Die 6 besten Bücher über maschinelles Lernen und KI aller Zeiten (Mai 2024)

Die Welt der KI kann aufgrund der Terminologie und der verschiedenen verfügbaren Algorithmen für maschinelles Lernen einschüchternd sein. Nachdem ich über 50 der am meisten empfohlenen Bücher zum Thema maschinelles Lernen gelesen habe, habe ich meine persönliche Liste der Bücher zusammengestellt, die ich unbedingt lesen muss.

Die ausgewählten Bücher basieren auf der Art der vorgestellten Ideen und darauf, wie gut verschiedene Konzepte wie Deep Learning, Reinforcement Learning und genetische Algorithmen dargestellt werden. Am wichtigsten ist, dass die Liste auf den Büchern basiert, die Zukunftsforschern und Forschern den Weg zum Aufbau einer nachweislich verantwortungsvollen und erklärbaren KI am besten ebnen.

# 6. Wie KI funktioniert: Von der Zauberei zur Wissenschaft von Ronald T. Kneusel

„How AI Works“ ist ein prägnantes und klares Buch, das die Kerngrundlagen des maschinellen Lernens darlegen soll. Dieses Buch erleichtert das Kennenlernen der reichen Geschichte des maschinellen Lernens, von der Entstehung älterer KI-Systeme bis zum Aufkommen moderner Methoden.

Die Geschichte ist vielschichtig und beginnt mit den fundierten KI-Systemen wie Support-Vektor-Maschinen, Entscheidungsbäumen und Zufallswäldern. Diese früheren Systeme ebneten den Weg für bahnbrechende Fortschritte und führten zur Entwicklung anspruchsvollerer Ansätze wie neuronaler Netze und Faltungs-Neuronaler Netze. Das Buch diskutiert die unglaublichen Möglichkeiten, die Large Language Models (LLMs) bieten, die das Kraftwerk hinter der heutigen hochmodernen generativen KI sind.

Um die Kräfte zu verstehen, die die heutigen Bildgeneratoren antreiben, ist es von entscheidender Bedeutung, die Grundlagen zu verstehen, beispielsweise wie die Noise-to-Image-Technologie vorhandene Bilder reproduzieren und sogar neue, beispiellose Bilder aus scheinbar zufälligen Eingabeaufforderungen erstellen kann. Dieses Buch erläutert diese grundlegenden Aspekte auf wunderbare Weise und ermöglicht es den Lesern, die Feinheiten und zugrunde liegenden Mechanismen der Bilderzeugungstechnologien zu verstehen.

Ron Kneusel, der Autor, zeigt eine lobenswerte Anstrengung, indem er seine Perspektiven darlegt, warum OpenAIs ChatGPT und sein LLM-Modell den Beginn echter KI bedeuten. Er präsentiert akribisch, wie unterschiedliche LLMs neue Eigenschaften aufweisen, die es ermöglichen, die Theorie des Geistes intuitiv zu verstehen. Diese entstehenden Eigenschaften scheinen je nach Größe des Trainingsmodells ausgeprägter und einflussreicher zu werden. Kneusel erörtert, wie eine größere Menge an Parametern typischerweise zu den kompetentesten und erfolgreichsten LLM-Modellen führt, und liefert tiefere Einblicke in die Skalierungsdynamik und Wirksamkeit dieser Modelle.

Dieses Buch ist ein Leuchtturm für diejenigen, die mehr über die Welt der KI erfahren möchten, und bietet einen detaillierten, aber verständlichen Überblick über die Entwicklung der Technologien des maschinellen Lernens, von ihren rudimentären Formen bis zu den bahnbrechenden Einheiten von heute. Ganz gleich, ob Sie ein Neuling oder jemand mit fundiertem Fachwissen sind: „How AI Works“ soll Ihnen ein verfeinertes Verständnis der transformativen Technologien vermitteln, die unsere Welt weiterhin prägen.

# 5. Das Leben 3.0 von Max Tegmark

"Das Leben 3.0„hat ein ehrgeiziges Ziel und besteht darin, die Möglichkeiten zu erkunden, wie wir in Zukunft mit KI koexistieren werden. Künstliche Allgemeine Intelligenz (AGI) ist die eventuelle und unvermeidliche Folge davon Argument der Geheimdienstexplosion Dieses Argument wurde 1965 vom britischen Mathematiker Irving Good entwickelt. Dieses Argument besagt, dass übermenschliche Intelligenz das Ergebnis einer Maschine sein wird, die sich kontinuierlich selbst verbessern kann. Das berühmte Zitat zur Geheimdienstexplosion lautet wie folgt:

„Eine ultraintelligente Maschine soll als eine Maschine definiert werden, die alle intellektuellen Aktivitäten jedes noch so klugen Menschen bei weitem übertreffen kann.“ Da die Konstruktion von Maschinen eine dieser intellektuellen Aktivitäten ist, könnte eine ultraintelligente Maschine noch bessere Maschinen entwerfen; Dann würde es zweifellos zu einer „Intelligenzexplosion“ kommen und die Intelligenz des Menschen würde weit zurückbleiben. Daher ist die erste ultraintelligente Maschine die letzte Erfindung, die der Mensch jemals machen muss.“

Max Tegmark führt das Buch in eine theoretische Zukunft des Lebens in einer Welt ein, die von einer AGI kontrolliert wird. Von diesem Moment an werden brisante Fragen gestellt wie: Was ist Intelligenz? Was ist Erinnerung? Was ist Berechnung? und was ist Lernen? Wie führen diese Fragen und möglichen Antworten letztendlich zum Paradigma einer Maschine, die verschiedene Arten des maschinellen Lernens nutzen kann, um die Durchbrüche bei der Selbstverbesserung zu erzielen, die erforderlich sind, um Intelligenz auf menschlicher Ebene und die daraus resultierende unvermeidliche Superintelligenz zu erreichen?

Dies sind die Art von vorausschauendem Denken und wichtigen Fragen, die Life 3.0 untersucht. Leben 1.0 besteht aus einfachen Lebensformen wie Bakterien, die sich nur durch Evolution verändern können, die ihre DNA verändert. Leben 2.0 sind Lebensformen, die ihre eigene Software neu gestalten können, beispielsweise durch das Erlernen einer neuen Sprache oder Fähigkeit. Life 3.0 ist eine KI, die nicht nur ihr eigenes Verhalten und ihre eigenen Fähigkeiten, sondern auch ihre eigene Hardware modifizieren kann, indem sie beispielsweise ihr Roboterselbst verbessert.

Erst wenn wir die Vorteile und Nachteile einer AGI verstehen, können wir mit der Prüfung von Optionen beginnen, um sicherzustellen, dass wir eine freundliche KI aufbauen, die unseren Zielen entspricht. Um dies zu tun, müssen wir möglicherweise auch verstehen, was Bewusstsein ist. Und wie wird sich das KI-Bewusstsein von unserem eigenen unterscheiden?

Es gibt viele aktuelle Themen, die in diesem Buch behandelt werden, und es sollte eine Pflichtlektüre für jeden sein, der wirklich verstehen möchte, dass AGI eine potenzielle Bedrohung und eine potenzielle Lebensader für die Zukunft der menschlichen Zivilisation darstellt.

# 4. Menschenkompatibel: Künstliche Intelligenz und das Problem der Kontrolle von Stuart Russell

Was passiert, wenn es uns gelingt, einen intelligenten Agenten zu schaffen, etwas, das wahrnimmt, das handelt und das intelligenter ist als seine Schöpfer? Wie können wir die Maschinen davon überzeugen, unsere Ziele anstelle ihrer eigenen Ziele zu erreichen?

Das Obige führt zu einem der wichtigsten Konzepte des Buches:Menschenkompatibel: Künstliche Intelligenz und das Problem der Kontrolle„Wir müssen vermeiden, der Maschine einen Zweck zu geben“, wie Norbert Wiener einmal sagte. Eine intelligente Maschine, die sich ihrer festen Ziele zu sicher ist, ist die ultimative Art gefährlicher KI. Mit anderen Worten: Wenn die KI nicht mehr bereit ist, die Möglichkeit in Betracht zu ziehen, dass sie ihren vorprogrammierten Zweck und ihre Funktion falsch erfüllt, kann es unmöglich sein, dass sich das KI-System selbst abschaltet.

Die von Stuart Russell beschriebene Schwierigkeit besteht darin, der KI/dem Roboter beizubringen, dass kein angewiesener Befehl um jeden Preis erreicht werden soll. Es ist nicht in Ordnung, Menschenleben zu opfern, um einen Kaffee zu holen, oder die Katze zu grillen, um für das Mittagessen zu sorgen. Es muss klar sein, dass „Bring mich so schnell wie möglich zum Flughafen“ nicht bedeutet, dass gegen Geschwindigkeitsüberschreitungen verstoßen werden kann, auch wenn diese Anweisung nicht explizit ist. Sollte die KI das oben Genannte falsch machen, ist die Ausfallsicherheit ein bestimmtes vorprogrammiertes Maß an Unsicherheit. Mit einer gewissen Unsicherheit kann sich die KI vor der Erledigung einer Aufgabe selbst herausfordern, um vielleicht eine verbale Bestätigung einzuholen.

In einem Artikel aus dem Jahr 1965 mit dem Titel „Spekulationen über die erste Ultraintelligenzmaschine„IJ Good, ein brillanter Mathematiker, der an der Seite von Alan Turing arbeitete, erklärte: „Das Überleben des Menschen hängt von der frühen Konstruktion einer ultraintelligenten Maschine ab.“ Es ist durchaus möglich, dass wir, um uns vor ökologischen, biologischen und humanitären Katastrophen zu retten, die fortschrittlichste KI entwickeln müssen, die wir können.

Dieser bahnbrechende Artikel erklärt die Intelligenzexplosion. Diese Theorie besagt, dass eine ultraintelligente Maschine mit jeder Iteration noch bessere und überlegene Maschinen entwerfen kann, was unweigerlich zur Schaffung einer AGI führt. Während die AGI anfänglich die gleiche Intelligenz wie ein Mensch haben mag, würde sie den Menschen innerhalb kurzer Zeit schnell übertreffen. Aufgrund dieser ausgemachten Schlussfolgerung ist es für KI-Entwickler wichtig, die in diesem Buch dargelegten Grundprinzipien zu verwirklichen und zu lernen, wie sie sie sicher anwenden können, um KI-Systeme zu entwerfen, die nicht nur Menschen dienen, sondern auch Menschen vor sich selbst retten können .

Wie von Stuart Russell dargelegt, ist ein Rückzug aus der KI-Forschung keine Option, wir müssen voranschreiten. Dieses Buch ist eine Roadmap, die uns bei der Entwicklung sicherer, verantwortungsvoller und nachweislich nützlicher KI-Systeme unterstützen soll.

# 3. Wie man einen Geist erschafft von Ray Kurzweil

Ray Kurzweil ist Er wurde als einer der weltweit führenden Erfinder, Denker und Zukunftsforscher bezeichnet „das rastlose Genie“ vom Wall Street Journal und „die ultimative Denkmaschine“ vom Forbes-Magazin. Er ist außerdem Mitbegründer der Singularity University und vor allem für sein bahnbrechendes Buch „The Singularity is Near“ bekannt. „Wie man einen Geist erschafft„ befasst sich weniger mit den Problemen des exponentiellen Wachstums, die seine anderen Arbeiten kennzeichnen, sondern konzentriert sich vielmehr darauf, wie wir das menschliche Gehirn verstehen müssen, um es rückentwickeln zu können, um die ultimative Denkmaschine zu schaffen.

Eines der Kernprinzipien, die in dieser bahnbrechenden Arbeit dargelegt werden, ist die Funktionsweise der Mustererkennung im menschlichen Gehirn. Wie erkennt der Mensch Muster im Alltag? Wie entstehen diese Verbindungen im Gehirn? Das Buch beginnt mit dem Verständnis des hierarchischen Denkens. Dabei geht es um das Verständnis einer Struktur, die aus verschiedenen Elementen besteht, die in einem Muster angeordnet sind. Diese Anordnung stellt dann ein Symbol wie einen Buchstaben oder ein Zeichen dar und wird dann zu einem fortgeschritteneren Muster weiter angeordnet wie ein Wort und schließlich ein Satz. Letztendlich bilden diese Muster Ideen, und diese Ideen werden in Produkte umgewandelt, für deren Herstellung der Mensch verantwortlich ist.

Da es sich um ein Buch von Ray Kurzweil handelt, dauert es natürlich nicht lange, bis das exponentielle Denken eingeführt wird. Der "Gesetz der beschleunigten Rendite' ist ein Markenzeichen dieses bahnbrechenden Buches. Dieses Gesetz zeigt, wie sich Technologien und das Tempo der Beschleunigung beschleunigen, da Fortschritte dazu neigen, sich selbst zu nähren, was die Geschwindigkeit des Fortschritts weiter erhöht. Diese Überlegungen können dann darauf angewendet werden, wie schnell wir lernen, das menschliche Gehirn zu verstehen und rückzuentwickeln. Dieses beschleunigte Verständnis von Mustererkennungssystemen im menschlichen Gehirn kann dann auf den Aufbau eines AGI-Systems angewendet werden.

Dieses Buch hatte einen so großen Einfluss auf die Zukunft der KI, dass Eric Schmidt Ray Kurzweil für die Arbeit an KI-Projekten engagierte, nachdem er dieses bahnbrechende Buch gelesen hatte. Es ist unmöglich, alle Ideen und Konzepte, die in einem kurzen Artikel besprochen werden, zu skizzieren. Dennoch ist es ein unverzichtbares Buch, um besser zu verstehen, wie menschliche neuronale Netze funktionieren, um ein fortgeschrittenes zu entwerfen künstliche neuronale Netz.

Mustererkennung ist das Schlüsselelement für Deep Learning, und dieses Buch veranschaulicht, warum.

# 2. Der Master-Algorithmus von Pedro Domingos

Die zentrale Hypothese der Der Master-Algorithmus ist, dass alles Wissen – Vergangenheit, Gegenwart und Zukunft – aus Daten durch einen einzigen, universellen Lernalgorithmus abgeleitet werden kann, der als Master-Algorithmus quantifiziert wird. Das Buch beschreibt einige der wichtigsten Methoden des maschinellen Lernens und gibt ausführliche Erklärungen dazu, wie verschiedene Algorithmen funktionieren, wie sie optimiert werden können und wie sie zusammenarbeiten können, um das ultimative Ziel, die Erstellung des Master-Algorithmus, zu erreichen. Dies ist ein Algorithmus, der in der Lage ist, jedes Problem zu lösen, mit dem wir ihn versorgen, und dazu gehört auch die Heilung von Krebs.

Der Leser beginnt damit, etwas darüber zu erfahren Naive Bayes, ein einfacher Algorithmus, der in einer einfachen Gleichung erklärt werden kann. Von da an geht es mit voller Geschwindigkeit zu interessanteren Techniken des maschinellen Lernens. Um die Technologien zu verstehen, die uns auf dem Weg zu diesem Master-Algorithmus vorantreiben, lernen wir die Grundlagen der Konvergenz kennen. Erstens lernen wir aus den Neurowissenschaften etwas über die Plastizität des Gehirns und menschliche neuronale Netze. Zweitens gehen wir in einer Lektion zur natürlichen Selektion über, um zu verstehen, wie man einen genetischen Algorithmus entwirft, der Evolution und natürliche Selektion simuliert. Bei einem genetischen Algorithmus kreuzt sich eine Population von Hypothesen in jeder Generation und mutiert. Von dort aus erzeugen die geeignetsten Algorithmen die nächste Generation. Diese Entwicklung bietet das Nonplusultra an Selbstverbesserung.

Andere Argumente stammen aus der Physik, der Statistik und natürlich den besten Informatikern. Es ist unmöglich, alle verschiedenen Aspekte, die in diesem Buch angesprochen werden, umfassend zu besprechen, da das Buch einen ehrgeizigen Rahmen für die Entwicklung des Master-Algorithmus darstellt. Es ist dieses Framework, das dieses Buch auf den zweiten Platz verdrängt hat, da alle anderen Bücher über maschinelles Lernen in irgendeiner Form darauf aufbauen.

# 1. Tausend Köpfe von Jeff Hawkins

"Tausend Köpfe„Baut auf den Konzepten auf, die im vorherigen Buch von Jeff Hawkins mit dem Titel „On Intelligence“ diskutiert werden. „On Intelligence“ untersuchte den Rahmen zum Verständnis der Funktionsweise menschlicher Intelligenz und wie diese Konzepte dann zum Aufbau der ultimativen KI- und AGI-Systeme angewendet werden können. Es analysiert grundlegend, wie unser Gehirn vorhersagt, was wir erleben werden, bevor wir es erleben.

Während „A Thousand Brains“ ein großartiges eigenständiges Buch ist, wird man es am besten genießen und schätzen, wenn „Über Intelligenz“ wird zuerst gelesen.

„A Thousand Brains“ baut auf den neuesten Forschungsergebnissen von Jeff Hawkins und dem von ihm gegründeten Unternehmen auf Numenta. Numenta hat das primäre Ziel, eine Theorie zur Funktionsweise des Neokortex zu entwickeln. Das sekundäre Ziel besteht darin, wie diese Theorie des Gehirns auf maschinelles Lernen und maschinelle Intelligenz angewendet werden kann.

Numentas erste große Entdeckung im Jahr 2010 befasste sich mit der Art und Weise, wie Neuronen Vorhersagen treffen, und die zweite Entdeckung im Jahr 2016 betraf kartenartige Referenzrahmen im Neokortex. Das Buch beschreibt in erster Linie, was die „Thousand Brains-Theorie“ ist, was Referenzrahmen sind und wie die Theorie in der realen Welt funktioniert. Eine der grundlegendsten Komponenten dieser Theorie ist das Verständnis, wie sich der Neokortex zu seiner heutigen Größe entwickelt hat.

Der Neocortex begann klein, ähnlich wie bei anderen Säugetieren, wuchs jedoch exponentiell größer (nur durch die Größe des Geburtskanals begrenzt), nicht indem er etwas Neues schuf, sondern indem er einen Grundschaltkreis wiederholt kopierte. Was den Menschen im Wesentlichen unterscheidet, ist nicht das organische Material des Gehirns, sondern die Anzahl der Kopien der identischen Elemente, die den Neocortex bilden.

Die Theorie entwickelt sich weiter dahingehend, wie der Neokortex mit etwa 150,000 kortikalen Säulen gebildet wird, die unter dem Mikroskop nicht sichtbar sind, da zwischen ihnen keine sichtbaren Grenzen bestehen. Wie diese kortikalen Säulen untereinander kommunizieren, ist die Implementierung eines grundlegenden Algorithmus, der für jeden Aspekt der Wahrnehmung und Intelligenz verantwortlich ist.

Noch wichtiger ist, dass das Buch enthüllt, wie diese Theorie auf den Bau intelligenter Maschinen angewendet werden kann und welche möglichen zukünftigen Auswirkungen dies auf die Gesellschaft hat. Beispielsweise lernt das Gehirn ein Modell der Welt, indem es beobachtet, wie sich Eingaben im Laufe der Zeit ändern, insbesondere wenn Bewegungen ausgeführt werden. Die kortikalen Säulen erfordern einen Referenzrahmen, der an einem Objekt befestigt ist. Diese Referenzrahmen ermöglichen es einer kortikalen Säule, die Positionen von Merkmalen zu lernen, die die Realitäten eines Objekts definieren. Im Wesentlichen können Referenzrahmen jede Art von Wissen organisieren. Dies führt zum wichtigsten Teil dieses bahnbrechenden Buches: Können Referenzrahmen möglicherweise das entscheidende fehlende Glied beim Aufbau einer fortschrittlicheren KI oder sogar eines AGI-Systems sein? Jeff selbst glaubt an eine unvermeidliche Zukunft, in der ein AGI mithilfe kartenartiger Referenzrahmen, die dem Neokortex ähneln, Modelle der Welt lernen wird, und er verdeutlicht auf bemerkenswerte Weise, warum er das glaubt.