6 najboljih knjiga o strojnom učenju i umjetnoj inteligenciji svih vremena (svibanj 2024.)

Svijet umjetne inteligencije može biti zastrašujući zbog terminologije i različitih algoritama strojnog učenja koji su dostupni. Nakon što sam pročitao više od 50 knjiga o strojnom učenju koje se najviše preporučuju, sastavio sam svoj osobni popis knjiga koje treba pročitati.

Odabrane knjige temelje se na vrsti ideja koje se uvode i na tome koliko su dobro predstavljeni različiti koncepti poput dubokog učenja, učenja s potkrepljenjem i genetskih algoritama. Što je najvažnije, popis se temelji na knjigama koje najbolje utiru put naprijed za futuriste i istraživače prema izgradnji dokazano odgovorne i objašnjive umjetne inteligencije.

# 6. Kako radi umjetna inteligencija: od čarobnjaštva do znanosti Ronalda T. Kneusela

"Kako radi umjetna inteligencija" sažeta je i jasna knjiga osmišljena da ocrta temeljne osnove strojnog učenja. Ova knjiga olakšava učenje o bogatoj povijesti strojnog učenja, putujući od početka naslijeđenih AI sustava do pojave suvremenih metodologija.

Povijest je slojevita, počevši od dobro utemeljenih AI sustava kao što su vektorski strojevi za podršku, stabla odlučivanja i nasumične šume. Ti raniji sustavi utrli su put za revolucionarni napredak, što je dovelo do razvoja sofisticiranijih pristupa poput neuronskih mreža i konvolucijskih neuronskih mreža. Knjiga govori o nevjerojatnim mogućnostima koje nude veliki jezični modeli (LLM), koji su snaga koja stoji iza današnje vrhunske generativne umjetne inteligencije.

Razumijevanje osnova, poput načina na koji tehnologija pretvaranja šuma u sliku može replicirati postojeće slike i čak stvoriti nove, dosad neviđene slike iz naizgled nasumičnih upita, ključno je za razumijevanje sila koje pokreću današnje generatore slika. Ova knjiga na prekrasan način objašnjava ove temeljne aspekte, dopuštajući čitateljima da shvate zamršenost i temeljnu mehaniku tehnologija generiranja slike.

Ron Kneusel, autor, pokazuje hvalevrijedan trud u razjašnjavanju svojih perspektiva o tome zašto OpenAI-jev ChatGPT i njegov LLM model označavaju početak prave umjetne inteligencije. On pedantno predstavlja kako različiti LLM-ovi pokazuju pojavna svojstva sposobna za intuitivno razumijevanje teorije uma. Čini se da ova pojavna svojstva postaju izraženija i utjecajnija na temelju veličine modela obuke. Kneusel raspravlja o tome kako veća količina parametara obično rezultira najuspješnijim i najuspješnijim LLM modelima, pružajući dublji uvid u dinamiku skaliranja i učinkovitost tih modela.

Ova je knjiga svjetionik za one koji žele naučiti više o svijetu umjetne inteligencije, nudeći detaljan, ali razumljiv pregled evolucijske putanje tehnologija strojnog učenja, od njihovih rudimentarnih oblika do pionirskih entiteta današnjice. Bez obzira na to jeste li početnik ili netko tko dobro razumije temu, "Kako radi umjetna inteligencija" osmišljeno je da vam pruži profinjeno razumijevanje transformativnih tehnologija koje nastavljaju oblikovati naš svijet.

# 5. Život 3.0 od Maxa Tegmarka

"Život 3.0” ima ambiciozan cilj, a to je istraživanje mogućnosti kako ćemo koegzistirati s umjetnom inteligencijom u budućnosti. Umjetna opća inteligencija (AGI) je konačna i neizbježna posljedica argument eksplozije inteligencije napravio britanski matematičar Irving Good još 1965. Ovaj argument predviđa da će nadljudska inteligencija biti rezultat stroja koji se može neprestano samopoboljšavati. Poznati citat za eksploziju obavještajne službe je sljedeći:

“Neka se ultrainteligentni stroj definira kao stroj koji može daleko nadmašiti sve intelektualne aktivnosti bilo kojeg čovjeka koliko god bio pametan. Budući da je dizajn strojeva jedna od tih intelektualnih aktivnosti, ultrainteligentni stroj mogao bi dizajnirati još bolje strojeve; tada bi neupitno došlo do 'eksplozije inteligencije', a ljudska bi inteligencija ostala daleko iza sebe. Stoga je prvi ultrainteligentni stroj posljednji izum koji čovjek ikada treba napraviti.”

Max Tegmark uvodi knjigu u teoretsku budućnost života u svijetu kojim upravlja AGI. Od ovog trenutka pa nadalje postavljaju se eksplozivna pitanja poput onoga što je inteligencija? Što je memorija? Što je računanje? i, što je učenje? Kako ova pitanja i mogući odgovori na kraju dovode do paradigme stroja koji može koristiti različite vrste strojnog učenja za postizanje proboja u samopoboljšanju koji su potrebni za postizanje ljudske razine inteligencije i neizbježne superinteligencije koja iz toga proizlazi?

Ovo su vrsta naprednog razmišljanja i važna pitanja koja život 3.0 istražuje. Život 1.0 su jednostavni oblici života kao što su bakterije koje se mogu promijeniti samo kroz evoluciju koja modificira svoj DNK. Life 2.0 su životni oblici koji mogu redizajnirati vlastiti softver kao što je učenje novog jezika ili vještina. Life 3.0 je umjetna inteligencija koja ne samo da može modificirati vlastito ponašanje i vještine, već također može modificirati vlastiti hardver, na primjer nadograditi svoje robotsko ja.

Tek kada shvatimo prednosti i zamke AGI-ja, tada možemo početi pregledavati opcije kako bismo osigurali da izgradimo prijateljsku AI koja se može uskladiti s našim ciljevima. Da bismo to učinili, možda ćemo također morati razumjeti što je svijest? I kako će se AI svijest razlikovati od naše?

Mnogo je vrućih tema koje se istražuju u ovoj knjizi i trebala bi biti obavezna lektira za svakoga tko doista želi razumjeti kako je AGI potencijalna prijetnja, kao i potencijalna slamka spasa za budućnost ljudske civilizacije.

# 4. Human Compatible: Umjetna inteligencija i problem kontrole autora Stuarta Russella

Što se događa ako uspijemo izgraditi inteligentnog agenta, nešto što opaža, što djeluje i što je inteligentnije od svojih kreatora? Kako ćemo uvjeriti strojeve da postignu naše ciljeve umjesto svojih vlastitih ciljeva?

Gore navedeno je ono što vodi do jednog od najvažnijih koncepata knjige “Human Compatible: Umjetna inteligencija i problem kontrole” je da moramo izbjegavati “stavljanje svrhe u stroj”, kako je jednom rekao Norbert Wiener. Inteligentni stroj koji je previše siguran u svoje fiksne ciljeve krajnja je vrsta opasne umjetne inteligencije. Drugim riječima, ako umjetna inteligencija ne želi razmotriti mogućnost da je pogriješila u obavljanju svoje unaprijed programirane svrhe i funkcije, tada bi moglo biti nemoguće isključiti sustav umjetne inteligencije.

Poteškoća koju je opisao Stuart Russell je u davanju uputa umjetnoj inteligenciji/robotu da se nijedna naredba ne namjerava postići pod svaku cijenu. Nije u redu žrtvovati ljudski život za dolazak kave ili peći mačku na roštilju za ručak. Mora se shvatiti da "odvezi me do zračne luke što je brže moguće" ne znači da se zakoni o brzoj vožnji mogu prekršiti, čak i ako ova uputa nije izričita. Ako umjetna inteligencija pogriješi u navedenom, tada je zaštita od greške određena unaprijed programirana razina nesigurnosti. Uz određenu nesigurnost, umjetna inteligencija može izazvati samu sebe prije dovršetka zadatka, kako bi možda tražila verbalnu potvrdu.

U radu iz 1965. pod naslovom “Nagađanja o prvom ultrainteligencijskom stroju“, IJ Good, briljantni matematičar koji je radio zajedno s Alanom Turingom, izjavio je: “Opstanak čovjeka ovisi o ranoj konstrukciji ultrainteligentnog stroja”. Sasvim je moguće da, kako bismo se spasili od ekološke, biološke i humanitarne katastrofe, moramo izgraditi najnapredniju AI koju možemo.

Ovaj temeljni rad objašnjava eksploziju inteligencije, a ova teorija kaže da ultrainteligentni stroj može dizajnirati još bolje i superiornije strojeve sa svakom iteracijom, a to neizbježno dovodi do stvaranja AGI-ja. Iako bi AGI u početku mogao biti jednako inteligentan kao čovjek, brzo bi nadmašio ljude u kratkom vremenskom razdoblju. Zbog ovog prethodnog zaključka, važno je za programere umjetne inteligencije aktualizirati temeljna načela koja se dijele u ovoj knjizi i naučiti kako ih sigurno primijeniti na projektiranje sustava umjetne inteligencije koji su sposobni ne samo služiti ljudima, već i spasiti ljude od njih samih .

Kao što je istaknuo Stuart Russell, povlačenje iz istraživanja umjetne inteligencije nije opcija, moramo nastaviti naprijed. Ova je knjiga putokaz koji nas vodi prema dizajniranju sigurnih, odgovornih i dokazano korisnih AI sustava.

# 3. Kako stvoriti um autora Raya Kurzweila

Ray Kurzweil je jedan od vodećih svjetskih izumitelja, mislilaca i futurista, nazivali su ga “nemirni genij” The Wall Street Journala i “ultimativni stroj za razmišljanje” časopisa Forbes. Također je suosnivač Sveučilišta Singularity, a najpoznatiji je po svojoj revolucionarnoj knjizi “The Singularity is Near”. “Kako stvoriti um” manje se bavi pitanjima eksponencijalnog rasta koji su obilježja njegovog drugog rada, umjesto toga fokusira se na to kako trebamo razumjeti ljudski mozak kako bismo ga obrnutim inženjeringom stvorili kako bismo stvorili ultimativni stroj za razmišljanje.

Jedan od temeljnih principa navedenih u ovom temeljnom radu je kako prepoznavanje uzoraka funkcionira u ljudskom mozgu. Kako ljudi prepoznaju obrasce u svakodnevnom životu? Kako se te veze stvaraju u mozgu? Knjiga počinje s razumijevanjem hijerarhijskog razmišljanja, to je razumijevanje strukture koja je sastavljena od različitih elemenata koji su raspoređeni u obrazac, taj raspored zatim predstavlja simbol kao što je slovo ili znak, a onda se to dalje raspoređuje u napredniji obrazac kao što je riječ i na kraju rečenica. Na kraju ti obrasci formiraju ideje, a te se ideje transformiraju u proizvode za čije su stvaranje ljudi odgovorni.

Budući da se radi o knjizi Raya Kurzweila, naravno, ne treba dugo prije nego što se uvede eksponencijalno razmišljanje. "Zakon ubrzanja prinosa' zaštitni je znak ove temeljne knjige. Ovaj zakon pokazuje kako se tehnologije i tempo ubrzanja ubrzavaju zbog tendencije da se napredak hrani sam od sebe, dodatno povećavajući stopu napretka. Ovo razmišljanje se zatim može primijeniti na to koliko brzo učimo razumjeti i izvršiti obrnuti inženjering ljudskog mozga. Ovo ubrzano razumijevanje sustava za prepoznavanje uzoraka u ljudskom mozgu može se zatim primijeniti na izgradnju AGI sustava.

Ova je knjiga bila toliko transformativna za budućnost umjetne inteligencije da je Eric Schmidt angažirao Raya Kurzweila da radi na projektima umjetne inteligencije nakon što je završio s čitanjem ove temeljne knjige. Nemoguće je opisati sve ideje i koncepte o kojima se govori u kratkom članku, no ipak je to instrumentalna knjiga koju morate pročitati kako biste bolje razumjeli kako funkcioniraju ljudske neuronske mreže u svrhu dizajniranja naprednog umjetna neuronska mreža.

Prepoznavanje uzoraka ključni je element za duboko učenje, a ova knjiga ilustrira zašto.

# 2. Glavni algoritam autora Pedra Domingosa

Središnja hipoteza o Glavni algoritam je da se svo znanje – prošlost, sadašnjost i budućnost – može izvesti iz podataka jednim, univerzalnim algoritmom učenja koji je kvantificiran kao glavni algoritam. Knjiga detaljno opisuje neke od vrhunskih metodologija strojnog učenja, daje detaljna objašnjenja kako različiti algoritmi funkcioniraju, kako se mogu optimizirati i kako zajednički mogu raditi na postizanju krajnjeg cilja stvaranja glavnog algoritma. Ovo je algoritam koji je sposoban riješiti svaki problem koji mu nahranimo, a to uključuje i izlječenje raka.

Čitatelj će započeti s učenjem o Naivni Bayes, jednostavan algoritam koji se može objasniti jednom jednostavnom jednadžbom. Odatle ubrzava punu brzinu u zanimljivije tehnike strojnog učenja. Kako bismo razumjeli tehnologije koje nas ubrzavaju prema ovom glavnom algoritmu, učimo o osnovama konvergiranja. Prvo, iz neuroznanosti učimo o plastičnosti mozga, ljudskim neuronskim mrežama. Drugo, prelazimo na prirodnu selekciju u lekciji kako bismo razumjeli kako dizajnirati genetski algoritam koji simulira evoluciju i prirodnu selekciju. S genetskim algoritmom populacija hipoteza u svakoj generaciji prelazi i mutira, odatle najprikladniji algoritmi proizvode sljedeću generaciju. Ova evolucija nudi vrhunsko samopoboljšanje.

Drugi argumenti dolaze iz fizike, statistike i, naravno, najboljeg iz informatike. Nemoguće je sveobuhvatno pregledati sve različite aspekte kojih se ova knjiga dotiče, zbog ambicioznog opsega knjige postavljanja okvira za izgradnju glavnog algoritma. Upravo je ovaj okvir gurnuo ovu knjigu na drugo mjesto, budući da se sve druge knjige o strojnom učenju nadograđuju na tome u nekom obliku ili obliku.

# 1. Tisuću mozgova autora Jeffa Hawkinsa

"Tisuću mozgova” nadovezuje se na koncepte o kojima se govori u prethodnoj knjizi Jeffa Hawkinsa pod naslovom “O inteligenciji”. “On Intelligence” istraživao je okvir za razumijevanje načina na koji ljudska inteligencija funkcionira i kako se ti koncepti zatim mogu primijeniti na izgradnju vrhunskih AI i AGI sustava. Temeljito analizira kako naš mozak predviđa što ćemo doživjeti prije nego što to doživimo.

Iako je "Tisuću mozgova" izvrsna samostalna knjiga, najviše ćete uživati ​​i cijeniti je ako "O inteligenciji” prvo se čita.

“Tisuću mozgova” temelji se na najnovijim istraživanjima Jeffa Hawkinsa i tvrtke koju je osnovao tzv. numenta. Numenta ima primarni cilj razviti teoriju o tome kako neokorteks funkcionira, sekundarni cilj je kako se ova teorija o mozgu može primijeniti na strojno učenje i strojnu inteligenciju.

Numentino prvo veliko otkriće iz 2010. uključuje kako neuroni predviđaju, a drugo otkriće iz 2016. uključivalo je referentne okvire slične karti u neokorteksu. Knjiga prije svega detaljno opisuje što je "teorija tisuću mozgova", što su referentni okviri i kako teorija funkcionira u stvarnom svijetu. Jedna od najosnovnijih komponenti iza ove teorije je razumijevanje kako je neokorteks evoluirao do sadašnje veličine.

Neokorteks je u početku bio mali, slično drugim sisavcima, ali je eksponencijalno rastao (samo ograničen veličinom porođajnog kanala) ne stvarajući ništa novo, već ponavljajući kopiranje osnovnog sklopa. U biti, ono po čemu se ljudi razlikuju nije organski materijal mozga, već broj kopija identičnih elemenata koji tvore neokorteks.

Teorija dalje evoluira u to kako je neokorteks formiran s otprilike 150,000 XNUMX kortikalnih stupova koji nisu vidljivi pod mikroskopom jer nema vidljivih granica između njih. Način na koji ti kortikalni stupovi međusobno komuniciraju je implementacija temeljnog algoritma koji je odgovoran za svaki aspekt percepcije i inteligencije.

Što je još važnije, knjiga otkriva kako se ova teorija može primijeniti na izgradnju inteligentnih strojeva i moguće buduće implikacije za društvo. Na primjer, mozak uči model svijeta promatrajući kako se inputi mijenjaju tijekom vremena, posebno kada se primjenjuje kretanje. Kortikalni stupovi zahtijevaju referentni okvir koji je fiksiran na objekt, ti referentni okviri omogućuju kortikalnom stupu da nauči lokacije značajki koje definiraju realnosti objekta. U biti referentni okviri mogu organizirati bilo koju vrstu znanja. Ovo vodi do najvažnijeg dijela ove temeljne knjige, mogu li referentni okviri potencijalno biti vitalna karika koja nedostaje za izgradnju naprednijeg AI ili čak AGI sustava? Sam Jeff vjeruje u neizbježnu budućnost kada će AGI naučiti modele svijeta pomoću referentnih okvira sličnih karti sličnih neokorteksu, i obavio je izvanredan posao ilustrirajući zašto u to vjeruje.