6 най-добри книги за машинно обучение и AI на всички времена (май 2024 г.)

Светът на AI може да бъде плашещ поради терминологията и различните налични алгоритми за машинно обучение. След като прочетох над 50 от най-препоръчваните книги за машинно обучение, съставих своя личен списък с книги, които трябва да прочета.

Избраните книги се основават на типовете идеи, които се въвеждат, и на това колко добре са представени различни концепции като задълбочено обучение, обучение с подсилване и генетични алгоритми. Най-важното е, че списъкът се основава на книгите, които най-добре проправят пътя напред за футуристите и изследователите към изграждането на доказуемо отговорен и обясним ИИ.

# 6. Как работи AI: От магьосничество до наука от Ronald T. Kneusel

„Как работи AI“ е кратка и ясна книга, предназначена да очертае основните основи на машинното обучение. Тази книга улеснява изучаването на богатата история на машинното обучение, като пътува от началото на наследените системи с изкуствен интелект до появата на съвременни методологии.

Историята е наслоена, като се започне с добре обоснованите AI системи, като машини за поддържащи вектори, дървета на решенията и произволни гори. Тези по-ранни системи проправиха пътя за новаторски напредък, водещ до разработването на по-сложни подходи като невронни мрежи и конволюционни невронни мрежи. В книгата се обсъждат невероятните възможности, предлагани от големите езикови модели (LLM), които са силата зад днешния най-съвременен Generative AI.

Разбирането на основите, като например как технологията шум-към-изображение може да възпроизведе съществуващи изображения и дори да създаде нови, безпрецедентни изображения от привидно произволни подкани, е от решаващо значение за разбирането на силите, задвижващи днешните генератори на изображения. Тази книга прекрасно обяснява тези фундаментални аспекти, позволявайки на читателите да разберат тънкостите и основната механика на технологиите за генериране на изображения.

Рон Кнусел, авторът, демонстрира похвално усилие в изясняването на неговите перспективи за това защо ChatGPT на OpenAI и неговият LLM модел означават началото на истинския AI. Той педантично представя как различни LLM проявяват възникващи свойства, способни интуитивно да разберат теорията на ума. Тези възникващи свойства изглежда стават по-изразени и влиятелни въз основа на размера на модела на обучение. Kneusel обсъжда как по-голямото количество параметри обикновено води до най-специализираните и успешни LLM модели, предоставяйки по-задълбочена представа за динамиката на мащабиране и ефикасността на тези модели.

Тази книга е маяк за онези, които искат да научат повече за света на ИИ, като предлага подробен, но разбираем преглед на еволюционната траектория на технологиите за машинно обучение, от техните елементарни форми до пионерските същества днес. Независимо дали сте начинаещ или човек със задълбочени познания по темата, „Как работи AI“ е предназначен да ви предостави прецизно разбиране на трансформиращите технологии, които продължават да оформят нашия свят.

# 5. Живот 3.0 от Макс Тегмарк

"Живот 3.0” има амбициозна цел и тя е да проучи възможностите за това как ще съществуваме съвместно с AI в бъдеще. Изкуственият общ интелект (AGI) е крайната и неизбежна последица от аргумент за експлозия на интелигентност направено от британския математик Ървинг Гуд през 1965 г. Този аргумент гласи, че свръхчовешкият интелект ще бъде резултат от машина, която може непрекъснато да се самоусъвършенства. Известният цитат за експлозията на разузнаването е следният:

„Нека ултраинтелигентната машина се дефинира като машина, която може далеч да надмине всички интелектуални дейности на всеки човек, колкото и да е умен. Тъй като проектирането на машини е една от тези интелектуални дейности, една ултраинтелигентна машина може да проектира още по-добри машини; тогава несъмнено ще има „взрив на интелигентност“ и интелигентността на човека ще остане далеч назад. По този начин първата ултраинтелигентна машина е последното изобретение, което човек трябва да направи.

Макс Тегмарк въвежда книгата в теоретично бъдеще на живота в свят, който се контролира от AGI. От този момент нататък се задават експлозивни въпроси като какво е интелигентност? Какво е памет? Какво е изчисление? и какво е учене? Как тези въпроси и възможни отговори в крайна сметка водят до парадигмата на машина, която може да използва различни видове машинно обучение, за да постигне пробивите в самоусъвършенстването, които са необходими за постигане на интелигентност на човешко ниво и неизбежната последваща суперинтелигентност?

Това са типът перспективно мислене и важни въпроси, които Life 3.0 изследва. Life 1.0 са прости форми на живот като бактерии, които могат да се променят само чрез еволюция, която модифицира своята ДНК. Life 2.0 са форми на живот, които могат да преработят своя собствен софтуер, като например изучаване на нов език или умения. Life 3.0 е изкуствен интелект, който не само може да променя собственото си поведение и умения, но също така може да модифицира собствения си хардуер, например надграждайки своето роботизирано аз.

Само когато разберем предимствата и капаните на AGI, можем да започнем да преглеждаме опциите, за да гарантираме, че изграждаме приятелски AI, който може да се приведе в съответствие с нашите цели. За да направим това, може да се наложи да разберем какво е съзнанието? И как AI съзнанието ще се различава от нашето?

Има много горещи теми, които се изследват в тази книга и тя трябва да бъде задължително четиво за всеки, който наистина иска да разбере как AGI е потенциална заплаха, както и потенциален спасителен пояс за бъдещето на човешката цивилизация.

# 4. Съвместим с човека: Изкуственият интелект и проблемът с контрола от Стюарт Ръсел

Какво се случва, ако успеем да изградим интелигентен агент, нещо, което възприема, което действа и което е по-интелигентно от своите създатели? Как ще убедим машините да постигнат нашите цели вместо техните собствени цели?

Горното е това, което води до една от най-важните концепции на книгата „Съвместим с човека: Изкуственият интелект и проблемът с контрола” е, че трябва да избягваме „да поставяме цел в машината”, както веднъж каза Норберт Винер. Интелигентна машина, която е твърде сигурна в своите фиксирани цели, е най-добрият вид опасен ИИ. С други думи, ако изкуственият интелект не желае да обмисли възможността да греши при изпълнението на предварително програмираната си цел и функция, тогава може да е невъзможно системата да се изключи сама.

Трудността, както е очертана от Стюарт Ръсел, е в инструктирането на ИИ/робота, че никоя инструктирана команда не е предназначена да бъде постигната на всяка цена. Не е добре да жертвате човешки живот, за да донесете кафе или да печете котката на скара, за да осигурите обяд. Трябва да се разбере, че „закарайте ме до летището възможно най-бързо“ не означава, че законите за превишена скорост могат да бъдат нарушени, дори ако тази инструкция не е изрична. Ако изкуственият интелект сгреши горното, тогава безопасността при отказ е определено предварително програмирано ниво на несигурност. С известна несигурност изкуственият интелект може да предизвика сам себе си, преди да изпълни задача, за да потърси вербално потвърждение.

В статия от 1965 г., озаглавена „Спекулации относно първата ултраинтелигентна машина“, IJ Good, брилянтен математик, който работи заедно с Алън Тюринг, заяви: „Оцеляването на човека зависи от ранното изграждане на ултраинтелигентна машина“. Напълно възможно е, за да се спасим от екологична, биологична и хуманитарна катастрофа, да трябва да изградим най-напредналия ИИ, който можем.

Тази основополагаща статия обяснява експлозията на интелигентността, като тази теория е, че една ултраинтелигентна машина може да проектира още по-добри и превъзходни машини с всяка итерация и това неизбежно води до създаването на AGI. Докато AGI първоначално може да бъде с еднаква интелигентност като човек, той бързо ще надмине хората за кратък период от време. Поради това предварително заключение, важно е разработчиците на ИИ да актуализират основните принципи, които са споделени в тази книга, и да се научат как безопасно да ги прилагат при проектирането на системи с ИИ, които са способни не само да служат на хората, но и да спасяват хората от самите тях .

Както беше посочено от Стюарт Ръсел, оттеглянето от изследванията на ИИ не е опция, трябва да продължим напред. Тази книга е пътна карта, която да ни насочи към проектиране на безопасни, отговорни и доказано полезни AI системи.

# 3. Как да създадем ум от Рей Курцвейл

Рей Кърцвейл е един от водещите световни изобретатели, мислители и футуристи, той е наричан „неспокойният гений“ от The Wall Street Journal и „върховната мислеща машина“ от списание Forbes. Той също така е съосновател на Singularity University и е най-известен с революционната си книга „The Singularity is Near“. “Как да създадем ум” се занимава по-малко с проблемите на експоненциалния растеж, които са отличителни белези на другата му работа, вместо това се фокусира върху това как трябва да разберем човешкия мозък, за да го проектираме обратно, за да създадем най-добрата мислеща машина.

Един от основните принципи, очертани в тази основополагаща работа, е как работи разпознаването на модели в човешкия мозък. Как хората разпознават моделите в ежедневието? Как се формират тези връзки в мозъка? Книгата започва с разбиране на йерархичното мислене, това е разбиране на структура, която е съставена от различни елементи, които са подредени в шаблон, след това тази подредба представлява символ като буква или знак, а след това това е допълнително подредено в по-усъвършенстван модел като дума и накрая изречение. В крайна сметка тези модели формират идеи и тези идеи се трансформират в продуктите, които хората са отговорни за изграждането.

Тъй като това е книга на Рей Кърцвейл, разбира се, не след дълго се въвежда експоненциалното мислене. „Закон за ускоряване на възвръщаемостта“ е отличителен белег на тази основополагаща книга. Този закон показва как технологиите и темпото на ускорение се ускоряват поради тенденцията напредъкът да се храни сам, като допълнително увеличава скоростта на прогреса. След това това мислене може да се приложи към това колко бързо се учим да разбираме и реконструираме човешкия мозък. Това ускорено разбиране на системите за разпознаване на образи в човешкия мозък може след това да се приложи за изграждане на AGI система.

Тази книга беше толкова трансформираща за бъдещето на AI, че Ерик Шмид нае Рей Кърцвейл да работи по AI проекти, след като той приключи с четенето на тази основополагаща книга. Невъзможно е да се очертаят всички идеи и концепции, които се обсъждат в кратка статия, въпреки това това е книга, която трябва да прочетете, за да разберете по-добре как работят човешките невронни мрежи, за да проектирате напреднали изкуствена невронна мрежа.

Разпознаването на образи е ключовият елемент за задълбочено обучение и тази книга илюстрира защо.

# 2. Главният алгоритъм от Педро Домингос

Централната хипотеза на Главният алгоритъм е, че цялото знание – минало, настояще и бъдеще – може да бъде извлечено от данни чрез единен универсален алгоритъм за обучение, който е количествено определен като главен алгоритъм. Книгата описва някои от най-добрите методологии за машинно обучение, дава подробни обяснения за това как работят различните алгоритми, как могат да бъдат оптимизирани и как съвместно могат да работят за постигане на крайната цел за създаване на главния алгоритъм. Това е алгоритъм, който е в състояние да реши всеки проблем, който му даваме, включително и лечение на рак.

Читателят ще започне, като научи за Наивен Байеспрост алгоритъм, който може да се обясни с едно просто уравнение. Оттам той ускорява пълна скорост в по-интересни техники за машинно обучение. За да разберем технологиите, които ни ускоряват към този главен алгоритъм, научаваме за конвергентните основи. Първо, от неврологията научаваме за пластичността на мозъка, човешките невронни мрежи. Второ, преминаваме към естествения подбор в урока, за да разберем как да проектираме генетичен алгоритъм, който симулира еволюцията и естествения подбор. С генетичен алгоритъм популация от хипотези във всяко поколение се кръстосва и мутира, оттам най-подходящите алгоритми произвеждат следващото поколение. Тази еволюция предлага най-доброто в самоусъвършенстването.

Други аргументи идват от физиката, статистиката и разбира се най-доброто от компютърните науки. Невъзможно е да се прегледат изчерпателно всички различни аспекти, които засяга тази книга, поради амбициозния обхват на книгите за очертаване на рамката за изграждане на главния алгоритъм. Именно тази рамка избута тази книга на второ място, тъй като всички други книги за машинно обучение надграждат това под някаква форма или форма.

# 1. Хиляда мозъци от Джеф Хокинс

"Хиляда мозъци” се основава на концепциите, които са обсъдени в предишната книга на Джеф Хокинс, озаглавена „За интелекта”. „Относно разузнаването“ изследва рамката за разбиране на това как работи човешкият интелект и как тези концепции могат след това да бъдат приложени към изграждането на най-добрите AI и AGI системи. Той фундаментално анализира как мозъците ни предвиждат какво ще преживеем, преди да го преживеем.

Въпреки че „Хиляда мозъци“ е страхотна самостоятелна книга, тя ще бъде най-добре оценена, ако „На разузнаването” се чете първо.

„Хиляда мозъци“ се основава на най-новите изследвания на Джеф Хокинс и компанията, която той основа, наречена Нумента. Numenta има основна цел да разработи теория за това как работи неокортексът, вторичната цел е как тази теория за мозъка може да се приложи към машинното обучение и машинния интелект.

Първото голямо откритие на Numenta през 2010 г. включва как невроните правят прогнози, а второто откритие през 2016 г. включва картографски референтни рамки в неокортекса. Книгата описва първо и най-вече какво представлява „теорията за хилядата мозъци“, какви са референтните рамки и как теорията работи в реалния свят. Един от най-фундаменталните компоненти зад тази теория е разбирането как неокортексът е еволюирал до сегашния си размер.

Неокортексът е започнал малък, подобно на други бозайници, но е станал експоненциално по-голям (ограничен само от размера на родовия канал) не чрез създаване на нещо ново, а чрез многократно копиране на основна верига. По същество това, което отличава хората, не е органичният материал на мозъка, а броят на копията на идентичните елементи, които образуват неокортекса.

Теорията се развива по-нататък в това как неокортексът се формира с приблизително 150,000 XNUMX кортикални колони, които не се виждат под микроскоп, тъй като няма видими граници между тях. Как тези кортикални колони комуникират помежду си, е прилагането на основен алгоритъм, който е отговорен за всеки аспект на възприятието и интелигентността.

По-важното е, че книгата разкрива как тази теория може да се приложи към изграждането на интелигентни машини и възможните бъдещи последици за обществото. Например, мозъкът научава модел на света, като наблюдава как входните данни се променят с времето, особено когато се прилага движение. Кортикалните колони изискват референтна рамка, която е фиксирана към обект, тези референтни рамки позволяват на кортикалната колона да научи местоположенията на функции, които определят реалностите на даден обект. По същество референтните рамки могат да организират всеки тип знание. Това води до най-важната част от тази основополагаща книга, могат ли референтните рамки потенциално да бъдат жизненоважната липсваща връзка към изграждането на по-напреднал AI или дори AGI система? Самият Джеф вярва в неизбежно бъдеще, когато AGI ще научи модели на света, използвайки подобни на карти референтни рамки, подобни на неокортекса, и той върши забележителна работа, илюстрирайки защо вярва в това.