Kaikkien aikojen kuusi parasta koneoppimis- ja tekoälykirjaa (toukokuu 6)

Tekoälymaailma voi olla pelottava saatavilla olevien terminologian ja erilaisten koneoppimisalgoritmien vuoksi. Luettuani yli 50 eniten suositeltua koneoppimista käsittelevää kirjaa, olen koonnut henkilökohtaisen luetteloni pakollisista kirjoista.

Valitut kirjat perustuvat siihen, millaisia ​​ideoita esitellään ja kuinka hyvin erilaiset käsitteet, kuten syväoppiminen, vahvistusoppiminen ja geneettiset algoritmit, esitetään. Mikä tärkeintä, luettelo perustuu kirjoihin, jotka johtavat parhaiten tulevaisuudentutkijoille ja tutkijoille kohti todistetusti vastuullisen ja selitettävän tekoälyn rakentamista.

# 6. Kuinka tekoäly toimii: noituudesta tieteeseen kirjoittanut Ronald T. Kneusel

"How AI Works" on ytimekäs ja selkeä kirja, joka on suunniteltu määrittelemään koneoppimisen perusperiaatteet. Tämä kirja helpottaa koneoppimisen rikkaan historian oppimista matkalla vanhojen tekoälyjärjestelmien luomisesta nykyaikaisten menetelmien tuloon.

Historia on kerroksellinen, alkaen hyvin perustelluista tekoälyjärjestelmistä, kuten tukivektorikoneista, päätöspuista ja satunnaisista metsistä. Nämä aikaisemmat järjestelmät tasoittivat tietä uraauurtaville edistyksille, jotka johtivat kehittyneempien lähestymistapojen, kuten hermoverkkojen ja konvoluutiohermoverkkojen, kehittämiseen. Kirja käsittelee suurten kielimallien (LLM) tarjoamia uskomattomia ominaisuuksia, jotka ovat tämän päivän huippuluokan generatiivisen tekoälyn takana.

Perusasioiden ymmärtäminen, kuten kuinka kohinasta kuvaksi -tekniikka voi toistaa olemassa olevia kuvia ja jopa luoda uusia, ennennäkemättömiä kuvia näennäisesti satunnaisista kehotuksista, on ratkaisevan tärkeää ymmärtää nykypäivän kuvageneraattoreita ajavia voimia. Tämä kirja selittää kauniisti nämä perustavanlaatuiset näkökohdat, jolloin lukijat voivat ymmärtää kuvien luontitekniikoiden monimutkaisuudet ja taustalla olevat mekaniikat.

Kirjoittaja Ron Kneusel osoittaa kiitettävän ponnistelun selventääkseen näkökulmiaan siitä, miksi OpenAI:n ChatGPT ja sen LLM-malli merkitsevät todellisen tekoälyn alkua. Hän esittelee huolellisesti, kuinka erillisillä LLM:illä on esiin nousevia ominaisuuksia, jotka kykenevät ymmärtämään mielen teorian intuitiivisesti. Nämä esiin tulevat ominaisuudet näyttävät tulleen selvemmiksi ja vaikuttavammiksi koulutusmallin koon perusteella. Kneusel pohtii, kuinka suurempi määrä parametreja johtaa tyypillisesti taitavimpiin ja menestyneimpiin LLM-malleihin, mikä tarjoaa syvempää tietoa näiden mallien skaalausdynamiikasta ja tehokkuudesta.

Tämä kirja on majakka niille, jotka haluavat oppia lisää tekoälyn maailmasta. Se tarjoaa yksityiskohtaisen mutta ymmärrettävän yleiskatsauksen koneoppimistekniikoiden evoluution kehityksestä niiden alkeellisista muodoista nykypäivän uraauurtaviin kokonaisuuksiin. Olitpa aloittelija tai joku, jolla on laaja käsitys aiheesta, "How AI Works" on suunniteltu tarjoamaan sinulle hienostunut käsitys muuttuvista teknologioista, jotka edelleen muokkaavat maailmaamme.

# 5. Elämä 3.0 Kirjailija Max Tegmark

"Elämä 3.0” on kunnianhimoinen tavoite ja se on tutkia mahdollisuuksia, miten toimimme yhdessä tekoälyn kanssa tulevaisuudessa. Keinotekoinen yleinen älykkyys (AGI) on sen mahdollinen ja väistämätön seuraus älykkyysräjähdys argumentti brittiläisen matemaatikko Irving Goodin vuonna 1965 tekemän väitteen mukaan yli-inhimillinen äly on tulos koneesta, joka pystyy jatkuvasti kehittymään. Kuuluisa lainaus tiedusteluräjähdyksestä on seuraava:

”Määritä ultraälykäs kone koneeksi, joka voi ylittää kaiken älyllisen toiminnan minkä tahansa miehen kuinka älykäs tahansa. Koska koneiden suunnittelu on yksi näistä älyllisistä toiminnoista, ultraälykäs kone voisi suunnitella vielä parempia koneita; silloin tapahtuisi kiistatta "älykkyysräjähdys", ja ihmisen äly jäisi kauas taakse. Ensimmäinen ultraälykäs kone on siis viimeinen keksintö, joka ihmisen on koskaan tehtävä."

Max Tegmark avaa kirjan teoreettiseen tulevaisuuteen elämisestä maailmassa, jota hallitsee AGI. Tästä hetkestä lähtien kysytään räjähtäviä kysymyksiä, kuten mitä on äly? Mikä on muisti? Mitä laskenta on? ja mitä on oppiminen? Miten nämä kysymykset ja mahdolliset vastaukset johtavat lopulta sellaisen koneen paradigmaan, joka voi käyttää erityyppistä koneoppimista saavuttaakseen läpimurtoja itsensä kehittämisessä, joita tarvitaan ihmisen tason älykkyyden saavuttamiseen ja siitä väistämättömään yliälyyn?

Näitä tulevaisuudennäkymiä ja tärkeitä kysymyksiä Life 3.0 tutkii. Life 1.0 on yksinkertaisia ​​elämänmuotoja, kuten bakteereja, jotka voivat muuttua vain evoluution kautta, joka muuttaa sen DNA:ta. Life 2.0 ovat elämänmuotoja, jotka voivat suunnitella uudelleen oman ohjelmistonsa, kuten uuden kielen tai taidon oppimisen. Life 3.0 on tekoäly, joka ei voi vain muokata omaa käyttäytymistään ja taitojaan, vaan se voi myös muokata omaa laitteistoaan, esimerkiksi päivittää robottiitseään.

Vasta kun ymmärrämme AGI:n edut ja sudenkuopat, voimme sitten alkaa tarkastella vaihtoehtoja varmistaaksemme, että rakennamme ystävällisen tekoälyn, joka vastaa tavoitteitamme. Tämän tekemiseksi meidän on ehkä myös ymmärrettävä, mitä tietoisuus on? Ja miten tekoälytietoisuus eroaa omasta?

Tässä kirjassa käsitellään monia kuumia aiheita, ja sen pitäisi olla pakollista luettavaa kaikille, jotka todella haluavat ymmärtää, kuinka AGI on mahdollinen uhka sekä mahdollinen pelastusköysi ihmissivilisaation tulevaisuudelle.

# 4. Ihmisten yhteensopivuus: tekoäly ja hallinnan ongelma Kirjailija: Stuart Russell

Mitä tapahtuu, jos onnistumme rakentamaan älykkään agentin, jotain, joka havaitsee, joka toimii ja joka on älykkäämpi kuin sen tekijät? Miten saamme koneet saavuttamaan tavoitteemme omien tavoitteidensa sijaan?

Yllä oleva johtaa yhteen kirjan tärkeimmistä käsitteistä "Ihmisten yhteensopivuus: tekoäly ja hallinnan ongelma"On, että meidän on vältettävä "tarkoittamasta koneeseen", kuten Norbert Wiener kerran sanoi. Älykäs kone, joka on liian varma kiinteistä tavoitteistaan, on vaarallisen tekoälyn äärimmäinen tyyppi. Toisin sanoen, jos tekoäly ei halua ottaa huomioon mahdollisuutta, että se on väärin suorittaessaan ennalta ohjelmoitua tarkoitustaan ​​ja tehtäväänsä, voi olla mahdotonta saada tekoälyjärjestelmää sammuttamaan itsensä.

Stuart Russellin hahmottelema vaikeus on ohjeistaa tekoälyä/robottia, ettei ohjeistettua komentoa ole tarkoitus saavuttaa hinnalla millä hyvänsä. Ei ole oikein uhrata ihmishenkeä kahvin hakemiseksi tai grillata kissaa lounaan hankkimiseksi. On ymmärrettävä, että "vie minut lentokentälle mahdollisimman nopeasti" ei tarkoita, että ylinopeuslakeja voitaisiin rikota, vaikka tämä ohje ei olisikaan selkeä. Jos tekoäly tekee yllä olevan väärin, vikaturvallisuus on tietty ennalta ohjelmoitu epävarmuustaso. Pienellä epävarmuudella tekoäly voi haastaa itsensä ennen tehtävän suorittamista ja ehkä hakea sanallista vahvistusta.

Vuoden 1965 lehdessä nimeltä "Spekulaatiot ensimmäisestä ultraälykoneesta", IJ Good, Alan Turingin rinnalla työskennellyt loistava matemaatikko sanoi: "Ihmisen selviytyminen riippuu ultraälykkään koneen varhaisesta rakentamisesta". On täysin mahdollista, että pelastuaksemme ekologisista, biologisista ja humanitaarisista katastrofeista meidän on rakennettava edistynein tekoäly, jonka voimme.

Tämä tärkeä paperi selittää älykkyyden räjähdyksen, jonka teorian mukaan ultraälykäs kone voi suunnitella entistä parempia ja parempia koneita jokaisella iteraatiolla, ja tämä johtaa väistämättä AGI:n luomiseen. Vaikka AGI voi aluksi olla yhtä älykäs kuin ihminen, se ohittaisi nopeasti ihmiset lyhyessä ajassa. Tämän ennalta päätetyn päätelmän vuoksi tekoälykehittäjien on tärkeää toteuttaa tässä kirjassa jaetut ydinperiaatteet ja oppia soveltamaan niitä turvallisesti sellaisten tekoälyjärjestelmien suunnittelussa, jotka pystyvät paitsi palvelemaan ihmisiä myös pelastamaan ihmiset itsestään. .

Kuten Stuart Russell linjasi, tekoälytutkimuksesta vetäytyminen ei ole vaihtoehto, meidän on edettävä. Tämä kirja on etenemissuunnitelma, joka opastaa meitä suunnittelemaan turvallisia, vastuullisia ja todistetusti hyödyllisiä tekoälyjärjestelmiä.

# 3. Kuinka luoda mieli Kirjailija: Ray Kurzweil

Ray Kurzweil on Häntä on kutsuttu yhdeksi maailman johtavista keksijöistä, ajattelijoista ja futuristeista The Wall Street Journalin "levoton nero" ja Forbes-lehden "äärimmäinen ajattelukone". Hän on myös yksi Singularity Universityn perustajista, ja hänet tunnetaan parhaiten uraauurtavasta kirjastaan ​​"The Singularity is Near". "Kuinka luoda mieli” käsittelee vähemmän eksponentiaalisen kasvun kysymyksiä, jotka ovat hänen toisessa työssään tunnusmerkkejä, vaan keskittyy siihen, kuinka meidän on ymmärrettävä ihmisaivot, jotta voimme kääntää ne äärimmäisen ajattelukoneen luomiseksi.

Yksi tässä tärkeässä työssä hahmotetuista keskeisistä periaatteista on se, miten kuvioiden tunnistus toimii ihmisen aivoissa. Miten ihmiset tunnistavat arjen malleja? Miten nämä yhteydet muodostuvat aivoissa? Kirja alkaa hierarkkisen ajattelun ymmärtämisellä, tämä on rakenteen ymmärtäminen, joka koostuu erilaisista elementeistä, jotka on järjestetty kuvioon, tämä järjestely edustaa sitten symbolia, kuten kirjainta tai merkkiä, ja sitten tämä järjestetään edelleen edistyneempään kuvioon. kuten sana ja lopulta lause. Lopulta nämä kuviot muodostavat ideoita, ja nämä ideat muuntuvat tuotteiksi, joiden rakentamisesta ihmiset ovat vastuussa.

Koska kyseessä on Ray Kurzweilin kirja, ei tietenkään kestä kauan ennen kuin eksponentiaalinen ajattelu otetaan käyttöön. "Kiihtyvän tuoton laki' on tämän tärkeän kirjan tunnusmerkki. Tämä laki esittelee, kuinka teknologiat ja kiihtyvyys kiihtyvät, koska kehitys pyrkii ruokkimaan itseään, mikä lisää edistymisnopeutta entisestään. Tätä ajattelua voidaan sitten soveltaa siihen, kuinka nopeasti opimme ymmärtämään ja kääntämään uudelleen ihmisaivoja. Tätä nopeutettua ymmärrystä ihmisen aivojen hahmontunnistusjärjestelmistä voidaan sitten soveltaa AGI-järjestelmän rakentamiseen.

Tämä kirja muutti tekoälyn tulevaisuutta niin paljon, että Eric Schmidt rekrytoi Ray Kurzweilin työskentelemään tekoälyprojekteissa, kun hän oli lukenut tämän tärkeän kirjan. On mahdotonta hahmotella kaikkia ideoita ja käsitteitä, joista keskustellaan lyhyessä artikkelissa, mutta se on kuitenkin instrumentaalinen kirja, joka on luettava, jotta ymmärtää paremmin, kuinka ihmisen hermoverkot toimivat kehittyneen keinotekoinen hermoverkko.

Kuviontunnistus on avaintekijä syvälle oppimiselle, ja tämä kirja havainnollistaa miksi.

# 2. Pääalgoritmi Kirjailija: Pedro Domingos

Keskeinen hypoteesi Pääalgoritmi on, että kaikki tieto – menneisyys, nykyisyys ja tulevaisuus – voidaan johtaa tiedoista yhdellä, universaalilla oppimisalgoritmilla, joka on kvantifioitu pääalgoritmiksi. Kirjassa käsitellään joitain parhaita koneoppimismenetelmiä, se antaa yksityiskohtaisia ​​selityksiä siitä, miten eri algoritmit toimivat, kuinka ne voidaan optimoida ja kuinka yhteistyössä ne voivat työskennellä saavuttaakseen lopullisen tavoitteen eli Master-algoritmin. Tämä on algoritmi, joka pystyy ratkaisemaan minkä tahansa ongelman, jonka ruokimme sille, ja tämä sisältää syövän parantamisen.

Lukija aloittaa oppimalla Naiivi Bayes, yksinkertainen algoritmi, joka voidaan selittää yhdellä yksinkertaisella yhtälöllä. Sieltä se kiihdyttää täydellä nopeudella mielenkiintoisemmiksi koneoppimistekniikoiksi. Ymmärtääksemme tekniikoita, jotka kiihdyttävät meitä kohti tätä pääalgoritmia, opimme lähentyviä perustekijöitä. Ensinnäkin neurotieteestä opimme aivojen plastisuudesta, ihmisen hermoverkoista. Toiseksi siirrymme luonnolliseen valintaan oppitunnilla ymmärtääksemme kuinka suunnitella geneettinen algoritmi, joka simuloi evoluutiota ja luonnonvalintaa. Geneettisellä algoritmilla hypoteesipopulaatio kussakin sukupolvessa risteää ja mutatoituu, ja sieltä sopivimmat algoritmit tuottavat seuraavan sukupolven. Tämä evoluutio tarjoaa parhaan mahdollisen itsensä kehittämisen.

Muut argumentit tulevat fysiikasta, tilastoista ja tietysti tietojenkäsittelytieteen parhaista ominaisuuksista. On mahdotonta tarkastella kattavasti kaikkia tämän kirjan eri puolia, koska kirjat ovat kunnianhimoisia pääalgoritmin rakentamisen puitteiden laatimisessa. Tämä viitekehys on nostanut tämän kirjan toiselle sijalle, koska kaikki muut koneoppimiskirjat perustuvat tähän jossain muodossa tai muodossa.

# 1. Tuhat aivoa Kirjailija: Jeff Hawkins

"Tuhat aivoa” perustuu käsitteisiin, joita on käsitelty Jeff Hawkinsin edellisessä kirjassa ”On Intelligence”. "On Intelligence" tutki puitteita sen ymmärtämiseksi, kuinka ihmisen älykkyys toimii ja kuinka näitä käsitteitä voidaan sitten soveltaa äärimmäisten tekoäly- ja AGI-järjestelmien rakentamiseen. Se analysoi pohjimmiltaan, kuinka aivomme ennustavat, mitä koemme ennen kuin koemme sen.

Vaikka "Tuhat aivot" on loistava itsenäinen kirja, se on parasta nauttia ja arvostettu, jos "Tiedustelupalvelusta” luetaan ensin.

"A Thousand Brains" perustuu Jeff Hawkinsin ja hänen perustamansa yrityksen viimeisimpään tutkimukseen. numenta. Numentan ensisijaisena tavoitteena on kehittää teoria neokorteksin toiminnasta, toissijaisena tavoitteena on, miten tätä aivojen teoriaa voidaan soveltaa koneoppimiseen ja koneälyyn.

Numentan ensimmäinen suuri löytö vuonna 2010 koskee sitä, miten neuronit tekevät ennusteita, ja toinen löytö vuonna 2016 käsitti karttamaisia ​​viitekehyksiä neokorteksissa. Kirjassa kerrotaan ennen kaikkea mitä "Thousand Brains -teoria" on, mitkä viitekehykset ovat ja miten teoria toimii todellisessa maailmassa. Yksi tämän teorian perustavanlaatuisimmista osista on ymmärtää, kuinka neokorteksi kehittyi nykyiseen kokoonsa.

Neokorteksti alkoi pienestä, kuten muut nisäkkäät, mutta kasvoi eksponentiaalisesti (vain synnytyskanavan koko rajoittaa) ei luomalla mitään uutta, vaan kopioimalla peruspiiriä toistuvasti. Pohjimmiltaan se, mikä erottaa ihmiset, ei ole aivojen orgaaninen materiaali, vaan neokorteksin muodostavien identtisten elementtien kopioiden lukumäärä.

Teoria kehittyy edelleen siihen, kuinka neokorteksti muodostuu noin 150,000 XNUMX aivokuoren pylväästä, jotka eivät näy mikroskoopilla, koska niiden välillä ei ole näkyviä rajoja. Se, miten nämä aivokuoren pylväät kommunikoivat keskenään, on perustavanlaatuisen algoritmin toteutus, joka on vastuussa havainnon ja älykkyyden kaikista näkökohdista.

Vielä tärkeämpää on, että kirja paljastaa, kuinka tätä teoriaa voidaan soveltaa älykkäiden koneiden rakentamiseen ja mahdollisia tulevaisuuden vaikutuksia yhteiskuntaan. Esimerkiksi aivot oppivat mallin maailmasta tarkkailemalla, kuinka syötteet muuttuvat ajan myötä, erityisesti kun käytetään liikettä. Kortikaaliset sarakkeet vaativat referenssikehyksen, joka on kiinnitetty objektiin. Nämä viitekehykset antavat kortikaaliselle sarakkeelle mahdollisuuden oppia kohteen todellisuudet määrittävien piirteiden sijainnit. Pohjimmiltaan viitekehykset voivat järjestää kaikenlaista tietoa. Tämä johtaa tämän tärkeän kirjan tärkeimpään osaan. Voivatko viitekehykset mahdollisesti olla elintärkeä puuttuva lenkki kehittyneemmän tekoälyn tai jopa AGI-järjestelmän rakentamisessa? Jeff itse uskoo väistämättömään tulevaisuuteen, kun AGI oppii maailman malleja käyttämällä karttamaisia ​​viitekehyksiä, jotka ovat samankaltaisia ​​​​kuin neokortexi, ja hän tekee merkittävää työtä havainnollistaen miksi hän uskoo tähän.