Minden idők 6 legjobb gépi tanulással és mesterséges intelligenciával foglalkozó könyve (2024. május)

A mesterséges intelligencia világa félelmetes lehet a terminológia és a különböző gépi tanulási algoritmusok miatt. Miután elolvastam a gépi tanulásról szóló több mint 50 leginkább ajánlott könyvet, összeállítottam személyes listámat a kötelező olvasmányokról.

A kiválasztott könyvek azon alapulnak, hogy milyen típusú ötleteket vezetnek be, és milyen jól mutatják be a különböző fogalmakat, például a mély tanulást, a megerősítéses tanulást és a genetikai algoritmusokat. A legfontosabb, hogy a lista azokon a könyveken alapul, amelyek a legjobban egyengetik az utat a jövőkutatók és kutatók számára a bizonyíthatóan felelős és megmagyarázható mesterséges intelligencia felépítése felé.

# 6. Hogyan működik a mesterséges intelligencia: a varázslattól a tudományig írta: Ronald T. Kneusel

A „Hogyan működik az AI” egy tömör és világos könyv, amelynek célja a gépi tanulás alapvető alapjainak körvonalazása. Ez a könyv megkönnyíti a gépi tanulás gazdag történetének megismerését, az örökölt AI-rendszerek kezdetétől a kortárs módszertanok megjelenéséig vezető utat.

A történelem többrétegű, kezdve a jól megalapozott mesterséges intelligenciarendszerekkel, mint például a támogató vektorgépekkel, a döntési fákkal és a véletlenszerű erdőkkel. Ezek a korábbi rendszerek utat nyitottak az úttörő fejlődésnek, ami olyan kifinomultabb megközelítések kifejlesztéséhez vezetett, mint a neurális hálózatok és a konvolúciós neurális hálózatok. A könyv bemutatja a Large Language Models (LLM) által kínált hihetetlen képességeket, amelyek napjaink legmodernebb Generatív AI mögött állnak.

Az alapok megértése, mint például, hogy a zajból képbe technológia hogyan képes megismételni a meglévő képeket, és akár új, példátlan képeket hozhat létre látszólag véletlenszerű felszólításokból, elengedhetetlen a mai képgenerátorokat mozgató erők megértéséhez. Ez a könyv szépen kifejti ezeket az alapvető szempontokat, lehetővé téve az olvasók számára, hogy megértsék a képalkotási technológiák bonyolultságát és mögöttes mechanikáját.

Ron Kneusel, a szerző dicséretre méltó erőfeszítést tesz annak tisztázásával kapcsolatban, hogy az OpenAI ChatGPT-je és LLM-modellje miért jelenti az igazi mesterséges intelligencia kezdetét. Alaposan bemutatja, hogy a különböző LLM-ek milyen felbukkanó tulajdonságokat mutatnak, amelyek képesek intuitív módon megérteni az elme elméletét. Úgy tűnik, hogy ezek a kialakuló tulajdonságok hangsúlyosabbá és befolyásosabbá válnak a képzési modell mérete alapján. Kneusel azt taglalja, hogy a nagyobb mennyiségű paraméter általában hogyan eredményezi a legjártasabb és legsikeresebb LLM modelleket, mélyebb betekintést nyújtva ezeknek a modelleknek a skálázási dinamikájába és hatékonyságába.

Ez a könyv jelzőfény azoknak, akik többet szeretnének megtudni a mesterséges intelligencia világáról, és részletes, mégis érthető áttekintést nyújt a gépi tanulási technológiák evolúciós pályájáról, kezdetleges formáitól a mai úttörő entitásokig. Akár kezdő, akár a témában alapos ismeretekkel rendelkező személy, a „Hogyan működik az AI” célja, hogy kifinomult megértését nyújtsa a világunkat továbbra is formáló átalakuló technológiákról.

# 5. Élet 3.0 írta Max Tegmark

"Élet 3.0” ambiciózus célja van, és ez az, hogy feltárja annak lehetőségeit, hogyan fogunk együtt létezni az AI-val a jövőben. A mesterséges általános intelligencia (AGI) az esetleges és elkerülhetetlen következménye a intelligenciarobbanás érvelése Irving Good brit matematikus készítette 1965-ben. Ez az érvelés kimondja, hogy az emberfeletti intelligencia egy olyan gép eredménye lesz, amely folyamatosan képes önmagát fejleszteni. A hírszerzési robbanás híres idézete a következő:

„Legyen egy ultraintelligens gép olyan gép, amely messze felülmúlja bármely okos ember összes szellemi tevékenységét. Mivel a gépek tervezése az egyik ilyen szellemi tevékenység, egy ultraintelligens gép még jobb gépeket is tervezhet; akkor kétségtelenül „intelligenciarobbanás” következne be, és az ember intelligenciája messze elmaradna. Így az első ultraintelligens gép az utolsó találmány, amelyet az embernek valaha is meg kell alkotnia.”

Max Tegmark elindítja a könyvet az AGI által irányított világban való élet elméleti jövőjébe. Ettől a pillanattól kezdve olyan robbanékony kérdéseket tesznek fel, mint például, hogy mi az intelligencia? Mi az a memória? Mi a számítás? és mi a tanulás? Hogyan vezetnek ezek a kérdések és a lehetséges válaszok végül egy olyan gép paradigmájához, amely különféle típusú gépi tanulással képes elérni azokat az áttöréseket az önfejlesztésben, amelyek szükségesek az emberi szintű intelligencia és az ebből fakadó elkerülhetetlen szuperintelligencia eléréséhez?

A Life 3.0 ezeket az előrelátó gondolkodásmódokat és fontos kérdéseket vizsgálja. A Life 1.0 egyszerű életformák, például baktériumok, amelyek csak a DNS-ét módosító evolúció útján változhatnak. A Life 2.0 olyan életformák, amelyek újratervezhetik saját szoftvereiket, például megtanulhatnak egy új nyelvet vagy készségeket. A Life 3.0 egy olyan mesterséges intelligencia, amely nem csak a saját viselkedését és készségeit tudja módosítani, hanem saját hardverét is módosíthatja, például fejlesztheti robotizált énjét.

Csak ha megértjük az AGI előnyeit és buktatóit, akkor kezdhetjük el a lehetőségek áttekintését annak biztosítására, hogy olyan barátságos mesterséges intelligenciát építsünk, amely megfelel a céljainknak. Ennek érdekében talán azt is meg kell értenünk, mi a tudat? És miben fog különbözni az AI-tudat a sajátunktól?

Sok forró témát dolgozunk fel ebben a könyvben, és kötelező olvasmánynak kell lennie mindenkinek, aki valóban meg akarja érteni, hogy az AGI miként jelent potenciális fenyegetést, valamint az emberi civilizáció jövőjének lehetséges mentőöve.

# 4. Emberekkel kompatibilis: mesterséges intelligencia és az ellenőrzés problémája írta Stuart Russell

Mi történik, ha sikerül felépíteni egy intelligens ügynököt, valamit, ami észlel, cselekszik, és intelligensebb, mint alkotói? Hogyan győzzük meg a gépeket, hogy saját céljaik helyett a mi céljainkat érjék el?

A fentiekből következik a könyv egyik legfontosabb koncepciója "Emberekkel kompatibilis: mesterséges intelligencia és az ellenőrzés problémája” az, hogy el kell kerülnünk, hogy „célt tegyünk a gépezetbe”, ahogyan Norbert Wiener mondta egyszer. Az intelligens gép, amely túlságosan biztos a rögzített céljaiban, a veszélyes mesterséges intelligencia végső típusa. Más szóval, ha a mesterséges intelligencia nem hajlandó figyelembe venni annak lehetőségét, hogy rosszul hajtja végre előre beprogramozott célját és funkcióját, akkor elképzelhetetlen, hogy az AI rendszert leállítsa.

A Stuart Russell által felvázolt nehézség az AI/robot utasításában rejlik, hogy semmilyen utasított parancsot nem lehet elérni bármi áron. Nem szabad emberi életet feláldozni egy kávéért, vagy grillezni a macskát az ebédért. Meg kell érteni, hogy a „vigyél ki a repülőtérre, amilyen gyorsan csak lehet” nem jelenti azt, hogy megsértik a gyorshajtási törvényeket, még akkor sem, ha ez az utasítás nem egyértelmű. Ha a mesterséges intelligencia téved a fentiekben, akkor a hibabiztos egy bizonyos előre programozott bizonytalansági szint. Némi bizonytalanság mellett a mesterséges intelligencia megkérdőjelezheti magát a feladat elvégzése előtt, hogy esetleg szóbeli megerősítést kérjen.

Egy 1965-ös újságban „Spekulációk az első ultraintelligencia géppel kapcsolatbanIJ Good egy zseniális matematikus, aki Alan Turing mellett dolgozott, kijelentette: „Az ember túlélése egy ultraintelligens gép korai felépítésétől függ”. Teljesen lehetséges, hogy megóvjuk magunkat az ökológiai, biológiai és humanitárius katasztrófától, meg kell építenünk a lehető legfejlettebb mesterséges intelligenciát.

Ez az alapvetô cikk elmagyarázza az intelligenciarobbanást, ez az elmélet szerint egy ultraintelligens gép minden iterációval még jobb és jobb gépeket tud tervezni, és ez elkerülhetetlenül egy AGI létrehozásához vezet. Bár az AGI kezdetben ugyanolyan intelligenciájú lehet, mint egy ember, rövid időn belül gyorsan felülmúlja az embereket. Ennek az előre eldöntött következtetésnek köszönhetően fontos, hogy a mesterséges intelligencia fejlesztői megvalósítsák a könyvben ismertetett alapelveket, és megtanulják, hogyan alkalmazzák ezeket biztonságosan olyan mesterséges intelligencia rendszerek tervezésére, amelyek nemcsak az emberek kiszolgálására, hanem az emberek megmentésére is képesek önmaguktól. .

Amint azt Stuart Russell felvázolta, az AI-kutatástól való visszavonulás nem lehetséges, előre kell lépnünk. Ez a könyv egy útiterv, amely elvezet bennünket a biztonságos, felelősségteljes és bizonyíthatóan előnyös AI-rendszerek tervezéséhez.

# 3. Hogyan teremtsünk elmét írta: Ray Kurzweil

Ray Kurzweil az a világ egyik vezető feltalálója, gondolkodója és jövőkutatója, úgy emlegették „a nyughatatlan zseni” a The Wall Street Journal-tól és „a végső gondolkodó gépezet” a Forbes magazintól. Társalapítója a Singularity University-nek is, és leginkább a „The Singularity is Near” című, úttörő könyvéről ismert. "Hogyan teremtsünk elmét” kevésbé foglalkozik az exponenciális növekedés kérdéseivel, amelyek a többi munkáját fémjelzik, ehelyett arra összpontosít, hogyan kell megértenünk az emberi agyat ahhoz, hogy visszafejlesszük a végső gondolkodó gépezet létrehozásához.

Ebben az alapvető munkában felvázolt egyik alapelv az, hogy hogyan működik a mintafelismerés az emberi agyban. Hogyan ismerik fel az emberek a mindennapi élet mintáit? Hogyan jönnek létre ezek a kapcsolatok az agyban? A könyv a hierarchikus gondolkodás megértésével kezdődik, ez egy olyan szerkezet megértése, amely különböző elemekből áll, amelyek egy minta szerint vannak elrendezve, ez az elrendezés azután egy szimbólumot, például betűt vagy karaktert képvisel, majd ez tovább rendeződik egy fejlettebb mintába. például egy szót és végül egy mondatot. Végül ezek a minták alkotnak ötleteket, és ezek az ötletek átalakulnak olyan termékekké, amelyek megalkotásáért az emberek felelősek.

Mivel ez egy Ray Kurzweil könyv, természetesen nem tart sokáig az exponenciális gondolkodás bevezetése előtt. A "A gyorsuló hozamok törvénye' - ez az alapjellegű könyv ismertetőjele. Ez a törvény bemutatja, hogyan gyorsulnak a technológiák és a gyorsulás üteme annak következtében, hogy a fejlődés önmagukkal táplálkozik, tovább növelve a fejlődés ütemét. Ezt a gondolkodást azután arra lehet alkalmazni, hogy milyen gyorsan tanuljuk meg az emberi agy megértését és visszafejtését. Az emberi agy mintafelismerő rendszereinek felgyorsult megértése azután alkalmazható egy AGI-rendszer felépítésére.

Ez a könyv annyira átalakította a mesterséges intelligencia jövőjét, hogy Eric Schmidt felvette Ray Kurzweilt, hogy AI-projekteken dolgozzon, miután elolvasta ezt az alapvető könyvet. Lehetetlen felvázolni az összes ötletet és koncepciót, amelyeket egy rövid cikkben tárgyalunk, mindazonáltal ez egy kötelező olvasmányos könyv, hogy jobban megértsük, hogyan működnek az emberi neurális hálózatok egy fejlett hálózat megtervezéséhez. mesterséges idegi hálózat.

A mintafelismerés a mély tanulás kulcseleme, és ez a könyv szemlélteti, hogy miért.

# 2. A mester algoritmus írta: Pedro Domingos

A központi hipotézis a A mester algoritmus az, hogy minden tudás – a múlt, a jelen és a jövő – egyetlen, univerzális tanulási algoritmussal származtatható adatokból, amely mesteralgoritmusként számszerűsíthető. A könyv részletez néhány legjobb gépi tanulási módszert, részletes magyarázatot ad a különböző algoritmusok működésére, optimalizálására, valamint arra, hogy milyen együttműködésben dolgozhatnak a mester algoritmus létrehozásának végső céljának elérése érdekében. Ez egy olyan algoritmus, amely bármilyen problémát képes megoldani, amelyből táplálkozunk, beleértve a rák gyógyítását is.

Az olvasó azzal kezdi, hogy megismeri Naiv Bayes, egy egyszerű algoritmus, amely egyetlen egyszerű egyenlettel magyarázható. Innentől teljes sebességgel felgyorsítja az érdekesebb gépi tanulási technikákat. Annak érdekében, hogy megértsük azokat a technológiákat, amelyek felgyorsítanak bennünket e mesteralgoritmus felé, megismerjük a konvergáló alapokat. Először is, az idegtudományból megismerjük az agy plaszticitását, az emberi neurális hálózatokat. Másodszor, egy leckében áttérünk a természetes szelekcióra, hogy megértsük, hogyan lehet megtervezni egy genetikai algoritmust, amely szimulálja az evolúciót és a természetes szelekciót. Egy genetikai algoritmussal minden generációban a hipotézisek populációja keresztezi egymást és mutálódik, onnantól a legalkalmasabb algoritmusok hozzák létre a következő generációt. Ez az evolúció kínálja a végső önfejlesztést.

Más érvek a fizikából, a statisztikából és természetesen a számítástechnika legjavából származnak. Lehetetlen átfogóan áttekinteni a könyv által érintett különböző szempontokat, mivel a könyvek ambiciózusan határozzák meg a Mester Algoritmus felépítésének kereteit. Ez a keret tette ezt a könyvet a második helyre, mivel az összes többi gépi tanulási könyv valamilyen formában vagy formában erre épül.

# 1. Ezer Agy írta: Jeff Hawkins

"Ezer Agy” azokra a fogalmakra épít, amelyeket Jeff Hawkins előző, „Az intelligenciáról” című könyvében tárgyalt. Az „Intelligencia” című kiadvány az emberi intelligencia működésének megértésének kereteit tárta fel, és hogyan alkalmazhatók ezek a koncepciók a végső AI és AGI rendszerek felépítésére. Alapvetően elemzi, hogy agyunk hogyan jósolja meg, hogy mit fogunk tapasztalni, mielőtt megtapasztalnánk.

Míg az „Ezer agy” egy nagyszerű önálló könyv, akkor a legjobban élvezhető és értékelhető, ha „Az Intelligenciáról” olvasható először.

Az „A Thousand Brains” Jeff Hawkins és az általa alapított cég legújabb kutatására épít. numenta. A Numenta elsődleges célja egy elmélet kidolgozása a neokortex működéséről, a másodlagos célja pedig az, hogy ezt az agyelméletet hogyan lehet alkalmazni a gépi tanulásra és a gépi intelligenciára.

A Numenta első jelentős felfedezése 2010-ben azt mutatja be, hogy a neuronok hogyan tesznek jóslatokat, a második felfedezés 2016-ban pedig térképszerű referenciakereteket tartalmazott a neokortexben. A könyv mindenekelőtt azt részletezi, hogy mi az „ezer Agy elmélet”, mik a referenciakeretek, és hogyan működik az elmélet a való világban. Ennek az elméletnek az egyik legalapvetőbb összetevője annak megértése, hogyan fejlődött a neokortex jelenlegi méretére.

A neokortex kicsinek indult, hasonlóan más emlősökhöz, de exponenciálisan nagyobbra nőtt (csak a születési csatorna mérete korlátozza), nem új létrehozásával, hanem egy alapkör ismételt másolásával. Lényegében nem az agy szerves anyaga különbözteti meg az embereket, hanem a neokortexet alkotó azonos elemek másolatainak száma.

Az elmélet tovább fejlődik, hogy a neokortex körülbelül 150,000 XNUMX kérgioszlopból alakuljon ki, amelyek mikroszkóp alatt nem láthatók, mivel nincsenek látható határok közöttük. Az, hogy ezek a kérgi oszlopok hogyan kommunikálnak egymással, egy alapvető algoritmus megvalósítása, amely az észlelés és az intelligencia minden aspektusáért felelős.

Ennél is fontosabb, hogy a könyv feltárja, hogyan lehet ezt az elméletet alkalmazni az intelligens gépek építésére, és milyen lehetséges jövőbeli következményei lehetnek a társadalom számára. Például az agy megtanulja a világ modelljét azáltal, hogy megfigyeli, hogyan változnak a bemenetek az idő múlásával, különösen, ha mozgást alkalmaznak. A kérgi oszlopokhoz egy objektumhoz rögzített referenciakeretre van szükség, ezek a referenciakeretek lehetővé teszik, hogy a kérgi oszlop megtanulja az objektum valóságát meghatározó jellemzők helyét. A referenciakeretek lényegében bármilyen típusú tudást képesek rendszerezni. Ez elvezet ennek az alapvető könyvnek a legfontosabb részéhez. Lehetséges, hogy a referenciakeretek a létfontosságú hiányzó láncszemek egy fejlettebb mesterséges intelligencia vagy akár egy AGI rendszer felépítésében? Jeff maga is hisz az elkerülhetetlen jövőben, amikor egy AGI a neocortexhez hasonló térképszerű referenciakeretekkel tanulja meg a világ modelljeit, és figyelemre méltó munkát végez annak szemléltetésére, hogy miért hiszi ezt el.