6 kõigi aegade parimat masinõppe ja tehisintellekti raamatut (mai 2024)

AI maailm võib saadaoleva terminoloogia ja erinevate masinõppe algoritmide tõttu hirmutav. Olles lugenud üle 50 kõige enam soovitatud masinõppe raamatut, koostasin oma isikliku nimekirja raamatutest, mida tuleb lugeda.

Valitud raamatud põhinevad tutvustatavate ideede tüüpidel ja sellel, kui hästi on esitatud erinevaid mõisteid, nagu süvaõpe, tugevdav õpe ja geneetilised algoritmid. Kõige tähtsam on see, et nimekiri põhineb raamatutel, mis sillutavad futuristidele ja teadlastele kõige paremini teed tõendatult vastutustundliku ja seletatava AI loomise suunas.

# 6. Kuidas tehisintellekt töötab: nõidusest teaduseni Ronald T. Kneuseli poolt

„Kuidas AI töötab” on kokkuvõtlik ja selgepiiriline raamat, mille eesmärk on kirjeldada masinõppe põhialuseid. See raamat hõlbustab masinõppe rikkaliku ajaloo tundmaõppimist, mis ulatub AI-süsteemide pärandsüsteemide loomisest tänapäevaste metoodikate tulekuni.

Ajalugu on kihiline, alustades hästi põhjendatud AI-süsteemidest, nagu tugivektorimasinad, otsustuspuud ja juhuslikud metsad. Need varasemad süsteemid sillutasid teed murrangulistele edusammudele, mis viisid keerukamate lähenemisviiside, nagu närvivõrgud ja konvolutsioonilised närvivõrgud, väljatöötamiseni. Raamat käsitleb uskumatuid võimalusi, mida pakuvad suured keelemudelid (LLM), mis on tänapäeva tipptasemel generatiivse AI taga.

Põhitõdede mõistmine, näiteks see, kuidas mürast pildiks saamise tehnoloogia suudab olemasolevaid kujutisi kopeerida ja näiliselt juhuslike viipade põhjal luua isegi uusi, enneolematuid pilte, on tänapäevaste pildigeneraatorite liikumapanevate jõudude mõistmisel ülioluline. See raamat selgitab kaunilt neid põhiaspekte, võimaldades lugejatel mõista pildi loomise tehnoloogiate keerukust ja nende aluseks olevat mehaanikat.

Autor Ron Kneusel näitab kiiduväärt jõupingutusi oma vaatenurga selgitamisel, miks OpenAI ChatGPT ja selle LLM-mudel tähistavad tõelise tehisintellekti algust. Ta tutvustab hoolikalt, kuidas erinevatel LLM-idel on esilekerkivad omadused, mis suudavad vaimuteooriat intuitiivselt mõista. Tundub, et need esilekerkivad omadused muutuvad treeningmudeli suuruse põhjal rohkem väljendunud ja mõjukamaks. Kneusel arutleb, kuidas suurem hulk parameetreid annab tavaliselt kõige asjatundlikumad ja edukamad LLM-mudelid, pakkudes sügavamat ülevaadet nende mudelite skaleerimise dünaamikast ja tõhususest.

See raamat on majakas neile, kes soovivad AI maailma kohta rohkem teada saada, pakkudes üksikasjalikku, kuid arusaadavat ülevaadet masinõppetehnoloogiate arengutrajektoorist alates nende algelistest vormidest kuni tänapäevaste teedrajavate üksusteni. Olenemata sellest, kas olete algaja või keegi, kes on selle teemaga põhjalikult kursis, „Kuidas AI töötab” on loodud selleks, et anda teile rafineeritud arusaam ümberkujundavatest tehnoloogiatest, mis meie maailma jätkuvalt kujundavad.

# 5. Elu 3.0 autor Max Tegmark

"Elu 3.0” on ambitsioonikas eesmärk ja see on uurida võimalusi, kuidas me tulevikus tehisintellektiga koos eksisteerime. Tehisintellekt (AGI) on selle võimalik ja vältimatu tagajärg luure plahvatuse argument koostas Briti matemaatik Irving Good 1965. aastal. See argument näeb ette, et üliinimlik intelligentsus on masina tulemus, mis suudab end pidevalt täiendada. Kuulus tsitaat luureplahvatuse kohta on järgmine:

„Olgu üliintelligentne masin määratletud kui masin, mis suudab kaugelt ületada iga inimese intellektuaalset tegevust, kui tahes nutikas. Kuna masinate projekteerimine on üks nendest intellektuaalsetest tegevustest, võiks üliintelligentne masin kujundada veelgi paremaid masinaid; siis toimuks vaieldamatult "luure plahvatus" ja inimese intelligentsus jääks kaugele maha. Seega on esimene üliintelligentne masin viimane leiutis, mille inimene peab kunagi tegema.

Max Tegmark tutvustab raamatut teoreetilise tulevikuga elamiseks maailmas, mida juhib AGI. Sellest hetkest peale esitatakse plahvatusohtlikke küsimusi, näiteks mis on intelligentsus? Mis on mälu? Mis on arvutamine? ja mis on õppimine? Kuidas viivad need küsimused ja võimalikud vastused lõpuks sellise masina paradigmani, mis suudab kasutada erinevat tüüpi masinõpet, et saavutada läbimurdeid enesetäiendamises, mis on vajalikud inimtasandi intelligentsuse ja sellest tuleneva vältimatu superintelligentsuse saavutamiseks?

Need on tulevikku suunatud mõtlemisviisid ja olulised küsimused, mida Life 3.0 uurib. Life 1.0 on lihtsad eluvormid, näiteks bakterid, mis saavad muutuda ainult evolutsiooni käigus, mis muudab nende DNA-d. Life 2.0 on eluvormid, mis saavad oma tarkvara ümber kujundada, näiteks õppida uut keelt või oskusi. Life 3.0 on tehisintellekt, mis mitte ainult ei saa muuta oma käitumist ja oskusi, vaid võib muuta ka oma riistvara, näiteks uuendada oma robotlikku mina.

Alles siis, kui mõistame AGI eeliseid ja lõkse, saame alustada valikute ülevaatamist, et tagada sõbralik tehisintellekt, mis vastab meie eesmärkidele. Selleks peame võib-olla mõistma, mis on teadvus? Ja kuidas erineb tehisintellekti teadvus meie omast?

Selles raamatus on käsitletud palju kuumaid teemasid ja see peaks olema kohustuslik lugemine kõigile, kes tõesti soovivad mõista, kuidas AGI on potentsiaalne oht, aga ka potentsiaalseks päästerõngaks inimtsivilisatsiooni tuleviku jaoks.

# 4. Inimesega ühilduv: tehisintellekt ja kontrolliprobleem autor Stuart Russell

Mis juhtub, kui meil õnnestub luua intelligentne agent, midagi, mis tajub, mis tegutseb ja mis on intelligentsem kui selle loojad? Kuidas veenda masinaid saavutama meie eesmärke, mitte nende endi eesmärke?

Ülaltoodu toob kaasa raamatu ühe olulisema kontseptsiooni "Inimesega ühilduv: tehisintellekt ja kontrolliprobleem” on see, et me peame vältima „masinale eesmärgi seadmist”, nagu Norbert Wiener kunagi ütles. Arukas masin, mis on oma fikseeritud eesmärkides liiga kindel, on ohtliku AI ülim tüüp. Teisisõnu, kui tehisintellekt ei soovi arvestada võimalusega, et ta on oma eelprogrammeeritud eesmärgi ja funktsiooni täitmisel valesti, võib tehisintellekti süsteemi enda väljalülitamine olla võimatu.

Stuart Russelli visandatud raskus seisneb tehisintellekti/roboti juhendamises, et ühtegi käsku pole ette nähtud iga hinna eest saavutada. Ei ole okei ohverdada inimelu kohvi toomiseks või kassi grillida lõunasöögi varustamiseks. Tuleb mõista, et “vii mind võimalikult kiiresti lennujaama” ei tähenda, et kiiruseületamisega seotud seadusi võidakse rikkuda, isegi kui see juhis pole selgesõnaline. Kui tehisintellekt peaks ülaltoodu valesti minema, on tõrkekindlus teatud eelprogrammeeritud määramatuse tase. Teatava ebakindluse korral võib tehisintellekt enne ülesande täitmist endale väljakutse esitada, et ehk otsida suulist kinnitust.

1965. aasta artiklis pealkirjaga "Spekulatsioonid esimese ultraluure masina kohta", IJ Good, Alan Turingiga koos töötanud geniaalne matemaatik, ütles: "Inimese ellujäämine sõltub üliintelligentse masina varasest ehitamisest." On täiesti võimalik, et ökoloogilisest, bioloogilisest ja humanitaarkatastroofist päästmiseks peame ehitama kõige arenenuma tehisintellekti, mida suudame.

See põhjalik artikkel selgitab intelligentsuse plahvatust, selle teooria kohaselt suudab üliintelligentne masin iga iteratsiooniga kujundada veelgi paremaid ja paremaid masinaid ning see viib paratamatult AGI loomiseni. Kuigi AGI võib algselt olla inimesega võrdse intelligentsusega, ületaks see lühikese aja jooksul kiiresti inimesi. Eeltoodud järelduse tõttu on tehisintellekti arendajatel oluline viia ellu selles raamatus jagatud põhiprintsiibid ja õppida neid ohutult rakendama tehisintellektisüsteemide kujundamisel, mis on võimelised mitte ainult inimesi teenindama, vaid ka inimesi nende endi käest päästma. .

Nagu Stuart Russell märkis, ei ole AI-uuringutest taganemine võimalik, peame edasi liikuma. See raamat on teekaart, mis juhendab meid ohutute, vastutustundlike ja tõestatult kasulike tehisintellektisüsteemide kujundamisel.

# 3. Kuidas luua meelt autor Ray Kurzweil

Ray Kurzweil on teda on nimetatud üheks maailma juhtivaks leiutajaks, mõtlejaks ja futuristiks The Wall Street Journali "rahutu geenius" ja ajakirja Forbes "ülim mõtlemismasin". Ta on ka Singularity University kaasasutaja ja ta on tuntud oma murrangulise raamatu "The Singularity is Near" poolest. “Kuidas luua meelt” käsitleb vähem eksponentsiaalse kasvu küsimusi, mis on tema teiste töö tunnusteks, selle asemel keskendutakse sellele, kuidas me peame inimaju mõistma, et seda ülima mõtlemismasina loomiseks pöördprojekteerida.

Üks selles põhjapanevas töös välja toodud põhiprintsiipe on see, kuidas mustrite tuvastamine inimese ajus töötab. Kuidas inimesed igapäevaelus mustreid ära tunnevad? Kuidas need ühendused ajus tekivad? Raamat algab hierarhilise mõtlemise mõistmisega, see on struktuuri mõistmine, mis koosneb erinevatest elementidest, mis on paigutatud mustrisse, see paigutus esindab seejärel sümbolit, näiteks tähte või tähemärki, ja seejärel järjestatakse see veelgi täpsemaks mustriks. näiteks sõna ja lõpuks lause. Lõpuks moodustavad need mustrid ideid ja need ideed muudetakse toodeteks, mille loomise eest vastutavad inimesed.

Kuna tegemist on Ray Kurzweili raamatuga, ei lähe loomulikult kaua aega, enne kui eksponentsiaalne mõtlemine kasutusele võetakse. "Kiireneva tulu seadus' on selle põhjapaneva raamatu tunnusjoon. See seadus näitab, kuidas tehnoloogiad ja kiirenemise tempo kiirenevad tänu tendentsile, et edusammud toituvad iseenesest, suurendades veelgi progressi kiirust. Seda mõtlemist saab seejärel rakendada selle kohta, kui kiiresti me õpime inimaju mõistma ja pöördprojekteerima. Seda inimaju mustrituvastussüsteemide kiirendatud mõistmist saab seejärel rakendada AGI-süsteemi loomisel.

See raamat muutis tehisintellekti tulevikku nii palju, et Eric Schmidt värbas Ray Kurzweili tehisintellektiprojektidega tegelema pärast seda, kui ta oli selle põhjapaneva raamatu lugemise lõpetanud. Kõiki ideid ja kontseptsioone, mida lühikeses artiklis käsitletakse, on võimatu kirjeldada, kuid see on instrumentaalne raamat, mida tuleb lugeda, et paremini mõista, kuidas inimese närvivõrgud töötavad, et luua arenenud kunstlik närvivõrk.

Mustri tuvastamine on sügava õppimise põhielement ja see raamat illustreerib, miks.

# 2. Põhialgoritm autor Pedro Domingos

Keskne hüpotees Põhialgoritm on see, et kõik teadmised – mineviku, oleviku ja tuleviku – saab tuletada andmetest ühe universaalse õppealgoritmi abil, mis on kvantifitseeritud kui põhialgoritm. Raamat kirjeldab üksikasjalikult mõnda parimat masinõppe metoodikat, see annab üksikasjalikud selgitused selle kohta, kuidas erinevad algoritmid töötavad, kuidas neid saab optimeerida ja kuidas nad saavad koostöös töötada põhialgoritmi loomise lõppeesmärgi saavutamiseks. See on algoritm, mis suudab lahendada kõik probleemid, mida me seda toidame, ja see hõlmab ka vähi ravi.

Lugeja alustab selle õppimisest Naiivne Bayes, lihtne algoritm, mida saab seletada ühe lihtsa võrrandiga. Sealt kiirendab see täiskiirusel huvitavamateks masinõppetehnikateks. Selleks et mõista tehnoloogiaid, mis kiirendavad meid selle põhialgoritmi poole, õpime lähenevate põhialuste kohta. Esiteks saame neuroteadusest teada aju plastilisusest, inimese närvivõrkudest. Teiseks liigume õppetunnis edasi loodusliku valiku juurde, et mõista, kuidas koostada evolutsiooni ja looduslikku valikut simuleerivat geneetilist algoritmi. Geneetilise algoritmi abil ristub ja muteerub hüpoteeside populatsioon igas põlvkonnas, millest kõige sobivamad algoritmid toodavad järgmise põlvkonna. See areng pakub ülimat enesetäiendamist.

Teised argumendid pärinevad füüsikast, statistikast ja loomulikult parimatest arvutiteadustest. On võimatu põhjalikult läbi vaadata kõik erinevad tahud, mida see raamat puudutab, kuna raamatud on ambitsioonikad põhialgoritmi loomise raamistiku loomiseks. Just see raamistik on lükanud selle raamatu teisele kohale, kuna kõik teised masinõpperaamatud tuginevad mingil kujul või kujul sellele.

# 1. Tuhat aju autor Jeff Hawkins

"Tuhat aju” põhineb kontseptsioonidel, mida käsitleti Jeff Hawkinsi eelmises raamatus pealkirjaga „Intelligentsusest”. "Intelligentsusest" uuris raamistikku, et mõista, kuidas inimese intelligentsus töötab ja kuidas neid kontseptsioone saab seejärel rakendada ülimate AI- ja AGI-süsteemide loomisel. See analüüsib põhimõtteliselt seda, kuidas meie aju ennustab, mida me kogeme enne, kui seda kogeme.

Kuigi "Tuhat aju" on suurepärane eraldiseisev raamat, on see kõige parem nautida ja hinnata, kui "Luure kohta” loetakse kõigepealt läbi.

"Tuhat aju" põhineb Jeff Hawkinsi ja tema asutatud ettevõtte viimastel uuringutel. numenta. Numenta peamine eesmärk on välja töötada teooria neokorteksi toimimise kohta, teisene eesmärk on see, kuidas seda ajuteooriat saab rakendada masinõppes ja masinintellektis.

Numenta esimene suurem avastus 2010. aastal hõlmab neuronite ennustusi ja teine ​​avastus 2016. aastal hõlmas kaardilaadseid võrdlusraame neokorteksis. Raamat kirjeldab eelkõige, mis on "Tuhande aju teooria", mis on võrdlusraamistikud ja kuidas see teooria reaalses maailmas toimib. Üks selle teooria põhikomponente on mõista, kuidas neokorteks arenes oma praeguse suuruseni.

Neokorteks sai alguse väikesest, sarnaselt teiste imetajatega, kuid kasvas eksponentsiaalselt suuremaks (seda piiras ainult sünnikanali suurus) mitte millegi uue loomise, vaid korduva põhiahela kopeerimise kaudu. Sisuliselt ei erista inimesi mitte aju orgaaniline materjal, vaid neokorteksi moodustavate identsete elementide koopiate arv.

Teooria areneb edasi sellele, kuidas neokorteksis moodustub ligikaudu 150,000 XNUMX kortikaalset kolonni, mis pole mikroskoobi all nähtavad, kuna nende vahel pole nähtavaid piire. See, kuidas need kortikaalsed veerud omavahel suhtlevad, on põhialgoritmi rakendamine, mis vastutab taju ja intelligentsuse kõigi aspektide eest.

Veelgi olulisem on see, et raamat paljastab, kuidas seda teooriat saab rakendada intelligentsete masinate ehitamisel ja selle võimalikke mõjusid ühiskonnale tulevikus. Näiteks õpib aju maailma mudelit tundma, jälgides, kuidas sisendid aja jooksul muutuvad, eriti kui rakendatakse liikumist. Kortikaalsed veerud nõuavad objekti külge kinnitatud võrdlusraami, need võrdlusraamid võimaldavad kortikaalsel veerul õppida objekti tegelikkust määratlevate tunnuste asukohti. Sisuliselt võivad võrdlusraamistikud korraldada mis tahes tüüpi teadmisi. See viib selle põhjapaneva raamatu kõige olulisema osani. Kas viiteraamid võivad potentsiaalselt olla oluliseks puuduvaks lüliks arenenuma AI või isegi AGI-süsteemi ehitamisel? Jeff ise usub vältimatusse tulevikku, kui AGI õpib maailma mudeleid, kasutades neokorteksile sarnaseid kaarditaolisi võrdlusraame, ja teeb märkimisväärset tööd, näidates, miks ta seda usub.