I 6 migliori libri sull'apprendimento automatico e sull'intelligenza artificiale di tutti i tempi (maggio 2024)

Il mondo dell’intelligenza artificiale può intimidire a causa della terminologia e dei diversi algoritmi di apprendimento automatico disponibili. Dopo aver letto oltre 50 dei libri più consigliati sull'apprendimento automatico, ho compilato la mia lista personale di libri da leggere.

I libri che sono stati scelti si basano sui tipi di idee introdotte e su come vengono presentati concetti diversi come deep learning, apprendimento per rinforzo e algoritmi genetici. Ancora più importante, l'elenco si basa sui libri che meglio aprono la strada a futuristi e ricercatori verso la costruzione di un'IA dimostrabilmente responsabile e spiegabile.

#6. Come funziona l'intelligenza artificiale: dalla stregoneria alla scienza di Ronald T. Kneusel

"How AI Works" è un libro conciso e chiaro progettato per delineare i fondamenti fondamentali dell'apprendimento automatico. Questo libro facilita l'apprendimento della ricca storia dell'apprendimento automatico, viaggiando dalla nascita dei sistemi di intelligenza artificiale legacy all'avvento delle metodologie contemporanee.

La storia è stratificata, a partire dai sistemi di intelligenza artificiale ben fondati come le macchine vettoriali di supporto, gli alberi decisionali e le foreste casuali. Questi sistemi precedenti hanno aperto la strada a progressi rivoluzionari, portando allo sviluppo di approcci più sofisticati come le reti neurali e le reti neurali convoluzionali. Il libro discute le incredibili capacità offerte dai Large Language Models (LLM), che rappresentano il motore dell'attuale intelligenza artificiale generativa all'avanguardia.

Comprendere le nozioni di base, ad esempio il modo in cui la tecnologia noise-to-image può replicare le immagini esistenti e persino creare immagini nuove e senza precedenti da suggerimenti apparentemente casuali, è fondamentale per comprendere le forze che muovono i generatori di immagini di oggi. Questo libro spiega magnificamente questi aspetti fondamentali, consentendo ai lettori di comprendere le complessità e i meccanismi sottostanti delle tecnologie di generazione di immagini.

Ron Kneusel, l'autore, dimostra uno sforzo encomiabile nel chiarire le sue prospettive sul motivo per cui ChatGPT di OpenAI e il suo modello LLM rappresentano l'inizio della vera intelligenza artificiale. Presenta meticolosamente come i LLM distinti mostrino proprietà emergenti in grado di comprendere intuitivamente la teoria della mente. Queste proprietà emergenti sembrano diventare più pronunciate e influenti in base alla dimensione del modello di formazione. Kneusel discute di come una maggiore quantità di parametri di solito si traduca nei modelli LLM più efficienti e di successo, fornendo approfondimenti sulle dinamiche di scalabilità e sull'efficacia di questi modelli.

Questo libro è un faro per coloro che desiderano saperne di più sul mondo dell'intelligenza artificiale, offrendo una panoramica dettagliata ma comprensibile della traiettoria evolutiva delle tecnologie di apprendimento automatico, dalle loro forme rudimentali alle entità pionieristiche di oggi. Che tu sia un principiante o qualcuno con una conoscenza approfondita dell'argomento, "How AI Works" è progettato per fornirti una comprensione raffinata delle tecnologie trasformative che continuano a modellare il nostro mondo.

#5. vita 3.0 di Max Tegmark

"vita 3.0" ha un obiettivo ambizioso ed è quello di esplorare le possibilità di come coesisteremo con l'IA in futuro. L'Artificial General Intelligence (AGI) è l'eventuale e inevitabile conseguenza del argomento dell'esplosione dell'intelligence realizzato dal matematico britannico Irving Good nel 1965. Questo argomento stabilisce che l'intelligenza sovrumana sarà il risultato di una macchina che può auto-migliorarsi continuamente. La famosa citazione per l'esplosione dell'intelligence è la seguente:

“Lascia che una macchina ultraintelligente sia definita come una macchina che può superare di gran lunga tutte le attività intellettuali di qualsiasi uomo, per quanto intelligente. Poiché la progettazione di macchine è una di queste attività intellettuali, una macchina ultraintelligente potrebbe progettare macchine ancora migliori; ci sarebbe quindi indiscutibilmente un'"esplosione di intelligenza" e l'intelligenza dell'uomo sarebbe lasciata molto indietro. Quindi la prima macchina ultraintelligente è l'ultima invenzione che l'uomo abbia mai bisogno di fare.

Max Tegmark lancia il libro in un futuro teorico della vita in un mondo controllato da un'AGI. Da questo momento in poi vengono poste domande esplosive come cos'è l'intelligenza? Cos'è la memoria? Cos'è il calcolo? e cos'è l'apprendimento? In che modo queste domande e le possibili risposte alla fine portano al paradigma di una macchina che può utilizzare vari tipi di apprendimento automatico per raggiungere i progressi nell'auto-miglioramento necessari per raggiungere l'intelligenza a livello umano e l'inevitabile superintelligenza risultante?

Questi sono il tipo di lungimiranza e le domande importanti che Life 3.0 esplora. La vita 1.0 è costituita da semplici forme di vita come i batteri che possono cambiare solo attraverso l'evoluzione che ne modifica il DNA. I Life 2.0 sono forme di vita che possono riprogettare il proprio software come l'apprendimento di una nuova lingua o abilità. Life 3.0 è un'intelligenza artificiale che non solo può modificare il proprio comportamento e le proprie abilità, ma può anche modificare il proprio hardware, ad esempio aggiornando il proprio sé robotico.

Solo quando comprendiamo i vantaggi e le insidie ​​di un AGI, possiamo quindi iniziare a rivedere le opzioni per assicurarci di costruire un'IA amichevole che possa allinearsi con i nostri obiettivi. Per fare questo potremmo anche aver bisogno di capire cos'è la coscienza? E in che modo la coscienza dell'IA differirà dalla nostra?

Ci sono molti argomenti caldi che vengono esplorati in questo libro e dovrebbe essere una lettura obbligatoria per chiunque desideri veramente capire come l'AGI sia una potenziale minaccia, oltre ad essere una potenziale ancora di salvezza per il futuro della civiltà umana.

#4. Compatibile con l'uomo: l'intelligenza artificiale e il problema del controllo di Stuart Russel

Cosa succede se riusciamo a costruire un agente intelligente, qualcosa che percepisce, che agisce e che è più intelligente dei suoi creatori? Come convinceremo le macchine a raggiungere i nostri obiettivi invece dei loro stessi?

Quanto sopra è ciò che porta a uno dei concetti più importanti del libro”Compatibile con l'uomo: l'intelligenza artificiale e il problema del controllo” è che dobbiamo evitare di “mettere uno scopo nella macchina”, come disse una volta Norbert Wiener. Una macchina intelligente che è troppo certa dei suoi obiettivi prefissati è il tipo definitivo di IA pericolosa. In altre parole, se l'IA diventa riluttante a considerare la possibilità che abbia torto nell'eseguire il suo scopo e la sua funzione pre-programmati, allora potrebbe essere impossibile che il sistema di IA si spenga da solo.

La difficoltà, come delineata da Stuart Russell, sta nell'istruire l'IA/robot che nessun comando istruito è destinato ad essere ottenuto ad ogni costo. Non va bene sacrificare la vita umana per andare a prendere un caffè, o grigliare il gatto per fornire il pranzo. Deve essere chiaro che "portami all'aeroporto il più velocemente possibile", non implica che le leggi sulla velocità possano essere violate, anche se questa istruzione non è esplicita. Se l'intelligenza artificiale dovesse sbagliare quanto sopra, allora il fail safe è un certo livello di incertezza pre-programmato. Con una certa incertezza, l'IA può sfidare se stessa prima di completare un compito, forse per cercare una conferma verbale.

In un articolo del 1965 intitolato "Speculazioni riguardanti la prima macchina ultraintelligente“, IJ Good, un brillante matematico che ha lavorato al fianco di Alan Turing, ha affermato: “La sopravvivenza dell'uomo dipende dalla prima costruzione di una macchina ultraintelligente”. È del tutto possibile che per salvarci dal disastro ecologico, biologico e umanitario dobbiamo costruire l'IA più avanzata possibile.

Questo documento seminale spiega l'esplosione dell'intelligenza, questa teoria è che una macchina ultraintelligente può progettare macchine ancora migliori e superiori ad ogni iterazione, e questo porta inevitabilmente alla creazione di un AGI. Sebbene l'AGI possa inizialmente essere di pari intelligenza per un essere umano, supererebbe rapidamente gli umani in un breve lasso di tempo. A causa di questa conclusione scontata, è importante per gli sviluppatori di intelligenza artificiale attualizzare i principi fondamentali condivisi in questo libro e imparare come applicarli in sicurezza alla progettazione di sistemi di intelligenza artificiale in grado non solo di servire gli esseri umani, ma anche di salvarli da se stessi. .

Come sottolineato da Stuart Russell, ritirarsi dalla ricerca sull'IA non è un'opzione, dobbiamo andare avanti. Questo libro è una tabella di marcia per guidarci verso la progettazione di sistemi di intelligenza artificiale sicuri, responsabili e dimostrabilmente vantaggiosi.

#3. Come creare una mente di Ray Kurzweil

Ray Kurzweil lo è uno dei principali inventori, pensatori e futuristi del mondo, è stato indicato come "il genio irrequieto" del Wall Street Journal e "l'ultima macchina pensante" della rivista Forbes. È anche co-fondatore della Singularity University ed è meglio conosciuto per il suo libro rivoluzionario "The Singularity is Near". “Come creare una menteAffronta meno i problemi della crescita esponenziale che sono i tratti distintivi del suo altro lavoro, invece si concentra su come dobbiamo comprendere il cervello umano per decodificarlo per creare la macchina pensante definitiva.

Uno dei principi fondamentali delineati in questo lavoro seminale è come funziona il riconoscimento di schemi nel cervello umano. In che modo gli esseri umani riconoscono i modelli nella vita di tutti i giorni? Come si formano queste connessioni nel cervello? Il libro inizia con la comprensione del pensiero gerarchico, questa è la comprensione di una struttura composta da diversi elementi che sono disposti in uno schema, questa disposizione rappresenta quindi un simbolo come una lettera o un carattere, e poi questo è ulteriormente organizzato in uno schema più avanzato come una parola, e infine una frase. Alla fine questi modelli formano idee e queste idee vengono trasformate nei prodotti che gli esseri umani sono responsabili della costruzione.

Poiché si tratta di un libro di Ray Kurzweil, ovviamente non ci vuole molto prima che venga introdotto il pensiero esponenziale. IL "Legge dei rendimenti accelerati' è un segno distintivo di questo libro seminale. Questa legge mostra come le tecnologie e il ritmo dell'accelerazione stiano accelerando a causa della tendenza dei progressi ad autoalimentarsi, aumentando ulteriormente il tasso di progresso. Questo pensiero può quindi essere applicato alla velocità con cui stiamo imparando a comprendere e decodificare il cervello umano. Questa comprensione accelerata dei sistemi di riconoscimento dei modelli nel cervello umano può quindi essere applicata alla costruzione di un sistema AGI.

Questo libro è stato così rivoluzionario per il futuro dell'IA, che Eric Schmidt ha reclutato Ray Kurzweil per lavorare su progetti di intelligenza artificiale dopo aver finito di leggere questo libro fondamentale. È impossibile delineare tutte le idee e i concetti discussi in un breve articolo, tuttavia è un libro strumentale da leggere per comprendere meglio come funzionano le reti neurali umane al fine di progettare un sistema avanzato rete neurale artificiale.

Il riconoscimento di modelli è l'elemento chiave per il deep learning e questo libro ne illustra il motivo.

#2. L'algoritmo principale di Pedro Domingos

L'ipotesi centrale di L'algoritmo principale è che tutta la conoscenza - passata, presente e futura - può essere derivata dai dati da un singolo algoritmo di apprendimento universale che è quantificato come algoritmo principale. Il libro descrive in dettaglio alcune delle migliori metodologie di apprendimento automatico, fornisce spiegazioni dettagliate su come funzionano i diversi algoritmi, come possono essere ottimizzati e come possono lavorare in modo collaborativo per raggiungere l'obiettivo finale della creazione dell'algoritmo Master. Questo è un algoritmo in grado di risolvere qualsiasi problema che gli alimentiamo, e questo include curare il cancro.

Il lettore inizierà imparando Ingenuo Bayes, un semplice algoritmo che può essere spiegato in una semplice equazione. Da lì accelera a tutta velocità in tecniche di apprendimento automatico più interessanti. Per comprendere le tecnologie che ci stanno accelerando verso questo algoritmo principale, apprendiamo i fondamenti della convergenza. Innanzitutto, dalle neuroscienze apprendiamo la plasticità del cervello, le reti neurali umane. In secondo luogo, passiamo alla selezione naturale in una lezione per capire come progettare un algoritmo genetico che simuli l'evoluzione e la selezione naturale. Con un algoritmo genetico una popolazione di ipotesi in ogni generazione si incrocia e muta, da lì gli algoritmi più adatti producono la generazione successiva. Questa evoluzione offre il massimo in termini di auto-miglioramento.

Altri argomenti vengono dalla fisica, dalla statistica e, naturalmente, dal meglio dell'informatica. È impossibile esaminare in modo completo tutte le diverse sfaccettature toccate da questo libro, a causa dell'ambizioso scopo del libro di definire la struttura per la costruzione del Master Algorithm. È questo framework che ha spinto questo libro al secondo posto, poiché tutti gli altri libri di machine learning si basano su questo in qualche modo o forma.

#1. Mille cervelli di Jeff Hawkins

"Mille cervelli” si basa sui concetti discussi nel libro precedente di Jeff Hawkins intitolato “On Intelligence”. "On Intelligence" ha esplorato il quadro per comprendere come funziona l'intelligenza umana e come questi concetti possono quindi essere applicati per costruire i sistemi AI e AGI definitivi. Analizza fondamentalmente come il nostro cervello prevede ciò che sperimenteremo prima di sperimentarlo.

Mentre "A Thousand Brains" è un grande libro a sé stante, sarà apprezzato e apprezzato al meglio se "Sull'intelligenza” viene letto per primo.

"A Thousand Brains" si basa sulle ultime ricerche di Jeff Hawkins e della società da lui fondata chiamata numenta. Numenta ha l'obiettivo primario di sviluppare una teoria su come funziona la neocorteccia, l'obiettivo secondario è come questa teoria del cervello può essere applicata all'apprendimento automatico e all'intelligenza artificiale.

La prima grande scoperta di Numenta nel 2010 riguarda il modo in cui i neuroni fanno previsioni, e la seconda scoperta nel 2016 ha coinvolto fotogrammi di riferimento simili a mappe nella neocorteccia. Il libro descrive innanzitutto cos'è la "teoria dei mille cervelli", quali sono i frame di riferimento e come funziona la teoria nel mondo reale. Uno dei componenti più fondamentali alla base di questa teoria è capire come la neocorteccia si è evoluta fino alle dimensioni attuali.

La neocorteccia è iniziata piccola, simile ad altri mammiferi, ma è cresciuta in modo esponenziale (limitata solo dalle dimensioni del canale del parto) non creando nulla di nuovo, ma copiando ripetutamente un circuito di base. In sostanza, ciò che differenzia gli esseri umani non è il materiale organico del cervello ma il numero di copie degli elementi identici che formano la neocorteccia.

La teoria si evolve ulteriormente nel modo in cui si forma la neocorteccia con circa 150,000 colonne corticali che non sono visibili al microscopio in quanto non vi sono confini visibili tra di loro. Il modo in cui queste colonne corticali comunicano tra loro è l'implementazione di un algoritmo fondamentale che è responsabile di ogni aspetto della percezione e dell'intelligenza.

Ancora più importante, il libro svela come questa teoria può essere applicata alla costruzione di macchine intelligenti e le possibili implicazioni future per la società. Ad esempio, il cervello apprende un modello del mondo osservando come gli input cambiano nel tempo, specialmente quando viene applicato il movimento. Le colonne corticali richiedono un quadro di riferimento fissato a un oggetto, questi quadri di riferimento consentono a una colonna corticale di apprendere le posizioni delle caratteristiche che definiscono la realtà di un oggetto. In sostanza, i quadri di riferimento possono organizzare qualsiasi tipo di conoscenza. Questo porta alla parte più importante di questo libro fondamentale, i frame di riferimento possono potenzialmente essere l'anello mancante vitale verso la costruzione di un'IA più avanzata o addirittura di un sistema AGI? Lo stesso Jeff crede in un futuro inevitabile in cui un AGI apprenderà modelli del mondo utilizzando quadri di riferimento simili a mappe simili alla neocorteccia, e fa un lavoro straordinario illustrando perché ci crede.