티모달 AI에 대한 논의를 저널리즘 AI이나 대중문화 등 미디어 영역에서 집중적으로 살펴보았다.
둘째, 그동안 미디어 커뮤니케이션 학계나 업계에서는 딥러닝이 주로 텍스트를 대상으로, 기술적으로는 자연어처리 측면에서 다뤄져 왔다. 그 결과 분석 대상이 기사나 커뮤니티, 댓글 중심으로 이루어져 왔다. 이 책은 텍스트보다는 영상 분야, 즉 컴퓨터 비전(computer vision)의 딥러닝에 무게를 두고자 했다. 이를 통해 기존의 텍스트 중심의 딥러닝 활용 연구를 영상, 특히 동영상 분야로 확대하는데 도움이 되길 기대한다.
미디어 분야에서 컴퓨터 비전 관련 딥러닝 기술은 다음과 같은 측면에서 다루었다. 우선 미디어 AI의 주요 과업(task)을 정의하고, 기술적 측면에서 판별 모델은 합성곱 신경망(convolutional neural network, CNN), 생성 모델은 멀티모달 AI, 특히 스테이블 디퓨전(Stable Diffusion)을 중점적으로 다루었다. 이밖에 기존 기술 서적이 소홀히 하고 있는 AI 학습데이터 구축에 대한 내용을 특히 방송 동영상과 관련해 상술했다. 미디어 생산물은 특히 컴퓨터 비전 분야 학습데이터의 원천데이터로서 가치가 높기 때문이다.
셋째, 이 책은 교양서와 기술서 간의 간극을 메우고자 했다. 이를 통해 AI에 대한 지식이 전혀 없는 독자가 인공지능의 개념에서 시작해 컴퓨터 비전 분야 딥러닝의 전반적인 내용까지 이해하는데 도움을 주고자 했다. 미디어 커뮤니케이션학 분야에서 양적 접근을 하지만 컴퓨터 비전 분야 딥러닝은 낯선 양적 연구자는 물론, 학부생이나 대학원생을 비롯한 인문사회계 학생이나 기술적 이해를 바탕으로 AI에 비판적 연구를 수행하는 문화연구자, 그리고 컴퓨터공학을 전공하지 않은 언론사 기자나 방송사 프로듀서, 미디어 스타트업에 종사하는 비전공자 등 미디어 업계의 다양한 종사사, 미디어 관련 정책 담당자가 이해할 수 있도록 서술하고자 했다.
개발자들은 유튜브나 기술 블로그의 글, 오픈 액세스(open access) 논문 데이터베이스인 아카이브(arXiv) 등에 공개된 논문, 깃허브 등에 오픈소스로 올라온 내용, 쉽게 쓰인 다양한 개론서들을 통해 누구나 AI를 쉽게 공부할 수 있다고 말한다. 문제는 이러한 문서조차 AI에 입문하는 인문사회계 연구자에게는 너무나 많다는 것이다. 인문사회과학 전공자들이 AI 기술을 조금이라도 깊이 있게 공부하려고 해도 어디서 시작하고 어느 방향으로 나아가야 할지 막막하기만 하다. 쉽게 쓰인 개론서라고 해도 인문사회계 전공자들은 수식과 코드에 지레 겁을 먹게 되어 핵심 원리 파악에 어려움을 겪는다. 게다가 개론서조차 그 양이 방대하다. 반대로 교양서는 포괄적이기는 하나 기술에 대한 깊이 있는 이해를 얻기에는 어려움이 있다. 뿐만 아니라 교양서의 수많은 사례들도 금세 시의성을 잃고 만다. 인문사회과학 전공자가 보기에 교양서와 기술서 간의 간격이 큰 셈이다.
이 책은 AI에 관련된 교양서와 달리 좀 더 학술적인 관점에서 방향타를 제시할 수 있도록 작성했다. 딥러닝 분야의 방대한 성과를 최대한 간결하게 서술하도록 노력했으며 원리 중심으로 서술하고 사례는 독자의 이해를 돕는 수준에서 대표적인 것 위주로 절제해 기술했다. 소스 코드는 완전히 배제했으며 수식 사용도 최소화했다. 대신 이 분야에서 널리 인용되는 주요 논문이나 단행본은 참고문헌에 충분히 담고자 했다.
이 책을 출발점으로 추가 연구를 통해 양적 연구자는 딥러닝 기반 방법론을 정교화할 수 있을 것이다. 비판적 연구자는 기술 이해를 바탕으로 AI에 대한 적확한 진단을 내릴 수 있을 것이다. 미디어의 AIX가 어려운 것은 미디어 종사자들과 미디어 정책 담당자들이 AI에 대한 이해도가 낮기 때문일 수 있다. 언론인이나 방송인은 기술적 이해를 바탕으로 기획자로서 개발자와 협업하여 인간 중심 AI(human-centered AI)를 설계하고 비판적으로 운영, 고도화하는데 도움이 되기를 기대한다. 학생들은 미디어 AI 관련 연구자나 실무자로 성장하는 기반 지식을 얻을 수 있을 것이다.
미디어 인공지능 (영상 분야의 딥러닝 활용을 중심으로)
$26.20