6 Buku Machine Learning & AI Terbaik Sepanjang Masa (Mei 2024)

Dunia AI bisa jadi menakutkan karena terminologi dan algoritma pembelajaran mesin berbeda yang tersedia. Setelah membaca lebih dari 50 buku yang paling direkomendasikan tentang pembelajaran mesin, saya telah menyusun daftar pribadi buku-buku yang harus saya baca.

Buku-buku yang dipilih didasarkan pada jenis ide yang diperkenalkan, dan seberapa baik konsep yang berbeda seperti pembelajaran mendalam, pembelajaran penguatan, dan algoritme genetik disajikan. Yang terpenting, daftar ini didasarkan pada buku-buku yang paling baik membuka jalan bagi para futuris dan peneliti untuk membangun AI yang terbukti bertanggung jawab dan dapat dijelaskan.

# 6. Cara Kerja AI: Dari Sihir ke Sains oleh Ronald T.Kneusel

“How AI Works” adalah buku ringkas dan jelas yang dirancang untuk menggambarkan dasar-dasar inti pembelajaran mesin. Buku ini memfasilitasi pembelajaran tentang kekayaan sejarah pembelajaran mesin, mulai dari awal mula sistem AI lama hingga munculnya metodologi kontemporer.

Sejarahnya berlapis-lapis, dimulai dengan sistem AI yang sudah mapan seperti mesin vektor pendukung, pohon keputusan, dan hutan acak. Sistem sebelumnya ini membuka jalan bagi kemajuan inovatif, yang mengarah pada pengembangan pendekatan yang lebih canggih seperti jaringan saraf dan jaringan saraf konvolusional. Buku ini membahas kemampuan luar biasa yang ditawarkan oleh Large Language Models (LLMs), yang merupakan pembangkit tenaga listrik di balik AI Generatif yang canggih saat ini.

Memahami dasar-dasarnya, seperti bagaimana teknologi noise-to-image dapat mereplikasi citra yang sudah ada dan bahkan menciptakan gambar baru yang belum pernah ada sebelumnya dari perintah yang tampaknya acak, sangatlah penting dalam memahami kekuatan yang mendorong generator gambar saat ini. Buku ini dengan indah menjelaskan aspek-aspek mendasar ini, memungkinkan pembaca memahami seluk-beluk dan mekanisme yang mendasari teknologi pembuatan gambar.

Ron Kneusel, penulisnya, menunjukkan upaya terpuji dalam menjelaskan perspektifnya tentang mengapa ChatGPT OpenAI dan model LLM-nya menandakan awal dari AI yang sebenarnya. Dia dengan cermat menyajikan bagaimana LLM yang berbeda menunjukkan sifat-sifat yang muncul yang mampu memahami teori pikiran secara intuitif. Properti yang muncul ini tampaknya menjadi lebih jelas dan berpengaruh berdasarkan ukuran model pelatihan. Kneusel membahas bagaimana jumlah parameter yang lebih besar biasanya menghasilkan model LLM yang paling mahir dan sukses, memberikan wawasan lebih dalam mengenai dinamika penskalaan dan kemanjuran model ini.

Buku ini adalah panduan bagi mereka yang ingin mempelajari lebih lanjut tentang dunia AI, dengan menawarkan gambaran rinci namun dapat dipahami mengenai lintasan evolusi teknologi pembelajaran mesin, mulai dari bentuk dasar hingga entitas pionir saat ini. Baik Anda seorang pemula atau seseorang yang sangat memahami subjek ini, “Cara Kerja AI” dirancang untuk memberi Anda pemahaman yang lebih baik tentang teknologi transformatif yang terus membentuk dunia kita.

# 5. Hidup 3.0 oleh Max Tegmark

"Hidup 3.0” memiliki tujuan yang ambisius dan itu adalah untuk mengeksplorasi kemungkinan bagaimana kita akan hidup berdampingan dengan AI di masa depan. Kecerdasan Umum Buatan (AGI) adalah konsekuensi akhir dan tak terelakkan dari argumen ledakan intelijen dibuat oleh matematikawan Inggris Irving Good pada tahun 1965. Argumen ini menetapkan bahwa kecerdasan manusia super akan menjadi hasil dari sebuah mesin yang dapat terus meningkatkan diri. Kutipan terkenal untuk ledakan intelijen adalah sebagai berikut:

“Biarlah mesin ultrainteligen didefinisikan sebagai mesin yang jauh melampaui semua aktivitas intelektual manusia, betapapun pandainya. Karena desain mesin adalah salah satu dari aktivitas intelektual ini, mesin yang sangat cerdas dapat merancang mesin yang lebih baik lagi; maka tidak diragukan lagi akan ada 'ledakan kecerdasan', dan kecerdasan manusia akan tertinggal jauh. Jadi mesin ultra-cerdas pertama adalah penemuan terakhir yang perlu dibuat manusia.”

Max Tegmark meluncurkan buku tersebut ke masa depan teoretis untuk hidup di dunia yang dikendalikan oleh AGI. Mulai saat ini dan seterusnya pertanyaan-pertanyaan eksplosif diajukan seperti apakah kecerdasan itu? Apa itu memori? Apa itu komputasi? dan, apa itu belajar? Bagaimana pertanyaan dan kemungkinan jawaban ini pada akhirnya mengarah pada paradigma mesin yang dapat menggunakan berbagai jenis pembelajaran mesin untuk mencapai terobosan dalam peningkatan diri yang diperlukan untuk mencapai kecerdasan tingkat manusia, dan hasil superintelligence yang tak terelakkan?

Ini adalah jenis pemikiran ke depan dan pertanyaan penting yang dieksplorasi Life 3.0. Life 1.0 adalah bentuk kehidupan sederhana seperti bakteri yang hanya dapat berubah melalui evolusi yang mengubah DNA-nya. Life 2.0 adalah bentuk kehidupan yang dapat mendesain ulang perangkat lunak mereka sendiri seperti mempelajari bahasa atau keterampilan baru. Life 3.0 adalah AI yang tidak hanya dapat mengubah perilaku dan keterampilannya sendiri, tetapi juga dapat memodifikasi perangkat kerasnya sendiri, misalnya meningkatkan robotnya sendiri.

Hanya ketika kita memahami manfaat dan kekurangan AGI, barulah kita dapat mulai meninjau opsi untuk memastikan bahwa kita membangun AI yang bersahabat daripada yang dapat selaras dengan tujuan kita. Untuk melakukan ini kita mungkin juga perlu memahami apa itu kesadaran? Dan bagaimana kesadaran AI berbeda dari kita?

Banyak topik hangat yang digali dalam buku ini, dan harus menjadi bacaan wajib bagi siapa saja yang benar-benar ingin memahami bagaimana AGI merupakan potensi ancaman, sekaligus menjadi jalur potensial bagi masa depan peradaban manusia.

# 4. Kompatibel dengan Manusia: Kecerdasan Buatan dan Masalah Kontrol oleh Stuart Russell

Apa yang terjadi jika kita berhasil membangun agen yang cerdas, sesuatu yang merasakan, yang bertindak, dan yang lebih cerdas dari penciptanya? Bagaimana kita meyakinkan mesin untuk mencapai tujuan kita daripada tujuan mereka sendiri?

Di atas adalah apa yang mengarah ke salah satu konsep terpenting dari buku ini “Kompatibel dengan Manusia: Kecerdasan Buatan dan Masalah Kontroladalah bahwa kita harus menghindari "memasukkan tujuan ke dalam mesin", seperti yang pernah dikatakan Norbert Wiener. Mesin cerdas yang terlalu yakin dengan tujuan tetapnya adalah jenis AI yang paling berbahaya. Dengan kata lain, jika AI menjadi tidak mau mempertimbangkan kemungkinan kesalahan dalam menjalankan tujuan dan fungsi yang telah diprogram sebelumnya, maka sistem AI mungkin tidak dapat dimatikan dengan sendirinya.

Kesulitan yang digariskan oleh Stuart Russell adalah dalam menginstruksikan AI/robot bahwa tidak ada perintah yang diinstruksikan yang dimaksudkan untuk dicapai dengan biaya berapa pun. Tidak baik mengorbankan nyawa manusia untuk mengambil kopi, atau memanggang kucing untuk menyediakan makan siang. Harus dipahami bahwa “bawa saya ke bandara secepat mungkin”, tidak berarti bahwa undang-undang ngebut dapat dilanggar, meskipun instruksi ini tidak eksplisit. Jika AI melakukan kesalahan di atas, maka fail safe adalah tingkat ketidakpastian tertentu yang telah diprogram sebelumnya. Dengan beberapa ketidakpastian, AI dapat menantang dirinya sendiri sebelum menyelesaikan tugas, mungkin mencari konfirmasi verbal.

Dalam makalah tahun 1965 berjudul “Spekulasi Mengenai Mesin Ultra Intelijen Pertama“, IJ Good seorang ahli matematika brilian yang bekerja bersama Alan Turing menyatakan, “Kelangsungan hidup manusia bergantung pada konstruksi awal mesin ultraintelligent”. Sangat mungkin untuk menyelamatkan diri dari bencana ekologis, biologis, dan kemanusiaan, kita harus membangun AI tercanggih yang kita bisa.

Makalah mani ini menjelaskan ledakan kecerdasan, teori ini adalah bahwa mesin ultraintelligent dapat merancang mesin yang lebih baik dan lebih unggul dengan setiap iterasi, dan ini pasti mengarah pada penciptaan AGI. Sementara AGI mungkin awalnya memiliki kecerdasan yang sama dengan manusia, itu akan dengan cepat melampaui manusia dalam rentang waktu yang singkat. Karena kesimpulan sebelumnya ini, penting bagi pengembang AI untuk mengaktualisasikan prinsip-prinsip inti yang dibagikan dalam buku ini dan mempelajari cara menerapkannya dengan aman untuk merancang sistem AI yang tidak hanya mampu melayani manusia, tetapi juga menyelamatkan manusia dari diri mereka sendiri. .

Seperti yang digariskan oleh Stuart Russell, mundur dari penelitian AI bukanlah suatu pilihan, kita harus maju terus. Buku ini adalah panduan untuk memandu kita dalam merancang sistem AI yang aman, bertanggung jawab, dan terbukti bermanfaat.

# 3. Cara Membuat Pikiran oleh Ray Kurzweil

Ray Kurzweil adalah salah satu penemu, pemikir, dan futuris terkemuka di dunia, dia telah disebut sebagai "jenius yang gelisah" oleh The Wall Street Journal dan "mesin pemikir ulung" oleh majalah Forbes. Dia juga merupakan Co-Founder dari Singularity University, dan dia terkenal karena buku terobosannya “The Singularity is Near”. “Cara Membuat Pikiran” kurang menangani masalah pertumbuhan eksponensial yang merupakan ciri khas dari karyanya yang lain, melainkan berfokus pada bagaimana kita perlu memahami otak manusia untuk merekayasa baliknya untuk menciptakan mesin berpikir pamungkas.

Salah satu prinsip inti yang digariskan dalam karya mani ini adalah bagaimana pengenalan pola bekerja di otak manusia. Bagaimana cara manusia mengenali pola dalam kehidupan sehari-hari? Bagaimana koneksi ini terbentuk di otak? Buku ini diawali dengan memahami pemikiran hirarkis, yaitu memahami suatu struktur yang tersusun dari berbagai elemen yang tersusun dalam suatu pola, susunan ini kemudian merepresentasikan suatu simbol seperti huruf atau karakter, kemudian hal ini disusun lebih lanjut menjadi pola yang lebih maju. seperti sebuah kata, dan akhirnya sebuah kalimat. Akhirnya pola-pola ini membentuk ide, dan ide-ide ini diubah menjadi produk yang dibuat oleh manusia.

Karena ini adalah buku Ray Kurzweil, tentu saja tidak butuh waktu lama sebelum pemikiran eksponensial diperkenalkan. “Hukum Mempercepat Pengembalian' adalah ciri khas dari buku mani ini. Undang-undang ini menunjukkan bagaimana teknologi dan laju akselerasi semakin cepat karena kecenderungan kemajuan untuk memakan diri mereka sendiri, semakin meningkatkan laju kemajuan. Pemikiran ini kemudian dapat diterapkan pada seberapa cepat kita belajar memahami dan merekayasa balik otak manusia. Pemahaman yang dipercepat tentang sistem pengenalan pola di otak manusia ini kemudian dapat diterapkan untuk membangun sistem AGI.

Buku ini sangat mengubah masa depan AI, sehingga Eric Schmidt merekrut Ray Kurzweil untuk mengerjakan proyek AI setelah dia selesai membaca buku mani ini. Tidak mungkin untuk menguraikan semua ide, dan konsep yang dibahas dalam artikel pendek, namun ini adalah buku yang harus dibaca instrumental untuk lebih memahami bagaimana jaringan saraf manusia bekerja untuk merancang yang canggih. jaringan saraf tiruan.

Pengenalan pola adalah elemen kunci untuk pembelajaran mendalam, dan buku ini menjelaskan alasannya.

# 2. Algoritma Master oleh Pedro Domingos

Hipotesis sentral dari Algoritma Master adalah bahwa semua pengetahuan - masa lalu, sekarang, dan masa depan - dapat diturunkan dari data oleh satu algoritma pembelajaran universal yang dikuantifikasi sebagai Algoritma Master. Buku ini merinci beberapa metodologi pembelajaran mesin teratas, memberikan penjelasan terperinci tentang cara kerja algoritme yang berbeda, bagaimana algoritme tersebut dapat dioptimalkan, dan seberapa kolaboratifnya dapat bekerja untuk mencapai tujuan akhir pembuatan algoritme Master. Ini adalah algoritme yang mampu menyelesaikan masalah apa pun yang kita beri makan, dan ini termasuk menyembuhkan kanker.

Pembaca akan memulai dengan mempelajari tentang Bayes naif, sebuah algoritma sederhana yang dapat dijelaskan dalam satu persamaan sederhana. Dari situ ia mempercepat kecepatan penuh menjadi teknik pembelajaran mesin yang lebih menarik. Untuk memahami teknologi yang mempercepat kita menuju algoritme master ini, kita belajar tentang fundamental konvergen. Pertama, dari ilmu saraf kita belajar tentang plastisitas otak, jaringan saraf manusia. Kedua, kita beralih ke seleksi alam dalam pelajaran untuk memahami bagaimana merancang algoritme genetika yang mensimulasikan evolusi dan seleksi alam. Dengan algoritma genetika, populasi hipotesis di setiap generasi saling silang dan bermutasi, dari sana algoritma yang paling cocok menghasilkan generasi berikutnya. Evolusi ini menawarkan yang paling dalam perbaikan diri.

Argumen lain datang dari fisika, statistik, dan tentu saja ilmu komputer terbaik. Tidak mungkin meninjau secara komprehensif semua aspek berbeda yang disinggung buku ini, karena ruang lingkup buku yang ambisius untuk menyusun kerangka kerja untuk membangun Algoritma Master. Kerangka kerja inilah yang mendorong buku ini ke posisi kedua, karena semua buku pembelajaran mesin lainnya membangunnya dalam beberapa bentuk atau bentuk.

# 1. Seribu Otak oleh Jeff Hawkins

"Seribu Otak” dibangun di atas konsep yang dibahas dalam buku sebelumnya oleh Jeff Hawkins berjudul “On Intelligence”. “On Intelligence” menjelajahi kerangka kerja untuk memahami cara kerja kecerdasan manusia, dan bagaimana konsep ini kemudian dapat diterapkan untuk membangun sistem AI dan AGI terbaik. Ini pada dasarnya menganalisis bagaimana otak kita memprediksi apa yang akan kita alami sebelum kita mengalaminya.

Meskipun “A Thousand Brains” adalah buku mandiri yang bagus, akan lebih baik dinikmati dan diapresiasi jika “Tentang Kecerdasan” dibaca terlebih dahulu.

“A Thousand Brains” dibangun berdasarkan penelitian terbaru oleh Jeff Hawkins dan perusahaan yang ia dirikan bernama angka. Numenta memiliki tujuan utama untuk mengembangkan teori tentang cara kerja neokorteks, tujuan sekundernya adalah bagaimana teori otak ini dapat diterapkan pada pembelajaran mesin dan kecerdasan mesin.

Penemuan besar pertama Numenta pada tahun 2010 mensyaratkan bagaimana neuron membuat prediksi, dan penemuan kedua pada tahun 2016 melibatkan kerangka referensi seperti peta di neokorteks. Buku ini merinci pertama dan terutama apa itu "Teori Seribu Otak", apa itu kerangka acuan, dan bagaimana teori itu bekerja di dunia nyata. Salah satu komponen paling mendasar di balik teori ini adalah memahami bagaimana neokorteks berevolusi menjadi ukurannya saat ini.

Neokorteks mulai kecil, mirip dengan mamalia lain, tetapi tumbuh lebih besar secara eksponensial (hanya dibatasi oleh ukuran jalan lahir) bukan dengan menciptakan sesuatu yang baru, tetapi dengan menyalin sirkuit dasar berulang kali. Intinya, yang membedakan manusia bukanlah bahan organik otak, melainkan jumlah salinan unsur-unsur identik yang membentuk neokorteks.

Teori selanjutnya berkembang menjadi bagaimana neokorteks terbentuk dengan sekitar 150,000 kolom kortikal yang tidak terlihat di bawah mikroskop karena tidak ada batas yang terlihat di antara keduanya. Bagaimana kolom-kolom kortikal ini berkomunikasi satu sama lain, adalah penerapan algoritme dasar yang bertanggung jawab atas setiap aspek persepsi dan kecerdasan.

Lebih penting lagi, buku ini mengungkap bagaimana teori ini dapat diterapkan untuk membangun mesin cerdas, dan kemungkinan implikasinya di masa depan bagi masyarakat. Misalnya, otak mempelajari model dunia dengan mengamati bagaimana input berubah seiring waktu, terutama saat gerakan diterapkan. Kolom kortikal memerlukan kerangka acuan yang ditetapkan pada suatu objek, kerangka acuan ini memungkinkan kolom kortikal mempelajari lokasi fitur yang menentukan realitas suatu objek. Pada dasarnya kerangka acuan dapat mengatur semua jenis pengetahuan. Ini mengarah ke bagian terpenting dari buku mani ini, dapatkah kerangka referensi berpotensi menjadi mata rantai penting yang hilang untuk membangun AI yang lebih maju atau bahkan sistem AGI? Jeff sendiri percaya akan masa depan yang tak terelakkan ketika AGI akan mempelajari model dunia menggunakan kerangka referensi seperti peta yang mirip dengan neokorteks, dan dia melakukan pekerjaan luar biasa yang mengilustrasikan mengapa dia mempercayai hal ini.