6 ספרי למידת מכונה ובינה מלאכותית הטובים ביותר בכל הזמנים (מאי 2024)

עולם הבינה המלאכותית יכול להיות מאיים בגלל הטרמינולוגיה והאלגוריתמים השונים של למידת מכונה הזמינים. לאחר שקראתי למעלה מ-50 מהספרים המומלצים ביותר על למידת מכונה, ריכזתי את הרשימה האישית שלי של ספרי חובה לקרוא.

הספרים שנבחרו מבוססים על סוגי הרעיונות המובאים, ועל מידת היעילות של הצגת מושגים שונים כמו למידה עמוקה, למידת חיזוק ואלגוריתמים גנטיים. והכי חשוב הרשימה מבוססת על הספרים שהכי סוללים את הדרך קדימה עבור עתידנים וחוקרים לקראת בניית בינה מלאכותית אחראית וניתנת להסבר.

# 6. איך עובד AI: מכישוף למדע מאת רונלד טי קנויזל

"איך AI עובד" הוא ספר תמציתי וברור שנועד לשרטט את יסודות הליבה של למידת מכונה. ספר זה מאפשר למידה על ההיסטוריה העשירה של למידת מכונה, מסע מתחילת מערכות AI מדור קודם ועד להופעת מתודולוגיות עכשוויות.

ההיסטוריה מרובדת, החל ממערכות הבינה המלאכותית המבוססות כמו מכונות וקטור תמיכה, עצי החלטה ויערות אקראיים. מערכות קודמות אלה סללו את הדרך להתקדמות פורצת דרך, שהובילה לפיתוח גישות מתוחכמות יותר כמו רשתות עצביות ורשתות עצביות מתפתלות. הספר דן ביכולות המדהימות שמציעות מודלים של שפה גדולה (LLMs), שהם תחנת הכוח מאחורי ה-Generative AI החדיש של היום.

הבנת היסודות, כמו האופן שבו טכנולוגיית רעש לתמונה יכולה לשכפל תמונות קיימות ואף ליצור תמונות חדשות חסרות תקדים מהנחיות שנראות אקראיות לכאורה, היא קריטית בתפיסת הכוחות המניעים את מחוללי התמונות של ימינו. ספר זה מסביר בצורה יפה את ההיבטים הבסיסיים הללו, ומאפשר לקוראים להבין את המורכבות והמכניקה הבסיסית של טכנולוגיות יצירת תמונות.

רון קנויסל, המחבר, מפגין מאמץ ראוי לשבח בהבהרת נקודות המבט שלו לגבי הסיבה שה-ChatGPT של OpenAI ומודל ה-LLM שלו מסמלים את תחילתו של AI אמיתי. הוא מציג בקפידה כיצד LLMs מובהקים מציגים תכונות מתעוררות המסוגלות להבין אינטואיטיבית את תורת הנפש. נראה שהמאפיינים המתעוררים הללו הופכים בולטים יותר ומשפיעים יותר בהתבסס על גודל מודל האימון. Kneusel דן כיצד כמות גדולה יותר של פרמטרים מביאה בדרך כלל למודלים המיומנים והמוצלחים ביותר של LLM, המספקים תובנות עמוקות יותר לגבי דינמיקת קנה המידה והיעילות של מודלים אלה.

ספר זה הוא מגדלור עבור אלה שרוצים ללמוד עוד על עולם הבינה המלאכותית, ומציע סקירה מפורטת אך מובנת של המסלול האבולוציוני של טכנולוגיות למידת מכונה, מהצורות הבסיסיות שלהן ועד הישויות החלוציות של ימינו. בין אם אתה טירון או מישהו עם הבנה משמעותית של הנושא, "איך AI עובד" נועד לספק לך הבנה מעודנת של הטכנולוגיות המשנות שממשיכות לעצב את העולם שלנו.

# 5. חיים 3.0 מאת מקס טגמרק

"חיים 3.0"יש מטרה שאפתנית והיא לחקור את האפשרויות כיצד נתקיים יחד עם AI בעתיד. בינה כללית מלאכותית (AGI) היא התוצאה הסופית והבלתי נמנעת של טיעון פיצוץ מודיעיני נעשה על ידי המתמטיקאי הבריטי אירווינג גוד עוד בשנת 1965. טיעון זה קובע שהאינטליגנציה העל-אנושית תהיה תוצאה של מכונה שיכולה להשתפר באופן מתמיד. הציטוט המפורסם לפיצוץ המודיעין הוא כדלקמן:

"תנו למכונה אולטרה-אינטליגנטית להיות מוגדרת כמכונה שיכולה לעלות בהרבה על כל הפעילויות האינטלקטואליות של כל אדם חכם ככל שיהיה. מכיוון שתכנון מכונות הוא אחת מהפעילויות האינטלקטואליות הללו, מכונה אולטרה-אינטליגנטית יכולה לתכנן מכונות טובות עוד יותר; אז יהיה ללא ספק 'פיצוץ מודיעיני', והאינטליגנציה של האדם תישאר הרחק מאחור. לפיכך, המכונה האולטרה-אינטליגנטית הראשונה היא ההמצאה האחרונה שהאדם צריך לעשות אי פעם."

מקס טגמרק משיק את הספר לעתיד תיאורטי של חיים בעולם שנשלט על ידי AGI. מרגע זה ואילך נשאלות שאלות נפיצות כמו מהי אינטליגנציה? מהו זיכרון? מהו חישוב? ומהי למידה? כיצד שאלות אלו ותשובות אפשריות מובילות בסופו של דבר לפרדיגמה של מכונה שיכולה להשתמש בסוגים שונים של למידת מכונה כדי להשיג את פריצות הדרך בשיפור העצמי הדרושות להשגת אינטליגנציה ברמה אנושית, ואת אינטליגנציה העל הבלתי נמנעת כתוצאה מכך?

אלו הם סוג החשיבה קדימה והשאלות החשובות שהחיים 3.0 בוחן. Life 1.0 הוא צורות חיים פשוטות כמו חיידקים שיכולים להשתנות רק באמצעות אבולוציה שמשנה את ה-DNA שלו. Life 2.0 הן צורות חיים שיכולות לעצב מחדש את התוכנה שלהן, כגון לימוד שפה או מיומנות חדשה. Life 3.0 הוא AI שיכול לא רק לשנות את ההתנהגות והכישורים שלו, אלא גם לשנות את החומרה שלו, למשל לשדרג את העצמי הרובוטי שלו.

רק כאשר אנו מבינים את היתרונות והמלכודות של AGI, נוכל להתחיל לבחון אפשרויות כדי להבטיח שאנו בונים AI ידידותי שיכול להתאים למטרות שלנו. על מנת לעשות זאת אולי צריך גם להבין מהי תודעה? ובמה תודעת הבינה המלאכותית תהיה שונה מזו שלנו?

ישנם נושאים חמים רבים שנחקרים בספר זה, וזו צריכה להיות קריאה חובה לכל מי שרוצה באמת להבין כיצד AGI מהווה איום פוטנציאלי, כמו גם גלגל הצלה פוטנציאלי לעתיד הציוויליזציה האנושית.

# 4. תואם אנושי: בינה מלאכותית ובעיית השליטה מאת סטיוארט ראסל

מה קורה אם נצליח לבנות סוכן אינטליגנטי, משהו שתופס, פועל, ושהוא אינטליגנטי יותר מיוצריו? איך נשכנע את המכונות להשיג את המטרות שלנו במקום את המטרות שלהן?

האמור לעיל הוא מה שמוביל לאחד המושגים החשובים ביותר של הספר "תואם אנושי: בינה מלאכותית ובעיית השליטההוא שעלינו להימנע מ"להכניס מטרה למכונה", כפי שאמר פעם נורברט ווינר. מכונה חכמה שבטוחה מדי במטרותיה הקבועות היא הסוג האולטימטיבי של AI מסוכן. במילים אחרות, אם הבינה המלאכותית לא תהיה מוכנה לשקול את האפשרות שהיא טועה בביצוע המטרה והתפקוד המתוכנתים שלה מראש, אז זה עשוי להיות בלתי אפשרי שמערכת הבינה המלאכותית תכבה את עצמה.

הקושי כפי שמתווה סטיוארט ראסל הוא בהוראה ל-AI/רובוט ששום פקודה מודרכת לא מיועדת להשגה בכל מחיר. זה לא בסדר להקריב חיי אדם כדי להביא קפה, או לצלות את החתול כדי לספק ארוחת צהריים. יש להבין ש"קח אותי לשדה התעופה כמה שיותר מהר", אין משמעו שעלול להפר חוקי מהירות מופרזת, גם אם הוראה זו אינה מפורשת. אם הבינה המלאכותית תטעה את האמור לעיל, כספת הכשל היא רמה מסוימת של אי ודאות מתוכנתת מראש. עם קצת אי ודאות, ה-AI יכול לאתגר את עצמו לפני השלמת משימה, אולי לחפש אישור מילולי.

במאמר משנת 1965 שכותרתו "ספקולציות לגבי מכונת האולטרה-אינטליגנציה הראשונה", IJ Good, מתמטיקאי מבריק שעבד לצד אלן טיורינג, הצהיר, "הישרדותו של האדם תלויה בבנייה המוקדמת של מכונה אולטרה-אינטליגנטית". זה בהחלט אפשרי שכדי להציל את עצמנו מאסון אקולוגי, ביולוגי והומניטרי, עלינו לבנות את הבינה המלאכותית המתקדמת ביותר שאנו יכולים.

מאמר מכונן זה מסביר את הפיצוץ המודיעיני, תיאוריה זו היא שמכונה אולטרה-אינטליגנטית יכולה לעצב מכונות טובות ומעולות אפילו עם כל איטרציה, וזה מוביל בהכרח ליצירת AGI. בעוד שה-AGI עשוי להיות בהתחלה בעל אינטליגנציה שווה לאדם, הוא יעלה במהירות על בני אדם תוך פרק זמן קצר. בשל מסקנה ידועה זו, חשוב למפתחי בינה מלאכותית לממש את עקרונות הליבה המשותפים בספר זה וללמוד כיצד ליישם אותם בבטחה בתכנון מערכות בינה מלאכותית שמסוגלות לא רק לשרת בני אדם, אלא להציל בני אדם מעצמם. .

כפי שתואר על ידי סטיוארט ראסל נסיגה ממחקר בינה מלאכותית אינה אופציה, עלינו ללחוץ קדימה. ספר זה הוא מפת דרכים להנחות אותנו לקראת תכנון מערכות בינה מלאכותית בטוחות, אחראיות ומועילות.

# 3. איך ליצור מוח מאת ריי קורצווייל

ריי קורצווייל הוא אחד מהממציאים, ההוגים והעתידנים המובילים בעולם, הוא כונה "הגאון חסר המנוח" מאת הוול סטריט ג'ורנל ו"מכונת החשיבה האולטימטיבית" מאת מגזין פורבס. הוא גם מייסד שותף של אוניברסיטת Singularity, והוא ידוע בעיקר בזכות ספרו פורץ הדרך "The Singularity is Near". "איך ליצור מוח" מתמודד פחות עם סוגיות של צמיחה אקספוננציאלית שהם סימני ההיכר של עבודתו האחרת, במקום זאת הוא מתמקד באיך אנחנו צריכים להבין את המוח האנושי כדי להנדס אותו לאחור כדי ליצור את מכונת החשיבה האולטימטיבית.

אחד מעקרונות הליבה המתוארים בעבודה מכוננת זו הוא כיצד פועל זיהוי דפוסים במוח האנושי. איך בני אדם מזהים דפוסים בחיי היומיום? כיצד נוצרים הקשרים הללו במוח? הספר מתחיל בהבנת חשיבה היררכית, זוהי הבנת מבנה שמורכב מאלמנטים מגוונים המסודרים בתבנית, סידור זה מייצג לאחר מכן סמל כמו אות או תו, ואז זה מסודר עוד יותר לתבנית מתקדמת יותר כגון מילה, ובסופו של דבר משפט. בסופו של דבר הדפוסים הללו יוצרים רעיונות, והרעיונות הללו הופכים למוצרים שבני האדם אחראים לבנות.

מכיוון שזהו ספר של ריי קורצווייל, כמובן שלא עובר זמן רב עד שהחשיבה האקספוננציאלית תוצג. ה "חוק האצת החזרותהוא סימן ההיכר של הספר המכונן הזה. חוק זה מציג כיצד הטכנולוגיות וקצב ההאצה מואצים בשל הנטייה להתקדמות להיזון מעצמן, ולהגביר עוד יותר את קצב ההתקדמות. לאחר מכן ניתן ליישם את החשיבה הזו על כמה מהר אנו לומדים להבין ולהנדס לאחור את המוח האנושי. לאחר מכן ניתן ליישם הבנה מואצת זו של מערכות זיהוי דפוסים במוח האנושי לבניית מערכת AGI.

הספר הזה היה כל כך מהפך לעתיד ה-AI, שאריק שמידט גייס את ריי קורצווייל לעבוד על פרויקטים של AI לאחר שסיים לקרוא את הספר המכונן הזה. אי אפשר לשרטט את כל הרעיונות והמושגים הנידונים במאמר קצר, עם זאת זהו ספר חובה לקריאה כדי להבין טוב יותר כיצד פועלות רשתות עצבים אנושיות על מנת לעצב ספר מתקדם רשת עצבית מלאכותית.

זיהוי דפוסים הוא מרכיב המפתח ללמידה עמוקה, וספר זה ממחיש מדוע.

# 2. האלגוריתם הראשי מאת פדרו דומינגוס

ההשערה המרכזית של האלגוריתם הראשי הוא שכל הידע - עבר, הווה ועתיד - יכול להיגזר מנתונים על ידי אלגוריתם למידה יחיד, אוניברסלי, המכומת כאלגוריתם מאסטר. הספר מפרט כמה מהמתודולוגיות המובילות של למידת מכונה, הוא נותן הסברים מפורטים כיצד אלגוריתמים שונים עובדים, כיצד ניתן לבצע אופטימיזציה שלהם, וכיצד בשיתוף פעולה הם יכולים לעבוד להשגת המטרה הסופית של יצירת אלגוריתם המאסטר. זהו אלגוריתם שמסוגל לפתור כל בעיה שאנו מאכילים אותו, וזה כולל ריפוי סרטן.

הקורא יתחיל בלמד על נאיביות, אלגוריתם פשוט שניתן להסביר במשוואה אחת פשוטה. משם הוא מאיץ את המהירות המלאה לטכניקות למידת מכונה מעניינות יותר. על מנת להבין את הטכנולוגיות שמאיצות אותנו לקראת אלגוריתם מאסטר זה, אנו לומדים על יסודות מתכנסים. ראשית, ממדעי המוח אנו לומדים על פלסטיות המוח, רשתות עצביות אנושיות. שנית, אנו עוברים לברירה הטבעית בשיעור כדי להבין כיצד לעצב אלגוריתם גנטי המדמה אבולוציה וברירה טבעית. עם אלגוריתם גנטי אוכלוסיית השערות בכל דור עוברת ומתחלפת, ומשם האלגוריתמים המתאימים ביותר מייצרים את הדור הבא. אבולוציה זו מציעה את האולטימטיבי בשיפור עצמי.

טיעונים אחרים מגיעים מפיזיקה, סטטיסטיקה, וכמובן מהמיטב של מדעי המחשב. אי אפשר לסקור באופן מקיף את כל ההיבטים השונים שהספר הזה נוגע בהם, בשל ההיקף השאפתני של הספרים של הנחת המסגרת לבניית האלגוריתם המאסטר. המסגרת הזו היא שדחפה את הספר הזה למקום השני, שכן כל שאר ספרי למידת המכונה מתבססים על זה בצורה או צורה כלשהי.

# 1. אלף מוחות מאת ג'ף הוקינס

"אלף מוחות"בונה על המושגים שנדונו בספר הקודם של ג'ף הוקינס שכותרתו "על אינטליגנציה". "על אינטליגנציה" חקר את המסגרת להבנת האופן שבו אינטליגנציה אנושית פועלת, וכיצד ניתן ליישם את המושגים הללו לבניית מערכות הבינה המלאכותית וה-AGI האולטימטיביות. הוא מנתח באופן בסיסי כיצד המוח שלנו מנבא את מה שנחווה לפני שנחווה זאת.

אמנם "אלף מוחות" הוא ספר עצמאי נהדר, אבל הכי טוב ייהנו ממנו ויוערך אם "על מודיעין" נקרא ראשון.

"אלף מוחות" מתבסס על המחקר האחרון של ג'ף הוקינס והחברה שהקים בשם נומנטה. ל-Numenta יש מטרה עיקרית לפתח תיאוריה על אופן פעולת הניאוקורטקס, המטרה המשנית היא כיצד ניתן ליישם את התיאוריה הזו של המוח על למידת מכונה ואינטליגנציה של מכונה.

התגלית העיקרית הראשונה של נומנטה ב-2010 כוללת את האופן שבו נוירונים עושים תחזיות, והתגלית השנייה ב-2016 כללה מסגרות ייחוס דמויות מפה בניאוקורטקס. הספר מפרט בראש ובראשונה מהי "תיאוריית אלף המוחות", מהן מסגרות התייחסות וכיצד פועלת התיאוריה בעולם האמיתי. אחד המרכיבים הבסיסיים ביותר מאחורי תיאוריה זו הוא ההבנה כיצד התפתח הניאוקורטקס לגודלו הנוכחי.

הניאוקורטקס התחיל בקטן, בדומה ליונקים אחרים, אבל הוא גדל באופן אקספוננציאלי (רק בהיותו מוגבל על ידי גודל תעלת הלידה) לא על ידי יצירת משהו חדש, אלא על ידי העתקת מעגל בסיסי שוב ושוב. בעצם, מה שמבדיל בין בני אדם הוא לא החומר האורגני של המוח אלא מספר העותקים של היסודות הזהים היוצרים את הניאוקורטקס.

התיאוריה מתפתחת עוד יותר לאופן שבו נוצר הניאוקורטקס עם כ-150,000 עמודים בקליפת המוח שאינם נראים במיקרוסקופ מכיוון שאין ביניהם גבולות גלויים. האופן שבו עמודי קליפת המוח הללו מתקשרים זה עם זה, הוא יישום של אלגוריתם בסיסי שאחראי על כל היבט של תפיסה ואינטליגנציה.

חשוב מכך, הספר חושף כיצד ניתן ליישם את התיאוריה הזו לבניית מכונות אינטליגנטיות, ואת ההשלכות העתידיות האפשריות על החברה. לדוגמה, המוח לומד מודל של העולם על ידי התבוננות כיצד תשומות משתנות לאורך זמן, במיוחד כאשר מופעלת תנועה. עמודות קליפת המוח דורשות מסגרת התייחסות המקובעת לאובייקט, מסגרות ייחוס אלו מאפשרות לעמוד קליפת המוח ללמוד את מיקומי התכונות המגדירות את המציאות של אובייקט. למעשה, מסגרות התייחסות יכולות לארגן כל סוג של ידע. זה מוביל לחלק החשוב ביותר בספר המכונן הזה, האם מסגרות התייחסות עשויות להיות החוליה החסרה החיונית לבניית AI מתקדם יותר או אפילו מערכת AGI? ג'ף עצמו מאמין בעתיד בלתי נמנע כאשר AGI ילמד מודלים של העולם באמצעות מסגרות התייחסות דמויות מפה הדומות לניאוקורטקס, והוא עושה עבודה יוצאת דופן וממחישה מדוע הוא מאמין בכך.