6 najlepszych książek wszech czasów o uczeniu maszynowym i sztucznej inteligencji (maj 2024 r.)

Świat sztucznej inteligencji może onieśmielać ze względu na terminologię i różne dostępne algorytmy uczenia maszynowego. Po przeczytaniu ponad 50 najbardziej polecanych książek na temat uczenia maszynowego stworzyłem moją osobistą listę książek, które trzeba przeczytać.

Książki, które zostały wybrane, opierają się na rodzaju wprowadzanych pomysłów oraz na tym, jak dobrze prezentowane są różne koncepcje, takie jak uczenie głębokie, uczenie się przez wzmacnianie i algorytmy genetyczne. Co najważniejsze, lista opiera się na książkach, które najlepiej torują drogę futurystom i badaczom w kierunku budowania odpowiedzialnej i możliwej do wyjaśnienia sztucznej inteligencji.

# 6. Jak działa sztuczna inteligencja: od magii do nauki autorstwa Ronalda T. Kneusela

„Jak działa sztuczna inteligencja” to zwięzła i przejrzysta książka, której celem jest opisanie podstawowych podstaw uczenia maszynowego. Ta książka ułatwia poznanie bogatej historii uczenia maszynowego, podróżując od powstania starszych systemów sztucznej inteligencji do pojawienia się współczesnych metodologii.

Historia jest wielowarstwowa, zaczynając od dobrze ugruntowanych systemów sztucznej inteligencji, takich jak maszyny wektorów nośnych, drzewa decyzyjne i lasy losowe. Te wcześniejsze systemy utorowały drogę przełomowym postępom, prowadząc do opracowania bardziej wyrafinowanych podejść, takich jak sieci neuronowe i splotowe sieci neuronowe. W książce omówiono niesamowite możliwości oferowane przez modele dużych języków (LLM), które stanowią siłę napędową dzisiejszej najnowocześniejszej generatywnej sztucznej inteligencji.

Zrozumienie podstaw, takich jak sposób, w jaki technologia zamiany szumu na obraz może replikować istniejące obrazy, a nawet tworzyć nowe, bezprecedensowe obrazy na podstawie pozornie przypadkowych podpowiedzi, ma kluczowe znaczenie w zrozumieniu sił napędzających dzisiejsze generatory obrazów. Niniejsza książka pięknie wyjaśnia te podstawowe aspekty, pozwalając czytelnikom zrozumieć zawiłości i mechanikę leżącą u podstaw technologii generowania obrazu.

Autor Ron Kneusel wykazuje godny pochwały wysiłek w wyjaśnieniu swojego punktu widzenia na temat tego, dlaczego ChatGPT OpenAI i jego model LLM oznaczają początek prawdziwej sztucznej inteligencji. Skrupulatnie przedstawia, jak różne LLM wykazują wyłaniające się właściwości, które są w stanie intuicyjnie zrozumieć teorię umysłu. Wydaje się, że te wyłaniające się właściwości stają się bardziej wyraźne i wpływowe w zależności od rozmiaru modelu szkoleniowego. Kneusel omawia, w jaki sposób większa liczba parametrów zazwyczaj skutkuje najbardziej wydajnymi i skutecznymi modelami LLM, zapewniając głębszy wgląd w dynamikę skalowania i skuteczność tych modeli.

Ta książka jest drogowskazem dla tych, którzy chcą dowiedzieć się więcej o świecie sztucznej inteligencji, oferując szczegółowy, ale zrozumiały przegląd ewolucyjnej trajektorii technologii uczenia maszynowego, od ich podstawowych form po dzisiejsze pionierskie jednostki. Niezależnie od tego, czy jesteś nowicjuszem, czy osobą ze znaczną wiedzą na ten temat, „Jak działa sztuczna inteligencja” ma na celu zapewnić Ci lepsze zrozumienie technologii transformacyjnych, które nadal kształtują nasz świat.

# 5. Życie 3.0 przez Maxa Tegmarka

"Życie 3.0” ma ambitny cel, a mianowicie zbadanie możliwości przyszłego współistnienia ze sztuczną inteligencją. Sztuczna inteligencja ogólna (AGI) jest ostateczną i nieuniknioną konsekwencją argument eksplozji inteligencji stworzony przez brytyjskiego matematyka Irvinga Gooda w 1965 roku. Argument ten zakłada, że ​​nadludzka inteligencja będzie efektem działania maszyny, która może się stale samodoskonalić. Słynny cytat eksplozji inteligencji jest następujący:

„Niech ultrainteligentną maszynę zdefiniujemy jako maszynę, która może znacznie przewyższyć wszelkie intelektualne działania każdego człowieka, niezależnie od jego sprytu. Ponieważ projektowanie maszyn jest jedną z tych czynności intelektualnych, ultrainteligentna maszyna mogłaby projektować jeszcze lepsze maszyny; wówczas niewątpliwie nastąpiłaby „eksplozja inteligencji”, a inteligencja człowieka zostałaby daleko w tyle. Zatem pierwsza ultrainteligentna maszyna jest ostatnim wynalazkiem, jakiego człowiek kiedykolwiek potrzebował”.

Max Tegmark wprowadza książkę w teoretyczną przyszłość życia w świecie kontrolowanym przez AGI. Od tego momentu zadawane są wybuchowe pytania, np. czym jest inteligencja? Czym jest pamięć? Co to jest obliczenia? i co to jest nauka? W jaki sposób te pytania i możliwe odpowiedzi ostatecznie prowadzą do paradygmatu maszyny, która może wykorzystywać różne rodzaje uczenia maszynowego, aby osiągnąć przełomy w samodoskonaleniu, które są potrzebne do osiągnięcia inteligencji na poziomie ludzkim i nieuniknionej, wynikającej z niej superinteligencji?

Oto rodzaj myślenia przyszłościowego i ważne pytania, które bada Życie 3.0. Życie 1.0 to proste formy życia, takie jak bakterie, które mogą się zmieniać jedynie w drodze ewolucji, która modyfikuje ich DNA. Życie 2.0 to formy życia, które mogą przeprojektować własne oprogramowanie, na przykład ucząc się nowego języka lub umiejętności. Life 3.0 to sztuczna inteligencja, która może nie tylko modyfikować własne zachowanie i umiejętności, ale także modyfikować swój własny sprzęt, na przykład ulepszając swoje roboty.

Dopiero gdy zrozumiemy zalety i pułapki AGI, będziemy mogli rozpocząć przegląd opcji, aby upewnić się, że zbudujemy przyjazną sztuczną inteligencję, która będzie zgodna z naszymi celami. Aby to zrobić, być może będziemy musieli zrozumieć, czym jest świadomość? I czym świadomość AI będzie się różnić od naszej?

W tej książce poruszanych jest wiele gorących tematów i powinna być ona obowiązkową lekturą dla każdego, kto naprawdę chce zrozumieć, w jaki sposób AGI stanowi potencjalne zagrożenie, a także potencjalną deskę ratunku dla przyszłości ludzkiej cywilizacji.

# 4. Kompatybilny z człowiekiem: sztuczna inteligencja i problem kontroli przez Stuarta Russella

Co się stanie, jeśli uda nam się zbudować inteligentnego agenta, coś, co postrzega, działa i jest inteligentniejsze niż jego twórcy? Jak przekonamy maszyny, aby osiągnęły nasze cele, a nie własne?

Powyższe prowadzi do jednej z najważniejszych koncepcji książki „Kompatybilny z człowiekiem: sztuczna inteligencja i problem kontroli” polega na tym, że musimy unikać „nadawania celu maszynie”, jak powiedział kiedyś Norbert Wiener. Inteligentna maszyna, która jest zbyt pewna swoich ustalonych celów, to ostateczny rodzaj niebezpiecznej sztucznej inteligencji. Innymi słowy, jeśli sztuczna inteligencja nie będzie chciała wziąć pod uwagę możliwości, że źle wykonuje swój zaprogramowany cel i funkcję, wówczas zamknięcie systemu sztucznej inteligencji może okazać się niemożliwe.

Trudność nakreślona przez Stuarta Russella polega na poinstruowaniu sztucznej inteligencji/robota, że ​​żadne polecenie nie jest wykonywane za wszelką cenę. Nie jest w porządku poświęcanie ludzkiego życia, aby przynieść kawę lub grillować kota, aby zapewnić sobie lunch. Należy rozumieć, że „zabierz mnie na lotnisko tak szybko, jak to możliwe” nie oznacza, że ​​można złamać przepisy dotyczące nadmiernej prędkości, nawet jeśli to polecenie nie jest jednoznaczne. Jeśli sztuczna inteligencja źle zrozumie powyższe, zabezpieczenie przed awarią to pewien zaprogramowany poziom niepewności. W przypadku pewnej niepewności sztuczna inteligencja może rzucić sobie wyzwanie przed wykonaniem zadania, być może szukając werbalnego potwierdzenia.

W artykule z 1965 roku pt.Spekulacje na temat pierwszej maszyny ultrainteligencji„, IJ Good, genialny matematyk, który pracował u boku Alana Turinga, stwierdził: „Przetrwanie człowieka zależy od wczesnego zbudowania ultrainteligentnej maszyny”. Jest całkowicie możliwe, że aby uchronić się przed katastrofą ekologiczną, biologiczną i humanitarną, musimy zbudować najbardziej zaawansowaną sztuczną inteligencję, jaką tylko możemy.

W tym przełomowym artykule wyjaśniono eksplozję inteligencji. Teoria głosi, że ultrainteligentna maszyna może projektować jeszcze lepsze i lepsze maszyny w każdej iteracji, co nieuchronnie prowadzi do powstania AGI. Chociaż AGI może początkowo mieć inteligencję równą człowiekowi, w krótkim czasie szybko przewyższy ludzi. W związku z powyższym wnioskiem ważne jest, aby twórcy sztucznej inteligencji zapoznali się z podstawowymi zasadami przedstawionymi w tej książce i nauczyli się, jak bezpiecznie stosować je przy projektowaniu systemów sztucznej inteligencji, które będą w stanie nie tylko służyć ludziom, ale także ratować ludzi przed nimi samymi. .

Jak zauważył Stuart Russell, wycofanie się z badań nad sztuczną inteligencją nie wchodzi w grę, musimy iść naprzód. Ta książka to plan działania, który poprowadzi nas w kierunku projektowania bezpiecznych, odpowiedzialnych i korzystnych systemów sztucznej inteligencji.

# 3. Jak stworzyć umysł przez Raya Kurzweila

Ray Kurzweil jest jeden z czołowych światowych wynalazców, myślicieli i futurystów, nazywany jest „niespokojny geniusz” według „The Wall Street Journal” i „najdoskonalsza myśląca maszyna” według magazynu Forbes. Jest także współzałożycielem Singularity University, a najbardziej znany jest ze swojej przełomowej książki „The Singularity is Near”. „Jak stworzyć umysł” w mniejszym stopniu porusza kwestie wykładniczego wzrostu, które są cechami charakterystycznymi jego innych prac, zamiast tego skupia się na tym, jak musimy zrozumieć ludzki mózg, aby poddać go inżynierii wstecznej i stworzyć ostateczną maszynę myślącą.

Jedną z głównych zasad zarysowanych w tej przełomowej pracy jest sposób działania rozpoznawania wzorców w ludzkim mózgu. Jak ludzie rozpoznają wzorce w życiu codziennym? Jak powstają te połączenia w mózgu? Książka zaczyna się od zrozumienia myślenia hierarchicznego, czyli zrozumienia struktury składającej się z różnorodnych elementów ułożonych we wzór, następnie to ułożenie reprezentuje symbol, taki jak litera lub znak, a następnie jest to dalej układane w bardziej zaawansowany wzór takie jak słowo i ostatecznie zdanie. Ostatecznie te wzorce tworzą pomysły, które przekształcają się w produkty, za budowanie których odpowiedzialni są ludzie.

Ponieważ jest to książka Raya Kurzweila, oczywiście nie trzeba długo czekać, zanim zostanie wprowadzone myślenie wykładnicze. „Prawo przyspieszonych zwrotówto znak rozpoznawczy tej przełomowej książki. Ustawa ta pokazuje, jak technologie i tempo przyspieszenia przyspieszają ze względu na tendencję postępu do żerowania na sobie, jeszcze bardziej zwiększając tempo postępu. To myślenie można następnie zastosować do tego, jak szybko uczymy się rozumieć ludzki mózg i przeprowadzać inżynierię wsteczną. To przyspieszone zrozumienie systemów rozpoznawania wzorców w ludzkim mózgu można następnie zastosować do zbudowania systemu AGI.

Książka ta wywarła tak ogromny wpływ na przyszłość sztucznej inteligencji, że po zakończeniu czytania tej przełomowej książki Eric Schmidt zwerbował Raya Kurzweila do pracy nad projektami związanymi ze sztuczną inteligencją. Niemożliwe jest opisanie wszystkich pomysłów i koncepcji omawianych w krótkim artykule, niemniej jednak jest to książka, którą należy przeczytać, aby lepiej zrozumieć działanie ludzkich sieci neuronowych i móc zaprojektować zaawansowany sztuczna sieć neuronowa.

Rozpoznawanie wzorców jest kluczowym elementem głębokiego uczenia się, a ta książka ilustruje dlaczego.

# 2. Algorytm główny autorstwa Pedro Domingosa

Centralna hipoteza Algorytm główny polega na tym, że całą wiedzę – przeszłą, teraźniejszą i przyszłą – można wyprowadzić z danych za pomocą jednego, uniwersalnego algorytmu uczenia się, który jest określany ilościowo jako algorytm główny. Książka szczegółowo opisuje niektóre z najlepszych metodologii uczenia maszynowego, szczegółowo wyjaśnia, jak działają różne algorytmy, jak można je optymalizować i jak wspólnie mogą pracować, aby osiągnąć ostateczny cel, jakim jest stworzenie algorytmu głównego. Jest to algorytm, który jest w stanie rozwiązać każdy problem, jakim go zaspokoimy, w tym wyleczenie raka.

Czytelnik zacznie od poznania Naiwny Bayes, prosty algorytm, który można wyjaśnić jednym prostym równaniem. Stamtąd przyspiesza pełną prędkość do bardziej interesujących technik uczenia maszynowego. Aby zrozumieć technologie, które przyspieszają nas w kierunku tego głównego algorytmu, dowiadujemy się o zbieżnych podstawach. Po pierwsze, z neuronauki dowiadujemy się o plastyczności mózgu i ludzkich sieciach neuronowych. Po drugie, podczas lekcji przejdziemy do doboru naturalnego, aby zrozumieć, jak zaprojektować algorytm genetyczny symulujący ewolucję i dobór naturalny. Dzięki algorytmowi genetycznemu populacja hipotez w każdym pokoleniu krzyżuje się i mutuje, a następnie najlepiej dopasowane algorytmy tworzą następną generację. Ta ewolucja oferuje najwyższą samodoskonalenie.

Inne argumenty pochodzą z fizyki, statystyki i oczywiście tego, co najlepsze w informatyce. Niemożliwe jest kompleksowe omówienie wszystkich aspektów poruszanych w tej książce ze względu na ambitny zakres zarysowania ram budowania Algorytmu Głównego. To właśnie te ramy zepchnęły tę książkę na drugie miejsce, ponieważ wszystkie inne książki o uczeniu maszynowym opierają się na tym w jakiejś formie lub formie.

# 1. Tysiąc mózgów przez Jeffa Hawkinsa

"Tysiąc mózgów” opiera się na koncepcjach omawianych w poprzedniej książce Jeffa Hawkinsa zatytułowanej „O inteligencji”. W ramach projektu „On Intelligence” zbadano ramy pozwalające zrozumieć, jak działa ludzka inteligencja i jak można następnie zastosować te koncepcje do budowy ostatecznych systemów AI i AGI. Zasadniczo analizuje, w jaki sposób nasze mózgi przewidują, czego doświadczymy, zanim tego doświadczymy.

Chociaż „Tysiąc mózgów” jest świetną samodzielną książką, będzie ona najbardziej podobała się i zostanie doceniona, jeśli „O inteligencji” jest czytane jako pierwsze.

„A Thousand Brains” opiera się na najnowszych badaniach Jeffa Hawkinsa i założonej przez niego firmy o nazwie numenta. Głównym celem Numenty jest opracowanie teorii działania kory nowej, a celem drugorzędnym jest zastosowanie tej teorii mózgu do uczenia maszynowego i inteligencji maszynowej.

Pierwsze duże odkrycie Numenty z 2010 r. dotyczy sposobu, w jaki neurony dokonują przewidywań, a drugie odkrycie z 2016 r. dotyczyło przypominających mapę układów odniesienia w korze nowej. Książka szczegółowo opisuje przede wszystkim, czym jest „teoria tysiąca mózgów”, czym są układy odniesienia i jak ta teoria sprawdza się w realnym świecie. Jednym z najbardziej podstawowych elementów tej teorii jest zrozumienie, w jaki sposób kora nowa ewoluowała do obecnych rozmiarów.

Kora nowa początkowo była mała, podobnie jak inne ssaki, ale rosła wykładniczo (ograniczając ją jedynie rozmiarem kanału rodnego) nie poprzez tworzenie czegokolwiek nowego, ale poprzez wielokrotne kopiowanie podstawowego obwodu. Zasadniczo tym, co odróżnia ludzi, nie jest materiał organiczny mózgu, ale liczba kopii identycznych elementów tworzących korę nową.

Teoria ewoluuje dalej w kierunku tworzenia kory nowej z około 150,000 XNUMX kolumn korowych, które nie są widoczne pod mikroskopem, ponieważ nie ma między nimi widocznych granic. Sposób, w jaki te kolumny korowe komunikują się między sobą, polega na implementacji podstawowego algorytmu odpowiedzialnego za każdy aspekt percepcji i inteligencji.

Co ważniejsze, książka ukazuje, w jaki sposób można zastosować tę teorię do budowy inteligentnych maszyn, a także ukazuje możliwe przyszłe implikacje dla społeczeństwa. Na przykład mózg uczy się modelu świata, obserwując, jak bodźce zmieniają się w czasie, zwłaszcza gdy stosowany jest ruch. Kolumny korowe wymagają ramki odniesienia przymocowanej do obiektu. Te ramki odniesienia umożliwiają kolumnie korowej poznanie lokalizacji cech definiujących rzeczywistość obiektu. W istocie ramy odniesienia mogą organizować każdy rodzaj wiedzy. Prowadzi to do najważniejszej części tej przełomowej książki: czy ramy referencyjne mogą być potencjalnie brakującym ogniwem w budowie bardziej zaawansowanej sztucznej inteligencji, a nawet systemu AGI? Sam Jeff wierzy w nieuniknioną przyszłość, kiedy AGI będzie uczyć się modeli świata przy użyciu mapopodobnych układów odniesienia podobnych do kory nowej, i wykonuje niezwykłą pracę, ilustrując, dlaczego w to wierzy.