6 Bescht Machine Learning & AI Bicher vun allen Zäiten (Mee 2024)

D'Welt vun AI kann entimidéierend sinn wéinst der Terminologie a verschidde Maschinnléieralgorithmen déi verfügbar sinn. Nodeems ech iwwer 50 vun de meescht recommandéiert Bicher iwwer Maschinnléieren gelies hunn, hunn ech meng perséinlech Lëscht vu Musse Bicher zesummegesat.

D'Bicher, déi gewielt goufen, baséieren op den Aarte vun Iddien, déi agefouert ginn, a wéi gutt verschidde Konzepter wéi Deep Learning, Verstäerkungsléieren a genetesch Algorithmen presentéiert ginn. Virun allem ass d'Lëscht baséiert op de Bicher déi am Beschten de Wee no vir fir Futuristen a Fuerscher ausbauen fir beweisbar verantwortlech an erklärbar AI ze bauen.

#6. Wéi AI Wierker: Vun Zauberer zu Wëssenschaft vum Ronald T. Kneusel

"Wéi AI funktionnéiert" ass e succinct a kloert Buch entwéckelt fir d'Kärfundamenter vum Maschinnléieren ze delinéieren. Dëst Buch erliichtert d'Léieren iwwer déi räich Geschicht vu Maschinnléieren, reesen vum Ufank vun legacy AI Systemer bis zum Advent vun zäitgenëssesche Methodologien.

D'Geschicht ass geschichtlech, ugefaange mat de gutt gegrënnten AI Systemer wéi Ënnerstëtzungsvektormaschinnen, Entscheedungsbeem an zoufälleg Bëscher. Dës fréier Systemer hunn de Wee gemaach fir banebriechend Fortschrëtter, wat zu der Entwécklung vu méi raffinéierte Approche gefouert huet wéi neural Netzwierker a konvolutional neural Netzwierker. D'Buch diskutéiert déi onheemlech Fäegkeeten, déi vu Large Language Models (LLMs) ugebuede ginn, déi d'Kraafthaus hannert dem modernsten Generative AI sinn.

D'Grondlage verstoen, wéi wéi Geräischer-zu-Bild Technologie existent Bildmaterial ka replizéieren a souguer nei, eemolegen Biller aus scheinbar zoufälleger Ufro erstellen, ass kritesch fir d'Kräfte ze begräifen, déi d'Bildgeneratoren vun haut propelléieren. Dëst Buch erklärt dës fundamental Aspekter wonnerschéin, sou datt de Lieser d'Intricacies an d'Basismechanik vun der Bildgeneratiounstechnologien verstoen.

De Ron Kneusel, den Auteur, beweist e luewenswäerten Effort fir seng Perspektiven opzeklären firwat de ChatGPT vum OpenAI a säi LLM Modell den Ufank vu richtegen AI bedeiten. Hie präsentéiert virsiichteg wéi ënnerscheed LLMs entstanen Eegeschafte weisen, déi fäeg sinn d'Theorie vum Geescht intuitiv ze verstoen. Dës entstanen Eegeschafte schéngen méi ausgeschwat an beaflosst ze ginn baséiert op der Gréisst vum Trainingsmodell. Kneusel diskutéiert wéi eng méi grouss Quantitéit vu Parameteren typesch zu de kompetentsten an erfollegräichste LLM Modeller resultéiert, déi méi déif Abléck an d'Skaléierungsdynamik an d'Effizienz vun dëse Modeller ubidden.

Dëst Buch ass e Beacon fir déi, déi méi iwwer d'Welt vun der AI léiere wëllen, bitt en detailléierten awer verständlechen Iwwerbléck vun der evolutiver Trajectoire vu Maschinnléierentechnologien, vun hire rudimentäre Formen bis zu de pionéierende Entitéite vun haut. Egal ob Dir en Ufänger sidd oder een deen e wesentleche Verständnis vum Thema ass, "Wéi AI funktionnéiert" ass entwéckelt fir Iech e raffinéiert Verständnis vun den transformativen Technologien ze ginn, déi eis Welt weider gestalten.

#5. Life 3.0 vum Max Tegmark

"Life 3.0" huet en ambitiéist Zil an dat ass d'Méiglechkeeten ze entdecken wéi mir an Zukunft mat AI zesumme existéieren. Kënschtlech Allgemeng Intelligenz (AGI) ass déi eventuell an inévitabel Konsequenz vun der Intelligenz Explosioun Argument gemaach vum britesche Mathematiker Irving Good zréck an 1965. Dëst Argument stellt fest, datt iwwermënschlech Intelligenz d'Resultat vun enger Maschinn ass, déi sech kontinuéierlech selwer verbesseren kann. De berühmten Zitat fir d'Intelligenz Explosioun ass wéi folgend:

"Loosst eng ultraintelligent Maschinn als eng Maschinn definéieren, déi all intellektuell Aktivitéite vun all Mënsch awer schlau ka wäit iwwerschreiden. Well den Design vu Maschinnen eng vun dësen intellektuellen Aktivitéiten ass, kéint eng ultraintelligent Maschinn nach besser Maschinnen designen; et géif dann ouni Zweiwel eng 'Intelligenz-Explosioun' ginn, an d'Intelligenz vum Mënsch wier wäit hannerlooss. Also ass déi éischt ultraintelligent Maschinn déi lescht Erfindung déi de Mënsch jeemools muss maachen.

De Max Tegmark lancéiert d'Buch an eng theoretesch Zukunft fir an enger Welt ze liewen déi vun engem AGI kontrolléiert gëtt. Vun dësem Moment un ginn explosiv Froen gestallt wéi wat ass Intelligenz? Wat ass Erënnerung? Wat ass Berechnung? an, wat ass Léieren? Wéi féieren dës Froen a méiglech Äntwerten schlussendlech zum Paradigma vun enger Maschinn déi verschidden Aarte vu Maschinnléiere benotze kann fir d'Duerchbroch an der Selbstverbesserung z'erreechen, déi néideg sinn fir mënschlech Niveau Intelligenz z'erreechen, an déi inévitabel resultéierend Superintelligenz?

Dëst sinn d'Aart vu Forward Thinking a wichteg Froen déi Life 3.0 exploréiert. Life 1.0 ass einfach Liewensformen wéi Bakterien déi nëmmen duerch Evolutioun änneren kënnen, déi seng DNA ännert. Life 2.0 si Liewensformen déi hir eege Software kënnen nei designen, sou wéi eng nei Sprooch oder Fäegkeet léieren. Life 3.0 ass en AI deen net nëmmen säin eegent Verhalen a Fäegkeeten änneren kann, mee och seng eege Hardware änneren kann, zum Beispill seng Roboter Selbst Upgrade.

Nëmme wa mir d'Virdeeler an d'Feele vun engem AGI verstinn, kënne mir dann ufänken d'Optiounen ze iwwerpréiwen fir sécherzestellen datt mir e frëndlechen AI bauen wéi eis Ziler ausriichten. Fir dëst ze maachen musse mir vläicht och verstoen wat Bewosstsinn ass? A wéi wäert AI Bewosstsinn vun eisem eegenen ënnerscheeden?

Et gi vill waarm Themen déi an dësem Buch exploréiert ginn, an et soll obligatoresch Liesung sinn fir jiddereen dee wierklech wëll verstoen wéi AGI eng potenziell Bedrohung ass, souwéi eng potenziell Rettungslinn fir d'Zukunft vun der mënschlecher Zivilisatioun ass.

#4. Mënsch kompatibel: Kënschtlech Intelligenz an de Problem vun der Kontroll vum Stuart Russell

Wat geschitt wa mir et fäerdeg bréngen en intelligenten Agent ze bauen, eppes wat erkennt, dat handelt, an dat méi intelligent ass wéi seng Schëpfer? Wéi wäerte mir d'Maschinnen iwwerzeegen fir eis Ziler ze erreechen anstatt hir eegen Ziler?

Dat hei uewen ass wat zu engem vun de wichtegste Konzepter vum Buch féiert "Mënsch kompatibel: Kënschtlech Intelligenz an de Problem vun der Kontroll" ass, datt mir vermeiden "en Zweck an d'Maschinn ze setzen", wéi den Norbert Wiener eemol gesot huet. Eng intelligent Maschinn déi ze sécher ass vu senge fixen Ziler ass déi ultimativ Aart vu geféierleche AI. An anere Wierder, wann den AI net gewëllt ass d'Méiglechkeet ze berücksichtegen datt et falsch ass fir säi virprogramméierten Zweck a Funktioun auszeféieren, da kann et onméiglech sinn den AI System selwer auszeschalten.

D'Schwieregkeet, wéi de Stuart Russell beschriwwen ass, ass den AI / Roboter ze instruéieren datt keen instruéiert Kommando soll zu all Präis erreecht ginn. Et ass net an der Rei Mënscheliewen opzeferen fir e Kaffi ze sichen, oder d'Kaz ze grillen fir Mëttegiessen ze liwweren. Et muss verstane ginn datt "huelt mech sou séier wéi méiglech op de Fluchhafen", heescht net datt d'Vitessegesetzer gebrach kënne ginn, och wann dës Instruktioun net explizit ass. Sollt den AI dat uewe falsch kréien, dann ass de Fail Safe e gewëssen virprogramméierten Niveau vun Onsécherheet. Mat e puer Onsécherheet kann d'AI sech selwer erausfuerderen ier en eng Aufgab ofgeschloss huet, fir vläicht verbal Bestätegung ze sichen.

An engem 1965 Pabeier mam Titel "Spekulatiounen iwwer déi éischt Ultraintelligence Maschinn", IJ Good e brillante Mathematiker, deen nieft dem Alan Turing geschafft huet, sot: "D'Iwwerliewe vum Mënsch hänkt vun der fréierer Konstruktioun vun enger ultraintelligenter Maschinn of". Et ass ganz méiglech datt mir eis vun ökologescher, biologescher an humanitärer Katastroph retten, datt mir déi fortgeschratt AI musse bauen déi mir kënnen.

Dëst seminal Pabeier erkläert d'Intelligenz Explosioun, dës Theorie ass datt eng ultraintelligent Maschinn mat all Iteratioun nach besser a superior Maschinne ka designen, an dëst féiert zwangsleefeg zu der Schafung vun engem AGI. Wärend den AGI am Ufank vun der selwechter Intelligenz fir e Mënsch ka sinn, géif et d'Mënsche séier bannent enger kuerzer Zäit iwwerschreiden. Wéinst dësem virausgesoten Conclusioun ass et wichteg fir AI Entwéckler d'Kärprinzipien ze aktualiséieren, déi an dësem Buch gedeelt ginn a léiere wéi se se sécher benotze fir AI Systemer ze designen, déi fäeg sinn net nëmmen d'Mënschen ze déngen, mee d'Mënsche vu sech selwer ze retten. .

Wéi vum Stuart Russell skizzéiert zréckzéien aus AI Fuerschung ass keng Optioun, mir mussen no vir drécken. Dëst Buch ass e Fahrplang fir eis ze guidéieren fir sécher, verantwortlech a beweisbar profitabel AI Systemer ze designen.

#3. Wéi e Geescht ze kreéieren vum Ray Kurzweil

Ray Kurzweil ass ee vun de weltgréissten Erfinder, Denker a Futuristen, gouf hie bezeechent "de onrouege Genie" vum The Wall Street Journal an "the ultimate thinking machine" vum Forbes Magazin. Hien ass och e Matgrënner vun der Singularity University, an hien ass am Beschten bekannt fir säi banbrytende Buch "The Singularity is Near". "Wéi e Geescht ze kreéieren" packt manner d'Problemer vum exponentielle Wuesstum un, déi d'Markenzeeche vu sengem anere Wierk sinn, amplaz konzentréiert se sech op wéi mir de mënschleche Gehir musse verstoen fir et ëmgedréint ze maachen fir déi ultimativ Denkmaschinn ze kreéieren.

Ee vun de Kärprinzipien, déi an dësem seminale Wierk skizzéiert sinn, ass wéi Mustererkennung am mënschleche Gehir funktionnéiert. Wéi erkennen d'Mënschen Musteren am Alldag? Wéi ginn dës Verbindungen am Gehir geformt? D'Buch fänkt u mat hierarchescht Denken ze verstoen, dëst ass eng Struktur ze verstoen déi aus verschiddenen Elementer besteet, déi an engem Muster arrangéiert sinn, dës Arrangement duerstellt dann e Symbol wéi e Bréif oder Charakter, an da gëtt dëst weider an e méi fortgeschratt Muster arrangéiert. wéi e Wuert, a schliisslech e Saz. Eventuell bilden dës Musteren Iddien, an dës Iddie ginn an d'Produkter transforméiert, déi d'Mënsche verantwortlech sinn fir ze bauen.

Well et e Ray Kurzweil Buch ass, dauert et natierlech net laang ier exponentiell Denken agefouert gëtt. den "Gesetz vun Accelerating Returns' ass e Markenzeeche vun dësem seminal Buch. Dëst Gesetz weist wéi d'Technologien an den Tempo vun der Beschleunigung beschleunegt ginn wéinst der Tendenz fir Fortschrëtter sech selwer ze ernähren, wat den Taux vum Fortschrëtt weider erhéicht. Dëst Denken kann dann applizéiert ginn wéi séier mir léieren de mënschleche Gehir ze verstoen an ëmgedréint ze maachen. Dëst beschleunegt Verständnis vu Mustererkennungssystemer am mënschleche Gehir kann dann applizéiert ginn fir en AGI System ze bauen.

Dëst Buch war sou transformativ fir d'Zukunft vun der AI, datt den Eric Schmidt de Ray Kurzweil rekrutéiert huet fir un AI-Projeten ze schaffen nodeems hien dëst seminal Buch gelies huet. Et ass onméiglech all d'Iddien a Konzepter ze skizzéieren déi an engem kuerzen Artikel diskutéiert ginn, trotzdem ass et en instrumental Must-Lies Buch fir besser ze verstoen wéi mënschlech neural Netzwierker funktionnéieren fir en fortgeschrattenen Design ze designen. künstlech neurescht Netzwierk.

Mustererkennung ass de Schlësselelement fir déif Léieren, an dëst Buch illustréiert firwat.

#2. De Master Algorithmus vum Pedro Domingos

Déi zentral Hypothese vun De Master Algorithmus ass, datt all Wëssen - Vergaangenheet, presentéieren, an Zukunft - kann aus Daten vun engem eenzege, universal Léieren Algorithmus ofgeleet ginn, datt als Master Algorithmus quantifizéiert ass. D'Buch detailléiert e puer vun den Top Maschinn Léieren Methodologien, et gëtt detailléiert Erklärungen wéi verschidden Algorithmen funktionnéieren, wéi se optimiséiert kënne ginn, a wéi kollaborativ kënne schaffen fir dat ultimativt Zil z'erreechen fir de Master Algorithmus ze kreéieren. Dëst ass en Algorithmus dee fäeg ass all Problem ze léisen datt mir et fidderen, an dëst beinhalt d'Kriibs ze heelen.

De Lieser fänkt un mam Léieren iwwer Naiv Bayes, en einfachen Algorithmus deen an enger einfacher Equatioun erkläert ka ginn. Vun do aus beschleunegt se voll Geschwindegkeet a méi interessant Maschinnléiertechniken. Fir d'Technologien ze verstoen déi eis Richtung dëse Master Algorithmus beschleunegen, léiere mir iwwer konvergéierend Fundamenter. Als éischt, vun der Neurowëssenschafte léiere mir iwwer Gehirplastizitéit, mënschlech neural Netzwierker. Zweetens, mir réckelen op d'natierlech Selektioun an enger Lektioun fir ze verstoen wéi een en geneteschen Algorithmus designt deen Evolutioun an natierlech Selektioun simuléiert. Mat engem genetesche Algorithmus kräizt eng Populatioun vun Hypothesen an all Generatioun iwwer a mutéiert, vun do produzéieren déi fittest Algorithmen déi nächst Generatioun. Dës Evolutioun bitt den ultimativen an der Selbstverbesserung.

Aner Argumenter kommen aus der Physik, Statistiken, an natierlech dat Bescht vun der Informatik. Et ass onméiglech all déi verschidde Facetten déi dëst Buch beréiert, ëmfaassend ze iwwerpréiwen, wéinst dem ambitiéise Spillraum vun de Bicher fir de Kader fir de Master Algorithmus ze bauen. Et ass dëse Kader deen dëst Buch op déi zweet Plaz gedréckt huet, well all déi aner Maschinnléierebicher op dëser an enger Form oder Form opbauen.

#1. Dausend Gehir vum Jeff Hawkins

"Dausend Gehir"baut op d'Konzepter, déi am fréiere Buch vum Jeff Hawkins mam Titel "On Intelligence" diskutéiert ginn. "On Intelligence" huet de Kader exploréiert fir ze verstoen wéi mënschlech Intelligenz funktionnéiert, a wéi dës Konzepter dann applizéiert kënne ginn fir déi ultimativ AI an AGI Systemer ze bauen. Et analyséiert grondsätzlech wéi eis Gehirer viraussoen wat mir erliewen ier mir et erliewen.

Wärend "A Thousand Brains" e super Standalone Buch ass, wäert et am beschten genéissen a geschätzt ginn wann "Op Intelligenz" gëtt als éischt gelies.

"A Thousand Brains" baut op déi lescht Fuerschung vum Jeff Hawkins an der Firma déi hie gegrënnt huet genannt numenta. Numenta huet e primärt Zil fir eng Theorie z'entwéckelen iwwer wéi den Neocortex funktionnéiert, dat sekundärt Zil ass wéi dës Theorie vum Gehir op Maschinnléieren a Maschinnintelligenz applizéiert ka ginn.

Dem Numenta seng éischt grouss Entdeckung am Joer 2010 enthält wéi Neuronen Prognosen maachen, an déi zweet Entdeckung am Joer 2016 involvéiert maplike Referenzframes am Neocortex. D'Buch beschreift virun allem wat d'"Thousand Brains Theory" ass, wat Referenzframe sinn a wéi d'Theorie an der realer Welt funktionnéiert. Ee vun de fundamentalste Bestanddeeler hannert dëser Theorie ass ze verstoen wéi den Neocortex sech zu senger aktueller Gréisst entwéckelt huet.

Den Neocortex huet kleng ugefaang, ähnlech wéi aner Mamendéieren, awer et ass exponentiell méi grouss ginn (nëmme limitéiert duerch d'Gréisst vum Gebuertskanal) net andeems Dir eppes Neies erstallt, mee duerch d'Kopie vun engem Basiskreeslaf ëmmer erëm. Am Wesentlechen, wat de Mënsch differenzéiert ass net dat organescht Material vum Gehir, mee d'Zuel vun de Kopien vun den identeschen Elementer, déi den Neocortex bilden.

D'Theorie evoluéiert weider an wéi den Neocortex mat ongeféier 150,000 kortikale Sailen geformt gëtt, déi net ënner engem Mikroskop sichtbar sinn, well et keng sichtbar Grenzen tëscht hinnen sinn. Wéi dës kortikale Sailen ënnerenee kommunizéieren, ass d'Ëmsetzung vun engem fundamentalen Algorithmus dee verantwortlech ass fir all Aspekt vun der Perceptioun an der Intelligenz.

Méi wichteg ass d'Buch enthüllt wéi dës Theorie applizéiert ka ginn fir intelligent Maschinnen ze bauen, an déi méiglech zukünfteg Implikatioune fir d'Gesellschaft. Zum Beispill léiert d'Gehir e Modell vun der Welt andeems Dir beobachtet wéi d'Inputen sech mat der Zäit änneren, besonnesch wann d'Bewegung applizéiert gëtt. D'kortikale Sailen erfuerderen e Referenzrahmen deen un en Objet fixéiert ass, dës Referenzrahmen erlaben eng kortikale Kolonn d'Plaze vun Features ze léieren, déi d'Realitéite vun engem Objet definéieren. Am Wesentlechen Referenzframe kënnen all Zort Wëssen organiséieren. Dëst féiert zum wichtegsten Deel vun dësem seminal Buch, kënne Referenzframes potenziell de vital vermësste Link sinn fir e méi fortgeschratt AI oder souguer en AGI System ze bauen? De Jeff selwer gleeft un eng inévitabel Zukunft wann en AGI Modeller vun der Welt léiert mat maplike Referenzrahmen ähnlech wéi den Neocortex, an hien mécht eng bemierkenswäert Aarbecht fir ze illustréieren firwat hien dat gleeft.