рдлреНрдпреВрдЪрд░рд┐рд╕реНрдЯ рд╕реАрд░реАрдЬрд╝
6 рд╕рд░реНрд╡рд╢реНрд░реЗрд╖реНрда рдорд╢реАрди рд▓рд░реНрдирд┐рдВрдЧ рдФрд░ рдПрдЖрдИ рдкреБрд╕реНрддрдХреЗрдВ рд╕рднреА рд╕рдордп рдХреА (рдордИ 2026)
एआई की दुनिया शब्दावली और विभिन्न मशीन लर्निंग एल्गोरिदम के कारण भयावह हो सकती है। 50 से अधिक उच्चतम अनुशंसित पुस्तकों पर मशीन लर्निंग पढ़ने के बाद, मैंने अपनी व्यक्तिगत सूची तैयार की है जो पढ़ने योग्य पुस्तकों की सूची है।
चुने गए पुस्तकें विचारों के प्रकार पर आधारित हैं जिन्हें पेश किया जाता है, और गहरे शिक्षण, पुनरावृत्ति शिक्षण, और आनुवंशिक एल्गोरिदम जैसी विभिन्न अवधारणाओं को कितनी अच्छी तरह से प्रस्तुत किया जाता है। सबसे महत्वपूर्ण बात यह है कि सूची उन पुस्तकों पर आधारित है जो भविष्यवाणियों और शोधकर्ताओं के लिए भविष्य में जिम्मेदार और समझने योग्य एआई बनाने के लिए मार्ग प्रशस्त करती हैं।
#6. एआई कैसे काम करता है: जादू से विज्ञान तक रोनाल्ड टी क्नूसेल द्वारा
“एआई कैसे काम करता है” एक संक्षिप्त और स्पष्ट पुस्तक है जो मशीन लर्निंग के मूलभूत सिद्धांतों को परिभाषित करने के लिए डिज़ाइन की गई है। यह पुस्तक मशीन लर्निंग के समृद्ध इतिहास के बारे में जानने में मदद करती है, जो विरासत एआई प्रणालियों की शुरुआत से लेकर समकालीन विधियों के आगमन तक की यात्रा करती है।
इतिहास परतदार है, जो अच्छी तरह से स्थापित एआई प्रणालियों जैसे कि समर्थन वेक्टर मशीन, निर्णय पेड़, और यादृच्छिक वनों से शुरू होता है। इन पहले की प्रणालियों ने अधिक परिष्कृत दृष्टिकोणों के विकास के लिए मार्ग प्रशस्त किया, जो तंत्रिका नेटवर्क और कन्वोल्यूशनल न्यूरल नेटवर्क जैसी अधिक परिष्कृत प्रणालियों के विकास की ओर ले जाता है। पुस्तक बड़े भाषा मॉडल (एलएलएम) द्वारा प्रदान की जाने वाली अविश्वसनीय क्षमताओं पर चर्चा करती है, जो आज के राज्य-कला जेनरेटिव एआई के पीछे शक्ति हैं।
मूल बातों को समझना, जैसे कि नॉइज़-टू-इमेज प्रौद्योगिकी मौजूदा छवियों को दोहरा सकती है और thậmच नए, अभूतपूर्व छवियों को बना सकती है जो लगता है कि यादृच्छिक प्रॉम्प्ट से, छवि जनरेटर प्रौद्योगिकियों के पीछे के बल को समझने में महत्वपूर्ण है। यह पुस्तक इन मूलभूत पहलुओं को सुंदरता से समझाती है, जिससे पाठकों को छवि जनरेशन प्रौद्योगिकियों की जटिलताओं और अंतर्निहित यांत्रिकी को समझने में मदद मिलती है।
लेखक रॉन क्नूसेल ने अपने दृष्टिकोण को स्पष्ट करने में प्रशंसनीय प्रयास किया है कि ओपनएआई का चैटजीपीटी और इसका एलएलएम मॉडल वास्तविक एआई की शुरुआत का प्रतीक है। वह विस्तार से बताते हैं कि विभिन्न एलएलएम्स में कैसे उभयनिष्ठ गुण होते हैं जो सिद्धांत को समझने में सक्षम होते हैं। ये उभयनिष्ठ गुण एलएलएम के आकार के आधार पर अधिक प्रमुख और प्रभावशाली होते हैं। क्नूसेल चर्चा करते हैं कि कैसे एक बड़ी मात्रा में पैरामीटर आमतौर पर सबसे कुशल और सफल एलएलएम मॉडल प्रदान करते हैं, जो इन मॉडलों के स्केलिंग गतिविधियों और प्रभावशीलता में गहरी अंतर्दृष्टि प्रदान करते हैं।
यह पुस्तक उन लोगों के लिए एक मार्गदर्शक है जो एआई की दुनिया के बारे में अधिक जानना चाहते हैं, जो मशीन लर्निंग प्रौद्योगिकियों के विकासवादी मार्ग का एक विस्तृत लेकिन समझने योग्य अवलोकन प्रदान करती है, जो उनके मूल रूप से आज के अग्रणी संस्थाओं तक है। चाहे आप एक शुरुआती हों या विषय की महत्वपूर्ण समझ रखने वाले हों, “एआई कैसे काम करता है” आपको उन परिवर्तनकारी प्रौद्योगिकियों की एक परिष्कृत समझ प्रदान करने के लिए डिज़ाइन की गई है जो हमारी दुनिया को आकार देती हैं।
#5. लाइफ 3.0 मैक्स टेगमार्क द्वारा
“लाइफ 3.0” का एक महत्वाकांक्षी लक्ष्य है और वह यह है कि हम एआई के साथ भविष्य में कैसे सहजीवन करेंगे। आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) अंततः और अनिवार्य रूप से 1965 में ब्रिटिश गणितज्ञ इरविंग गुड द्वारा किए गए बुद्धिमत्ता विस्फोट तर्क का परिणाम है। यह तर्क कहता है कि एक मशीन जो स्वयं को लगातार सुधार सकती है, उससे अधिक बुद्धिमत्ता होगी। बुद्धिमत्ता विस्फोट के लिए प्रसिद्ध उद्धरण इस प्रकार है:
“एक अल्ट्रा-बुद्धिमान मशीन को एक मशीन के रूप में परिभाषित किया जाता है जो किसी भी मानव की सभी बौद्धिक गतिविधियों को पार कर सकती है, चाहे वह कितनी भी चतुर क्यों न हो। चूंकि मशीनों का डिज़ाइन इन बौद्धिक गतिविधियों में से एक है, एक अल्ट्रा-बुद्धिमान मशीन बेहतर मशीनों का डिज़ाइन कर सकती है; तब निश्चित रूप से एक ‘बुद्धिमत्ता विस्फोट’ होगा, और मानव की बुद्धिमत्ता बहुत पीछे छूट जाएगी। इसलिए, पहली अल्ट्रा-बुद्धिमान मशीन वह आखिरी आविष्कार है जिसे मानव को कभी भी बनाने की आवश्यकता होगी।”
मैक्स टेगमार्क पुस्तक को एक सैद्धांतिक भविष्य में ले जाते हैं जिसमें हम एक एजीआई द्वारा नियंत्रित दुनिया में रहते हैं। इस पल से आगे, विस्फोटक प्रश्न पूछे जाते हैं जैसे कि बुद्धिमत्ता क्या है? स्मृति क्या है? गणना क्या है? और, सीखना क्या है? कैसे इन प्रश्नों और संभावित उत्तरों के नेतृत्व में एक मशीन का निर्माण होता है जो विभिन्न प्रकार के मशीन लर्निंग का उपयोग करके स्व-सुधार में आवश्यक सफलता प्राप्त करने के लिए मानव स्तर की बुद्धिमत्ता प्राप्त करने और अनिवार्य रूप से परिणामस्वरूप सुपरइंटेलिजेंस प्राप्त करने के लिए?
यह प्रश्नों का प्रकार है जो लाइफ 3.0 में अन्वेषण किया जाता है। लाइफ 1.0 सरल जीवन रूप हैं जैसे कि बैक्टीरिया जो केवल विकास के माध्यम से बदल सकते हैं जो अपने डीएनए को संशोधित करता है। लाइफ 2.0 जीवन रूप हैं जो अपने सॉफ्टवेयर को पुनः डिज़ाइन कर सकते हैं जैसे कि एक नई भाषा या कौशल सीखना। लाइफ 3.0 एक एआई है जो न केवल अपने व्यवहार और कौशल को संशोधित कर सकती है, बल्कि अपने हार्डवेयर को भी संशोधित कर सकती है, जैसे कि अपने रोबोटिक स्वयं को अपग्रेड करना।
केवल जब हम एक एजीआई के लाभों और जोखिमों को समझते हैं, तभी हम एक मित्र एआई बनाने के विकल्पों की समीक्षा शुरू कर सकते हैं जो हमारे लक्ष्यों के साथ संरेखित हो सकती है। इसके लिए, हमें यह भी समझने की आवश्यकता हो सकती है कि चेतना क्या है? और एआई चेतना हमारी अपनी चेतना से कैसे अलग होगी?
इस पुस्तक में कई गर्म विषयों का अन्वेषण किया जाता है, और यह उन लोगों के लिए अनिवार्य पढ़ाई होनी चाहिए जो वास्तव में समझना चाहते हैं कि एजीआई एक संभावित खतरा हो सकता है, साथ ही साथ मानव सभ्यता के भविष्य के लिए एक संभावित जीवन रेखा भी हो सकता है।
#4. मानव संगत: कृत्रिम बुद्धिमत्ता और नियंत्रण की समस्या स्टुअर्ट रसेल द्वारा
क्या होगा अगर हम एक बुद्धिमान एजेंट बनाने में सफल होते हैं, जो कि हमारे निर्माताओं से अधिक बुद्धिमान है? हम मशीनों को अपने उद्देश्यों को प्राप्त करने के बजाय अपने उद्देश्यों को कैसे समझाएंगे?
उपरोक्त प्रश्न इस पुस्तक “मानव संगत: कृत्रिम बुद्धिमत्ता और नियंत्रण की समस्या” का एक महत्वपूर्ण概念 है कि हमें मशीन में “उद्देश्य” नहीं डालना चाहिए, जैसा कि नोरबर्ट वीनर ने एक बार कहा था। एक बुद्धिमान मशीन जो अपने निर्धारित उद्देश्यों में बहुत आश्वस्त है, वह खतरनाक एआई का अंतिम प्रकार है। दूसरे शब्दों में, यदि एआई यह समझने से इनकार कर देती है कि यह अपने पूर्व-प्रोग्राम किए गए उद्देश्य और कार्य को पूरा करने में गलत हो सकती है, तो यह असंभव हो सकता है कि एआई सिस्टम को बंद करने के लिए।
स्टुअर्ट रसेल द्वारा रेखांकित की गई कठिनाई यह है कि एआई/रोबोट को निर्देश देना कि कोई भी निर्देशित कमांड को किसी भी लागत पर प्राप्त नहीं किया जाना चाहिए। यह ठीक नहीं है कि मानव जीवन को बलिदान देने के लिए कॉफी लाने के लिए, या दोपहर के भोजन के लिए बिल्ली को ग्रिल करने के लिए। यह समझना चाहिए कि “मुझे हवाई अड्डे पर ले जाओ जितनी जल्दी हो सके”, इसका अर्थ यह नहीं है कि गति सीमा तोड़ी जा सकती है, भले ही यह निर्देश स्पष्ट न हो। यदि एआई यह गलत समझती है, तो सुरक्षा उपाय एक निश्चित पूर्व-प्रोग्राम किए गए अनिश्चितता का स्तर है। कुछ अनिश्चितता के साथ, एआई को कार्य पूरा करने से पहले स्वयं को चुनौती देने के लिए मौखिक पुष्टि की मांग कर सकती है।
1965 में एक शोध पत्र में “स्पेक्युलेशन्स कंसर्निंग द फ़र्स्ट अल्ट्रा-इंटेलिजेंट मशीन” में, आई. जे. गुड, एक प्रतिभाशाली गणितज्ञ जिन्होंने एलन ट्यूरिंग के साथ काम किया था, ने कहा, “मानव का अस्तित्व अल्ट्रा-इंटेलिजेंट मशीन के निर्माण पर निर्भर करता है।” यह संभव है कि हमें पारिस्थितिक, जैविक, और मानवतावादी आपदा से बचने के लिए सबसे उन्नत एआई का निर्माण करने की आवश्यकता है।
इस शोध पत्र में बुद्धिमत्ता विस्फोट की व्याख्या की गई है, यह सिद्धांत है कि एक अल्ट्रा-इंटेलिजेंट मशीन अधिक बेहतर और श्रेष्ठ मशीनों का डिज़ाइन कर सकती है, और यह अनिवार्य रूप से एक एजीआई का निर्माण करती है। जबकि एजीआई शुरू में मानव के बराबर बुद्धिमत्ता का हो सकता है, यह जल्दी से मानव को पार कर जाएगा। इस निश्चित नतीजे के कारण, यह महत्वपूर्ण है कि एआई डेवलपर्स इस पुस्तक में साझा किए गए मूल सिद्धांतों को वास्तविक बनाएं और उन्हें सुरक्षित, जिम्मेदार, और सिद्ध रूप से लाभकारी एआई सिस्टम डिज़ाइन करने के लिए सीखने के लिए।
स्टुअर्ट रसेल द्वारा रेखांकित किया गया है कि एआई अनुसंधान से पीछे हटना विकल्प नहीं है, हमें आगे बढ़ना होगा। यह पुस्तक सुरक्षित, जिम्मेदार, और सिद्ध रूप से लाभकारी एआई सिस्टम डिज़ाइन करने के लिए मार्गदर्शन के लिए एक मानचित्र है।
#3. माइंड बनाने के लिए कैसे रे कुर्ज़वील द्वारा
रे कुर्ज़वील दुनिया के अग्रणी आविष्कारक, विचारक, और भविष्यवाणियों में से एक हैं, उन्हें “अस्थिर प्रतिभा” द वॉल स्ट्रीट जर्नल द्वारा और “अंतिम सोच मशीन” फोर्ब्स पत्रिका द्वारा कहा जाता है। वह सिंगुलैरिटी यूनिवर्सिटी के सह-संस्थापक भी हैं, और उन्हें उनकी ग्राउंडब्रेकिंग पुस्तक “द सिंगुलैरिटी इज़ नियर” के लिए जाना जाता है। “माइंड बनाने के लिए कैसे” उनके अन्य कार्यों की तुलना में अधिक विस्तार से बताता है कि हमें मानव मस्तिष्क को समझने की आवश्यकता है ताकि हम अंतिम सोच मशीन बना सकें।
इस पुस्तक के मूल सिद्धांतों में से एक यह है कि मानव मस्तिष्क में पैटर्न रिकग्निशन कैसे काम करता है। मानव दैनिक जीवन में पैटर्न को कैसे पहचानते हैं? ये कनेक्शन मस्तिष्क में कैसे बनते हैं? पुस्तक प्रारंभिक स्तर पर हाइरार्किकल सोच को समझने से शुरू होती है, यह एक संरचना है जो विभिन्न तत्वों से बनी होती है जो एक पैटर्न में व्यवस्थित होते हैं, यह व्यवस्था फिर एक प्रतीक का प्रतिनिधित्व करती है जैसे कि एक अक्षर या चरित्र, और फिर यह एक अधिक उन्नत पैटर्न में व्यवस्थित होता है जैसे कि एक शब्द, और अंततः एक वाक्य। अंततः, ये पैटर्न विचारों का निर्माण करते हैं, और ये विचार उन उत्पादों में परिवर्तित होते हैं जो मानव द्वारा निर्मित होते हैं।
चूंकि यह एक रे कुर्ज़वील पुस्तक है, इसलिए इसमें बहुत समय नहीं लगता है कि इसमें असीमित सोच शामिल है। “लॉ ऑफ़ एक्सीलरेटिंग रिटर्न‘ इस पुस्तक का एक महत्वपूर्ण हिस्सा है। यह कानून दिखाता है कि कैसे प्रौद्योगिकियों और प्रगति की गति तेजी से बढ़ रही है, क्योंकि प्रगति की प्रवृत्ति स्वयं को बढ़ाने की है। इस सोच को मानव मस्तिष्क को समझने और उल्टा इंजीनियरिंग करने की गति में लागू किया जा सकता है। मानव मस्तिष्क में पैटर्न रिकग्निशन प्रणालियों की इस तेजी से समझ को उन्नत कृत्रिम न्यूरल नेटवर्क बनाने के लिए लागू किया जा सकता है।
यह पुस्तक इतनी परिवर्तनकारी थी कि एरिक श्मिट ने रे कुर्ज़वील को एआई परियोजनाओं पर काम करने के लिए भर्ती किया जब उन्होंने इस पुस्तक को पढ़ने के बाद। यह असंभव है कि इस पुस्तक में चर्चा किए गए सभी विचारों और अवधारणाओं को एक छोटे से लेख में बताया जा सके, लेकिन यह एक महत्वपूर्ण पुस्तक है जो मानव न्यूरल नेटवर्क को समझने के लिए पढ़नी चाहिए ताकि एक उन्नत कृत्रिम न्यूरल नेटवर्क डिज़ाइन किया जा सके।
#2. मास्टर एल्गोरिदम पेड्रो डोमिंगोस द्वारा
“मास्टर एल्गोरिदम” का केंद्रीय तर्क यह है कि सभी ज्ञान – भूत, वर्तमान, और भविष्य – एक ही सार्वभौमिक शिक्षण एल्गोरिदम से डेटा से प्राप्त किया जा सकता है जो एक मास्टर एल्गोरिदम के रूप में मापा जाता है। पुस्तक में शीर्ष मशीन लर्निंग विधियों का विस्तार से वर्णन किया गया है, यह विभिन्न एल्गोरिदम को कैसे काम करता है, उन्हें कैसे अनुकूलित किया जा सकता है, और वे कैसे मिलकर मास्टर एल्गोरिदम बनाने के लिए काम कर सकते हैं जो किसी भी समस्या का समाधान कर सकता है, जिसमें कैंसर का इलाज भी शामिल है।
पाठक नेव बेस एल्गोरिदम से शुरू करेंगे, जो एक सरल एल्गोरिदम है जिसे एक ही समीकरण में समझाया जा सकता है। वहां से, यह पूरी गति से अधिक रोचक मशीन लर्निंग तकनीकों में जाता है। मास्टर एल्गोरिदम की ओर तेजी से बढ़ने वाली प्रौद्योगिकियों को समझने के लिए, हम न्यूरोसाइंस से शुरू करते हैं, जहां हम मस्तिष्क की प्लास्टिसिटी और मानव न्यूरल नेटवर्क के बारे में सीखते हैं। दूसरा, हम प्राकृतिक चयन के बारे में सीखने के लिए आगे बढ़ते हैं ताकि हम एक जेनेटिक एल्गोरिदम डिज़ाइन कर सकें जो विकास और प्राकृतिक चयन की नकल करता है। एक जेनेटिक एल्गोरिदम में, एक हाइपोथेसिस की आबादी प्रत्येक पीढ़ी में क्रॉसओवर और म्यूटेशन के माध्यम से आगे बढ़ती है, और फिर सबसे फिट एल्गोरिदम अगली पीढ़ी का उत्पादन करते हैं। यह विकास अंतिम स्व-सुधार प्रदान करता है।
भौतिकी, सांख्यिकी, और कंप्यूटर विज्ञान के सर्वश्रेष्ठ से अन्य तर्क आते हैं। यह असंभव है कि इस पुस्तक द्वारा स्पर्श किए गए विभिन्न पहलुओं की व्यापक समीक्षा की जा सके, क्योंकि पुस्तक मास्टर एल्गोरिदम के लिए एक ढांचे को बाहर करने का एक महत्वाकांक्षी दायरा है। यह ढांचा है जिसने इस पुस्तक को दूसरे स्थान पर पहुंचाया है, क्योंकि अन्य सभी मशीन लर्निंग पुस्तकें किसी न किसी रूप में इस पर निर्मित होती हैं।
#1. एक हजार मस्तिष्क जेफ हॉकिन्स द्वारा
“एक हजार मस्तिष्क” जेफ हॉकिन्स द्वारा लिखित पिछली पुस्तक “ऑन इंटेलिजेंस” में चर्चित अवधारणाओं पर निर्मित है। “ऑन इंटेलिजेंस” मानव बुद्धिमत्ता को समझने के लिए एक ढांचे का अन्वेषण करता है, और इन अवधारणाओं को कैसे अंतिम एआई और एजीआई प्रणालियों के निर्माण के लिए लागू किया जा सकता है। यह मूलतः यह विश्लेषण करता है कि हमारे मस्तिष्क कैसे अनुभव करने से पहले हमें अनुभव होने वाली चीजों की भविष्यवाणी करते हैं।
“एक हजार मस्तिष्क” एक स्टैंडअलोन पुस्तक है, लेकिन यह सबसे अच्छा आनंद लिया जाएगा यदि “ऑन इंटेलिजेंस” पहले पढ़ा जाए।
“एक हजार मस्तिष्क” जेफ हॉकिन्स और नुमेंटा नामक कंपनी द्वारा किए गए नवीनतम शोध पर निर्मित है। नुमेंटा का प्राथमिक लक्ष्य नियोकॉर्टेक्स के कार्य के सिद्धांत को विकसित करना है, और द्वितीयक उद्देश्य यह है कि इस मस्तिष्क के सिद्धांत को मशीन लर्निंग और मशीन इंटेलिजेंस में कैसे लागू किया जा सकता है।
नुमेंटा की पहली बड़ी खोज 2010 में हुई, जिसमें बताया गया कि न्यूरॉन्स कैसे भविष्यवाणी करते हैं, और दूसरी खोज 2016 में हुई, जिसमें नियोकॉर्टेक्स में मैपलाइक रेफरेंस फ्रेम्स के बारे में बताया गया। पुस्तक में सबसे पहले “एक हजार मस्तिष्क” सिद्धांत क्या है, रेफरेंस फ्रेम्स क्या हैं, और यह सिद्धांत वास्तविक दुनिया में कैसे काम करता है, इसका विवरण दिया गया है।
एक हजार मस्तिष्क सिद्धांत यह है कि नियोकॉर्टेक्स ने अपने वर्तमान आकार तक पहुंचने के लिए एक बुनियादी सर्किट की प्रतिलिपि बनाई, जो कि अन्य स्तनधारियों के समान है, लेकिन यह केवल एक ही प्रकार के तत्वों की प्रतिलिपि बनाकर बढ़ा, न कि कुछ नया बनाकर। मानव को अलग करने वाली बात यह नहीं है कि मस्तिष्क का क्या बना है, बल्कि नियोकॉर्टेक्स में एक ही प्रकार के तत्वों की संख्या है।
सिद्धांत आगे बताता है कि नियोकॉर्टेक्स लगभग 150,000 कॉर्टिकल कॉलम से बना है, जो माइक्रोस्कोप के तहत दिखाई नहीं देते हैं क्योंकि उनके बीच कोई दिखाई देने वाली सीमा नहीं है। कॉर्टिकल कॉलम कैसे एक दूसरे के साथ संवाद करते हैं, यह एक मूल एल्गोरिदम का कार्यान्वयन है जो हर पहलू के लिए जिम्मेदार है जो धारणा और बुद्धिमत्ता को नियंत्रित करता है।
पुस्तक यह भी बताती है कि यह सिद्धांत कैसे उन्नत मशीनों के निर्माण के लिए लागू किया जा सकता है, और संभावित भविष्य के लिए इसके परिणाम। उदाहरण के लिए, मस्तिष्क दुनिया के मॉडल को सीखता है जब यह समय के साथ इनपुट में परिवर्तन को देखता है, विशेष रूप से जब गति लागू होती है। कॉर्टिकल कॉलम को एक रेफरेंस फ्रेम की आवश्यकता होती है जो एक वस्तु से जुड़ा होता है, ये रेफरेंस फ्रेम एक कॉर्टिकल कॉलम को वस्तु की वास्तविकता को परिभाषित करने वाली विशेषताओं के स्थानों को सीखने की अनुमति देते हैं। मूल रूप से, रेफरेंस फ्रेम किसी भी प्रकार के ज्ञान को व्यवस्थित कर सकते हैं। यह पुस्तक का सबसे महत्वपूर्ण हिस्सा है, क्या रेफरेंस फ्रेम उन्नत एआई या thậmच एजीआई प्रणाली बनाने के लिए एक महत्वपूर्ण लिंक हो सकते हैं? जेफ हॉकिन्स मानते हैं कि एक एजीआई निश्चित रूप से नियोकॉर्टेक्स की तरह मैपलाइक रेफरेंस फ्रेम्स का उपयोग करके दुनिया के मॉडल सीखेगा, और वह इसके पीछे के कारणों को बहुत अच्छी तरह से बताते हैं।
