6 cele mai bune cărți de învățare automată și inteligență artificială din toate timpurile (mai 2024)

Lumea AI poate fi intimidantă din cauza terminologiei și a diferiților algoritmi de învățare automată care sunt disponibili. După ce am citit peste 50 dintre cele mai recomandate cărți despre învățarea automată, mi-am întocmit lista personală de cărți care trebuie citite.

Cărțile care au fost alese se bazează pe tipurile de idei care sunt introduse și pe cât de bine sunt prezentate concepte diferite, cum ar fi învățarea profundă, învățarea prin întărire și algoritmii genetici. Cel mai important, lista se bazează pe cărțile care deschid cel mai bine calea pentru futuriști și cercetători către construirea unei IA care să fie responsabilă și explicabilă.

# 6. Cum funcționează AI: de la vrăjitorie la știință de Ronald T. Kneusel

„Cum funcționează AI” este o carte succintă și clară, concepută pentru a delimita elementele fundamentale ale învățării automate. Această carte facilitează învățarea despre istoria bogată a învățării automate, călătorind de la începutul sistemelor AI vechi până la apariția metodologiilor contemporane.

Istoria este stratificată, începând cu sistemele AI bine întemeiate, cum ar fi mașinile vectoriale suport, arborii de decizie și pădurile aleatorii. Aceste sisteme anterioare au deschis calea pentru progrese inovatoare, ducând la dezvoltarea unor abordări mai sofisticate, cum ar fi rețelele neuronale și rețelele neuronale convoluționale. Cartea discută despre capacitățile incredibile oferite de modelele lingvistice mari (LLM), care sunt puterea din spatele IA generativă de ultimă generație.

Înțelegerea elementelor de bază, cum ar fi modul în care tehnologia zgomot-la-imagine poate replica imaginile existente și chiar poate crea imagini noi, fără precedent din solicitări aparent aleatorii, este esențială pentru a înțelege forțele care propulsează generatorii de imagini de astăzi. Această carte explică frumos aceste aspecte fundamentale, permițând cititorilor să înțeleagă complexitățile și mecanismele de bază ale tehnologiilor de generare a imaginilor.

Ron Kneusel, autorul, demonstrează un efort lăudabil în elucidarea perspectivelor sale cu privire la motivul pentru care ChatGPT de la OpenAI și modelul său LLM înseamnă începutul adevăratei AI. El prezintă meticulos modul în care LLM-urile distincte prezintă proprietăți emergente capabile să înțeleagă intuitiv teoria minții. Aceste proprietăți emergente par să devină mai pronunțate și mai influente pe baza dimensiunii modelului de antrenament. Kneusel discută despre modul în care o cantitate mai mare de parametri are ca rezultat, de obicei, cele mai competente și de succes modele LLM, oferind perspective mai profunde asupra dinamicii de scalare și eficacitatea acestor modele.

Această carte este un far pentru cei care doresc să învețe mai multe despre lumea AI, oferind o privire de ansamblu detaliată, dar ușor de înțeles, a traiectoriei evolutive a tehnologiilor de învățare automată, de la formele lor rudimentare până la entitățile de pionierat de astăzi. Indiferent dacă sunteți începător sau cineva cu o înțelegere substanțială a subiectului, „Cum funcționează AI” este conceput pentru a vă oferi o înțelegere rafinată a tehnologiilor transformatoare care continuă să modeleze lumea noastră.

# 5. Viata 3.0 de Max Tegmark

Viata 3.0” are un obiectiv ambițios și acesta este să exploreze posibilitățile în care vom coexista cu AI în viitor. Inteligența generală artificială (AGI) este consecința eventuală și inevitabilă a argumentul exploziei inteligenței realizat de matematicianul britanic Irving Good în 1965. Acest argument prevede că inteligența supraomenească va fi rezultatul unei mașini care se poate auto-îmbunătăți continuu. Celebrul citat pentru explozia de informații este următorul:

„Lasă ca o mașină ultrainteligentă să fie definită ca o mașină care poate depăși cu mult toate activitățile intelectuale ale oricărui om, oricât de inteligent. Deoarece proiectarea mașinilor este una dintre aceste activități intelectuale, o mașină ultrainteligentă ar putea proiecta mașini și mai bune; ar fi atunci, fără îndoială, o „explozie de inteligență”, iar inteligența omului ar rămâne mult în urmă. Astfel, prima mașină ultrainteligentă este ultima invenție pe care omul trebuie să o facă vreodată.”

Max Tegmark lansează cartea într-un viitor teoretic al trăirii într-o lume care este controlată de un AGI. Din acest moment se pun întrebări explozive precum ce este inteligența? Ce este memoria? Ce este calculul? și, ce este învățarea? Cum duc aceste întrebări și răspunsuri posibile în cele din urmă la paradigma unei mașini care poate folosi diferite tipuri de învățare automată pentru a obține progrese în auto-îmbunătățire care sunt necesare pentru a obține inteligența la nivel uman și inevitabila superinteligență care rezultă?

Acestea sunt tipurile de gândire anticipată și întrebări importante pe care Life 3.0 le explorează. Life 1.0 este forme de viață simple, cum ar fi bacteriile, care se pot schimba doar prin evoluție care își modifică ADN-ul. Life 2.0 sunt forme de viață care își pot reproiecta propriul software, cum ar fi învățarea unei noi limbi sau abilități. Life 3.0 este un AI care nu numai că își poate modifica propriul comportament și abilități, dar își poate modifica și propriul hardware, de exemplu, actualizându-și eul robotic.

Numai atunci când înțelegem beneficiile și capcanele unui AGI, putem începe să revizuim opțiunile pentru a ne asigura că construim o IA prietenoasă care să se alinieze obiectivelor noastre. Pentru a face acest lucru, ar putea fi nevoie și să înțelegem ce este conștiința? Și cum va diferi conștiința AI de a noastră?

Există multe subiecte fierbinți care sunt explorate în această carte și ar trebui să fie lectură obligatorie pentru oricine dorește cu adevărat să înțeleagă cum AGI este o potențială amenințare, precum și un potențial colac de salvare pentru viitorul civilizației umane.

# 4. Compatibil uman: inteligența artificială și problema controlului de Stuart Russell

Ce se întâmplă dacă reușim să construim un agent inteligent, ceva care percepe, care acționează și care este mai inteligent decât creatorii săi? Cum vom convinge mașinile să ne atingă obiectivele în loc de propriile lor obiective?

Cele de mai sus este ceea ce duce la unul dintre cele mai importante concepte ale cărții „Compatibil uman: inteligența artificială și problema controlului” este că trebuie să evităm „să punem un scop în mașină”, așa cum a spus odată Norbert Wiener. O mașină inteligentă care este prea sigură de obiectivele sale fixe este tipul suprem de IA periculoasă. Cu alte cuvinte, dacă AI-ul nu dorește să ia în considerare posibilitatea ca să greșească în îndeplinirea scopului și funcției pre-programate, atunci poate fi imposibil ca sistemul AI să se închidă singur.

Dificultatea subliniată de Stuart Russell constă în a instrui AI/robot că nicio comandă instruită nu este destinată să fie realizată cu orice preț. Nu este în regulă să sacrifici viața umană pentru a aduce o cafea sau să faci grătar pisica pentru a-și asigura prânzul. Trebuie înțeles că „du-mă la aeroport cât mai repede posibil”, nu înseamnă că legile privind viteza pot fi încălcate, chiar dacă această instrucțiune nu este explicită. Dacă AI greșește cele de mai sus, atunci siguranța este un anumit nivel de incertitudine preprogramat. Cu o oarecare incertitudine, AI-ul se poate provoca înainte de a finaliza o sarcină, poate pentru a căuta confirmare verbală.

Într-o lucrare din 1965 intitulată „Speculații cu privire la prima mașină de ultraintelligence„, IJ Good, un matematician genial care a lucrat alături de Alan Turing a declarat: „Supraviețuirea omului depinde de construcția timpurie a unei mașini ultrainteligente”. Este absolut posibil ca, pentru a ne salva de dezastrul ecologic, biologic și umanitar, trebuie să construim cea mai avansată IA pe care o putem.

Această lucrare fundamentală explică explozia inteligenței, această teorie fiind că o mașină ultrainteligentă poate proiecta mașini și mai bune și superioare la fiecare iterație, iar acest lucru duce inevitabil la crearea unui AGI. În timp ce AGI poate fi inițial de inteligență egală cu un om, ar depăși rapid oamenii într-un interval de timp scurt. Datorită acestei concluzii anticipate, este important ca dezvoltatorii AI să actualizeze principiile de bază care sunt împărtășite în această carte și să învețe cum să le aplice în siguranță la proiectarea sistemelor AI care sunt capabile nu numai să servească oameni, ci și să salveze oamenii de ei înșiși. .

După cum a subliniat Stuart Russell, retragerea din cercetarea AI nu este o opțiune, trebuie să continuăm. Această carte este o foaie de parcurs care ne ghidează către proiectarea sistemelor AI sigure, responsabile și benefice.

# 3. Cum să creezi o minte de Ray Kurzweil

Ray Kurzweil este unul dintre cei mai importanți inventatori, gânditori și futuriști din lume, el a fost numit „geniul neliniștit” de The Wall Street Journal și „mașina supremă de gândire” de revista Forbes. El este, de asemenea, un co-fondator al Universității Singularity și este cel mai bine cunoscut pentru cartea sa revoluționară „The Singularity is Near”. „Cum să creezi o minte” abordează mai puțin problemele creșterii exponențiale care sunt caracteristicile celorlalte lucrări ale sale, ci se concentrează pe modul în care trebuie să înțelegem creierul uman pentru a-l face inginerie inversă pentru a crea mașina de gândire supremă.

Unul dintre principiile de bază subliniate în această lucrare fundamentală este modul în care funcționează recunoașterea modelelor în creierul uman. Cum recunosc oamenii modele în viața de zi cu zi? Cum se formează aceste conexiuni în creier? Cartea începe cu înțelegerea gândirii ierarhice, aceasta este înțelegerea unei structuri care este compusă din diverse elemente care sunt aranjate într-un model, acest aranjament reprezintă apoi un simbol, cum ar fi o literă sau un caracter, iar apoi acesta este aranjat în continuare într-un model mai avansat. cum ar fi un cuvânt și, în cele din urmă, o propoziție. În cele din urmă, aceste modele formează idei, iar aceste idei sunt transformate în produsele pe care oamenii sunt responsabili pentru a le construi.

Deoarece este o carte Ray Kurzweil, desigur, nu durează mult până când gândirea exponențială este introdusă. „Legea Accelerării Retururilor' este un semn distinctiv al acestei cărți fundamentale. Această lege arată cum tehnologiile și ritmul de accelerare se accelerează datorită tendinței ca progresele să se hrănească singure, crescând și mai mult rata progresului. Această gândire poate fi apoi aplicată cât de repede învățăm să înțelegem și să facem inginerie inversă a creierului uman. Această înțelegere accelerată a sistemelor de recunoaștere a modelelor din creierul uman poate fi apoi aplicată pentru construirea unui sistem AGI.

Această carte a fost atât de transformatoare pentru viitorul AI, încât Eric Schmidt l-a recrutat pe Ray Kurzweil pentru a lucra la proiecte AI după ce a terminat de citit această carte fundamentală. Este imposibil să subliniez toate ideile și conceptele care sunt discutate într-un articol scurt, cu toate acestea, este o carte instrumentală care trebuie citită pentru a înțelege mai bine cum funcționează rețelele neuronale umane pentru a proiecta un sistem avansat. retele neuronale artificiale.

Recunoașterea modelelor este elementul cheie pentru învățarea profundă, iar această carte ilustrează de ce.

# 2. Algoritmul maestru de Pedro Domingos

Ipoteza centrală a Algoritmul maestru este că toate cunoștințele – trecute, prezente și viitoare – pot fi derivate din date printr-un singur algoritm de învățare universal, care este cuantificat ca un algoritm principal. Cartea detaliază unele dintre cele mai importante metodologii de învățare automată, oferă explicații detaliate despre cum funcționează diferiți algoritmi, cum pot fi optimizați și cât de colaborativ pot lucra pentru atingerea scopului final de a crea algoritmul principal. Acesta este un algoritm care este capabil să rezolve orice problemă pe care o alimentăm, iar aceasta include vindecarea cancerului.

Cititorul va începe prin a afla despre Naive Bayes, un algoritm simplu care poate fi explicat într-o ecuație simplă. De acolo accelerează viteza maximă în tehnici de învățare automată mai interesante. Pentru a înțelege tehnologiile care ne accelerează către acest algoritm principal, învățăm despre fundamentele convergente. În primul rând, din neuroștiință învățăm despre plasticitatea creierului, rețelele neuronale umane. În al doilea rând, trecem la selecția naturală într-o lecție pentru a înțelege cum să proiectăm un algoritm genetic care simulează evoluția și selecția naturală. Cu un algoritm genetic, o populație de ipoteze din fiecare generație trece și se mută, de acolo cei mai potriviți algoritmi produc generația următoare. Această evoluție oferă supremul în auto-îmbunătățire.

Alte argumente vin din fizică, statistică și, bineînțeles, cele mai bune din informatică. Este imposibil să trecem în revistă cuprinzătoare toate fațetele pe care le atinge această carte, din cauza scopului ambițios al cărților de a stabili cadrul pentru construirea algoritmului principal. Acest cadru este cel care a împins această carte pe locul doi, deoarece toate celelalte cărți de învățare automată se bazează pe aceasta într-o anumită formă sau formă.

# 1. O Mie de Creiere de Jeff Hawkins

O Mie de Creiere” se bazează pe conceptele care sunt discutate în cartea anterioară a lui Jeff Hawkins intitulată „On Intelligence”. „On Intelligence” a explorat cadrul pentru înțelegerea modului în care funcționează inteligența umană și modul în care aceste concepte pot fi apoi aplicate pentru construirea sistemelor AI și AGI finale. Analizează în mod fundamental modul în care creierul nostru prezice ceea ce vom experimenta înainte de a-l experimenta.

În timp ce „A Thousand Brains” este o carte de sine stătătoare, ea va fi cel mai bine bucurată și apreciată dacă „Despre Inteligență” se citește mai întâi.

„A Thousand Brains” se bazează pe cele mai recente cercetări efectuate de Jeff Hawkins și compania pe care a fondat-o a numit-o numenta. Numenta are un obiectiv principal de a dezvolta o teorie despre modul în care funcționează neocortexul, obiectivul secundar este modul în care această teorie a creierului poate fi aplicată învățării automate și inteligenței automate.

Prima descoperire majoră a lui Numenta din 2010 implică modul în care neuronii fac predicții, iar a doua descoperire din 2016 a implicat cadre de referință asemănătoare hărților în neocortex. Cartea detaliază în primul rând ce este „Teoria Miilor de Creiere”, ce sunt cadrele de referință și cum funcționează teoria în lumea reală. Una dintre cele mai fundamentale componente din spatele acestei teorii este înțelegerea modului în care neocortexul a evoluat până la dimensiunea actuală.

Neocortexul a început mic, asemănător altor mamifere, dar a crescut exponențial (fiind limitat doar de dimensiunea canalului de naștere) nu prin crearea de ceva nou, ci prin copierea unui circuit de bază în mod repetat. În esență, ceea ce diferențiază oamenii nu este materialul organic al creierului, ci numărul de copii ale elementelor identice care formează neocortexul.

Teoria evoluează în continuare în modul în care se formează neocortexul cu aproximativ 150,000 de coloane corticale care nu sunt vizibile la microscop, deoarece nu există granițe vizibile între ele. Modul în care aceste coloane corticale comunică între ele este implementarea unui algoritm fundamental care este responsabil pentru fiecare aspect al percepției și inteligenței.

Mai important, cartea dezvăluie modul în care această teorie poate fi aplicată pentru construirea de mașini inteligente și posibilele implicații viitoare pentru societate. De exemplu, creierul învață un model al lumii observând cum se schimbă inputurile în timp, mai ales când se aplică mișcarea. Coloanele corticale necesită un cadru de referință care este fixat pe un obiect, aceste cadre de referință permit unei coloane corticale să învețe locațiile caracteristicilor care definesc realitățile unui obiect. În esență, cadrele de referință pot organiza orice tip de cunoaștere. Acest lucru duce la cea mai importantă parte a acestei cărți fundamentale, pot cadrele de referință să fie potențial veriga lipsă vitală pentru construirea unui AI mai avansat sau chiar a unui sistem AGI? Jeff însuși crede într-un viitor inevitabil când un AGI va învăța modele ale lumii folosind cadre de referință asemănătoare cu hărți similare cu neocortexul și face o treabă remarcabilă ilustrând de ce crede asta.