6 najlepších kníh o strojovom učení a AI všetkých čias (máj 2024)

Svet AI môže byť zastrašujúci kvôli terminológii a rôznym dostupným algoritmom strojového učenia. Po prečítaní viac ako 50 najviac odporúčaných kníh o strojovom učení som zostavil svoj osobný zoznam kníh, ktoré si musíte prečítať.

Knihy, ktoré boli vybrané, sú založené na typoch myšlienok, ktoré sú predstavené, a na tom, ako dobre sú prezentované rôzne koncepty, ako je hlboké učenie, posilňovanie a genetické algoritmy. Najdôležitejšie je, že zoznam je založený na knihách, ktoré najlepšie pripravujú cestu vpred pre futuristov a výskumníkov k budovaniu preukázateľne zodpovednej a vysvetliteľnej AI.

# 6. Ako funguje AI: Od čarodejníctva k vede od Ronalda T. Kneusela

„Ako funguje AI“ je stručná a jasná kniha navrhnutá tak, aby načrtla základné základy strojového učenia. Táto kniha uľahčuje učenie sa o bohatej histórii strojového učenia, od vzniku starých systémov AI až po nástup súčasných metodológií.

História je vrstvená, počnúc dobre založenými systémami AI, ako sú podporné vektorové stroje, rozhodovacie stromy a náhodné lesy. Tieto skoršie systémy vydláždili cestu prevratným pokrokom, ktoré viedli k vývoju sofistikovanejších prístupov, ako sú neurónové siete a konvolučné neurónové siete. Kniha pojednáva o neuveriteľných možnostiach, ktoré ponúkajú veľké jazykové modely (LLM), ktoré sú hnacou silou dnešnej najmodernejšej generatívnej AI.

Pochopenie základov, ako je napríklad to, ako technológia šumu na obraz môže replikovať existujúce snímky a dokonca vytvárať nové, bezprecedentné snímky zo zdanlivo náhodných výziev, je rozhodujúce pre pochopenie síl, ktoré poháňajú dnešné generátory obrázkov. Táto kniha krásne vysvetľuje tieto základné aspekty a umožňuje čitateľom pochopiť zložitosť a základnú mechaniku technológií vytvárania obrazu.

Ron Kneusel, autor, demonštruje chvályhodné úsilie pri objasňovaní svojich pohľadov na to, prečo OpenAI's ChatGPT a jeho LLM model znamenajú začiatok skutočnej AI. Dôkladne prezentuje, ako odlišné LLM vykazujú vznikajúce vlastnosti schopné intuitívne pochopiť teóriu mysle. Zdá sa, že tieto vznikajúce vlastnosti sa stávajú výraznejšími a vplyvnejšími na základe veľkosti tréningového modelu. Kneusel diskutuje o tom, ako väčšie množstvo parametrov zvyčajne vedie k najvýkonnejším a najúspešnejším modelom LLM, pričom poskytuje hlbší prehľad o dynamike škálovania a účinnosti týchto modelov.

Táto kniha je majákom pre tých, ktorí sa chcú dozvedieť viac o svete AI, ponúka podrobný, no zrozumiteľný prehľad evolučnej trajektórie technológií strojového učenia, od ich základných foriem až po priekopnícke entity dneška. Či už ste nováčik, alebo niekto, kto túto tému dobre chápe, „Ako funguje AI“ je navrhnutý tak, aby vám poskytol lepšie pochopenie transformačných technológií, ktoré naďalej formujú náš svet.

# 5. Život 3.0 od Maxa Tegmarka

"Život 3.0“ má ambiciózny cieľ, a to preskúmať možnosti, ako budeme v budúcnosti koexistovať s AI. Umelá všeobecná inteligencia (AGI) je konečným a nevyhnutným dôsledkom argument spravodajskej explózie vytvoril britský matematik Irving Good v roku 1965. Tento argument stanovuje, že nadľudská inteligencia bude výsledkom stroja, ktorý sa dokáže neustále zlepšovať. Slávny citát pre spravodajskú explóziu je nasledujúci:

„Nech je ultrainteligentný stroj definovaný ako stroj, ktorý môže ďaleko prekonať všetky intelektuálne aktivity každého človeka, akokoľvek bystrého. Keďže dizajn strojov je jednou z týchto intelektuálnych činností, ultrainteligentný stroj by mohol navrhnúť ešte lepšie stroje; potom by nepochybne došlo k „explózii inteligencie“ a inteligencia človeka by zostala ďaleko pozadu. Prvý ultrainteligentný stroj je teda posledným vynálezom, ktorý človek kedy potrebuje urobiť.

Max Tegmark uvádza knihu do teoretickej budúcnosti života vo svete, ktorý ovláda AGI. Od tejto chvíle sa kladú výbušné otázky, ako napríklad čo je inteligencia? čo je pamäť? Čo je to výpočet? a čo je učenie? Ako tieto otázky a možné odpovede nakoniec vedú k paradigme stroja, ktorý môže využívať rôzne typy strojového učenia na dosiahnutie prielomov v sebazdokonaľovaní, ktoré sú potrebné na dosiahnutie inteligencie na ľudskej úrovni, a nevyhnutnej výslednej superinteligencie?

Toto je typ myslenia dopredu a dôležité otázky, ktoré Life 3.0 skúma. Life 1.0 sú jednoduché formy života, ako sú baktérie, ktoré sa môžu zmeniť iba evolúciou, ktorá modifikuje ich DNA. Life 2.0 sú formy života, ktoré môžu prepracovať svoj vlastný softvér, ako je napríklad učenie sa nového jazyka alebo zručností. Life 3.0 je AI, ktorá dokáže nielen modifikovať svoje vlastné správanie a schopnosti, ale dokáže upraviť aj svoj vlastný hardvér, napríklad upgradovať svoje robotické ja.

Až keď pochopíme výhody a úskalia AGI, môžeme začať skúmať možnosti, aby sme sa uistili, že vytvoríme priateľskú AI, ktorá bude v súlade s našimi cieľmi. Aby sme to mohli urobiť, musíme tiež pochopiť, čo je vedomie? A ako sa bude vedomie AI líšiť od nášho vlastného?

V tejto knihe sa skúma veľa horúcich tém a malo by byť povinným čítaním pre každého, kto chce skutočne pochopiť, ako je AGI potenciálnou hrozbou a zároveň potenciálnym záchranným lanom pre budúcnosť ľudskej civilizácie.

# 4. Kompatibilné s ľuďmi: Umelá inteligencia a problém kontroly od Stuarta Russella

Čo sa stane, ak sa nám podarí vybudovať inteligentného agenta, niečo, čo vníma, čo koná a čo je inteligentnejšie ako jeho tvorcovia? Ako presvedčíme stroje, aby dosiahli naše ciele namiesto svojich vlastných?

Vyššie uvedené vedie k jednému z najdôležitejších konceptov knihy „Kompatibilné s ľuďmi: Umelá inteligencia a problém kontroly“ je, že sa musíme vyvarovať „vkladaniu účelu do stroja“, ako raz povedal Norbert Wiener. Inteligentný stroj, ktorý si je príliš istý svojimi pevnými cieľmi, je najvyšším typom nebezpečnej AI. Inými slovami, ak AI prestane brať do úvahy možnosť, že sa mýli pri vykonávaní svojho vopred naprogramovaného účelu a funkcie, potom môže byť nemožné, aby sa systém umelej inteligencie sám odstavil.

Obtiažnosť, ktorú načrtol Stuart Russell, spočíva v inštrukcii AI/robota, že žiadny príkaz nie je možné dosiahnuť za každú cenu. Nie je v poriadku obetovať ľudský život pri kávičke alebo ugrilovať mačku na obed. Treba chápať, že „odvezte ma čo najrýchlejšie na letisko“ neznamená, že môžu byť porušené zákony o prekročení rýchlosti, aj keď tento pokyn nie je explicitný. Ak sa AI pomýli vo vyššie uvedenom, potom bezpečnostná poistka predstavuje určitú vopred naprogramovanú úroveň neistoty. S určitou neistotou sa AI môže pred dokončením úlohy vyzvať, aby možno hľadala verbálne potvrdenie.

V novinách z roku 1965 s názvom „Špekulácie týkajúce sa prvého ultrainteligentného strojaIJ Good, brilantný matematik, ktorý pracoval po boku Alana Turinga, uviedol: „Prežitie človeka závisí od skorej konštrukcie ultrainteligentného stroja“. Je celkom možné, že na to, aby sme sa zachránili pred ekologickou, biologickou a humanitárnou katastrofou, musíme vybudovať najpokročilejšiu AI, akú len dokážeme.

Tento kľúčový článok vysvetľuje explóziu inteligencie, táto teória hovorí, že ultrainteligentný stroj môže s každou iteráciou navrhnúť ešte lepšie a lepšie stroje, čo nevyhnutne vedie k vytvoreniu AGI. Zatiaľ čo AGI môže mať spočiatku rovnakú inteligenciu ako človek, v krátkom časovom rozpätí by rýchlo prekonalo ľudí. Vzhľadom na tento predchádzajúci záver je dôležité, aby vývojári AI aktualizovali základné princípy zdieľané v tejto knihe a naučili sa, ako ich bezpečne aplikovať pri navrhovaní systémov AI, ktoré sú schopné nielen slúžiť ľuďom, ale aj zachraňovať ľudí pred sebou samými. .

Ako načrtol Stuart Russell, ústup od výskumu AI nie je možný, musíme sa pohnúť vpred. Táto kniha je plánom, ktorý nás má viesť k navrhovaniu bezpečných, zodpovedných a preukázateľne prospešných systémov AI.

# 3. Ako vytvoriť myseľ od Raya Kurzweila

Ray Kurzweil je jeden z popredných svetových vynálezcov, mysliteľov a futuristov, bol označovaný ako „nepokojný génius“ podľa denníka The Wall Street Journal a „dokonalý mysliaci stroj“ podľa časopisu Forbes. Je tiež spoluzakladateľom Singularity University a je známy svojou prelomovou knihou „Singularita je blízko“. “Ako vytvoriť myseľ“ sa menej zaoberá otázkami exponenciálneho rastu, ktoré sú charakteristickým znakom jeho ďalšej práce, namiesto toho sa zameriava na to, ako potrebujeme pochopiť ľudský mozog, aby sme ho spätne analyzovali a vytvorili dokonalý mysliaci stroj.

Jedným z hlavných princípov načrtnutých v tejto kľúčovej práci je, ako funguje rozpoznávanie vzorov v ľudskom mozgu. Ako ľudia rozpoznávajú vzorce v každodennom živote? Ako sa tieto spojenia vytvárajú v mozgu? Kniha začína pochopením hierarchického myslenia, ide o pochopenie štruktúry, ktorá sa skladá z rôznych prvkov, ktoré sú usporiadané do vzoru, toto usporiadanie potom predstavuje symbol, ako je písmeno alebo znak, a potom je to ďalej usporiadané do pokročilejšieho vzoru. ako slovo a nakoniec veta. Nakoniec tieto vzory vytvárajú nápady a tieto nápady sa premieňajú na produkty, za ktoré sú ľudia zodpovední.

Keďže ide o knihu Raya Kurzweila, samozrejme netrvá dlho, kým sa predstaví exponenciálne myslenie. "Zákon zrýchlených návratov“ je charakteristickým znakom tejto kľúčovej knihy. Tento zákon ukazuje, ako sa technológie a tempo zrýchľovania zrýchľujú v dôsledku tendencie, že pokroky sa živia samy sebou, čím sa ďalej zvyšuje rýchlosť pokroku. Toto myslenie sa potom dá aplikovať na to, ako rýchlo sa učíme rozumieť ľudskému mozgu a spätne ho analyzovať. Toto zrýchlené pochopenie systémov rozpoznávania vzorov v ľudskom mozgu možno potom použiť na vytvorenie systému AGI.

Táto kniha bola pre budúcnosť AI taká transformačná, že Eric Schmidt po dočítaní tejto kľúčovej knihy naverboval Raya Kurzweila, aby pracoval na projektoch AI. Nie je možné načrtnúť všetky myšlienky a koncepty, o ktorých sa hovorí v krátkom článku, napriek tomu je to inštrumentálna kniha, ktorú si musíte prečítať, aby ste lepšie pochopili, ako fungujú ľudské neurónové siete, aby ste mohli navrhnúť pokročilé umelá neurónová sieť.

Rozpoznávanie vzorov je kľúčovým prvkom hlbokého učenia a táto kniha ilustruje prečo.

# 2. Hlavný algoritmus od Pedra Dominga

Centrálna hypotéza Hlavný algoritmus spočíva v tom, že všetky poznatky – minulosť, súčasnosť a budúcnosť – možno odvodiť z údajov pomocou jediného univerzálneho algoritmu učenia, ktorý je kvantifikovaný ako hlavný algoritmus. Kniha podrobne popisuje niektoré z najlepších metodológií strojového učenia, poskytuje podrobné vysvetlenia, ako rôzne algoritmy fungujú, ako ich možno optimalizovať a ako môžu spolupracovať na dosiahnutí konečného cieľa, ktorým je vytvorenie hlavného algoritmu. Toto je algoritmus, ktorý je schopný vyriešiť akýkoľvek problém, ktorým ho kŕmime, a to vrátane liečby rakoviny.

Čitateľ začne tým, že sa dozvie o Naivný Bayes, jednoduchý algoritmus, ktorý možno vysvetliť v jednej jednoduchej rovnici. Odtiaľ akceleruje plnou rýchlosťou do zaujímavejších techník strojového učenia. Aby sme porozumeli technológiám, ktoré nás urýchľujú k tomuto hlavnému algoritmu, učíme sa o konvergujúcich základoch. Po prvé, z neurovedy sa dozvedáme o plasticite mozgu, ľudských neurónových sieťach. Po druhé, v lekcii prejdeme k prirodzenému výberu, aby sme pochopili, ako navrhnúť genetický algoritmus, ktorý simuluje evolúciu a prirodzený výber. S genetickým algoritmom sa populácia hypotéz v každej generácii prekríži a mutuje, odtiaľ najvhodnejšie algoritmy produkujú ďalšiu generáciu. Táto evolúcia ponúka to najlepšie v sebazdokonaľovaní.

Ďalšie argumenty pochádzajú z fyziky, štatistiky a samozrejme toho najlepšieho z informatiky. Je nemožné komplexne zhodnotiť všetky rôzne aspekty, ktorých sa táto kniha dotýka, kvôli ambicióznemu rozsahu kníh, v ktorých je stanovený rámec pre zostavenie hlavného algoritmu. Je to práve tento rámec, ktorý posunul túto knihu na druhé miesto, keďže všetky ostatné knihy strojového učenia na ňom v určitom tvare alebo forme stavajú.

# 1. Tisíc mozgov od Jeffa Hawkinsa

"Tisíc mozgov“ stavia na konceptoch, o ktorých sa hovorí v predchádzajúcej knihe od Jeffa Hawkinsa s názvom „O inteligencii“. „On Intelligence“ skúmal rámec na pochopenie toho, ako funguje ľudská inteligencia a ako možno tieto koncepty potom použiť pri budovaní špičkových systémov AI a AGI. V zásade analyzuje, ako náš mozog predpovedá, čo zažijeme skôr, ako to zažijeme.

Hoci je „Tisíc mozgov“ skvelá samostatná kniha, najlepšie si ju užijete a oceníte, ak „O inteligencii“ sa číta ako prvé.

„Tisíc mozgov“ stavia na najnovšom výskume Jeffa Hawkinsa a spoločnosti, ktorú založil numenta. Numenta má primárny cieľ vyvinúť teóriu o tom, ako neokortex funguje, sekundárnym cieľom je, ako môže byť táto teória mozgu aplikovaná na strojové učenie a strojovú inteligenciu.

Prvý veľký objav Numenty v roku 2010 znamená, ako neuróny robia predpovede, a druhý objav v roku 2016 zahŕňal mapové referenčné rámce v neokortexe. Kniha v prvom rade podrobne popisuje, čo je „teória tisícov mozgov“, čo sú referenčné rámce a ako táto teória funguje v reálnom svete. Jednou z najzákladnejších zložiek tejto teórie je pochopenie toho, ako sa neokortex vyvinul do súčasnej veľkosti.

Neokortex začínal ako malý, podobne ako u iných cicavcov, ale exponenciálne sa zväčšoval (obmedzený len veľkosťou pôrodných ciest) nie vytváraním niečoho nového, ale opakovaným kopírovaním základného okruhu. V podstate to, čo ľudí odlišuje, nie je organický materiál mozgu, ale počet kópií identických prvkov, ktoré tvoria neokortex.

Teória sa ďalej rozvíja do toho, ako sa tvorí neokortex s približne 150,000 XNUMX kortikálnymi stĺpcami, ktoré nie sú viditeľné pod mikroskopom, pretože medzi nimi nie sú žiadne viditeľné hranice. Ako tieto kortikálne stĺpce komunikujú medzi sebou, je implementácia základného algoritmu, ktorý je zodpovedný za každý aspekt vnímania a inteligencie.

Ešte dôležitejšie je, že kniha odhaľuje, ako možno túto teóriu aplikovať na budovanie inteligentných strojov a možné budúce dôsledky pre spoločnosť. Napríklad, mozog sa učí model sveta tým, že pozoruje, ako sa vstupy menia v priebehu času, najmä keď sa aplikuje pohyb. Kortikálne stĺpce vyžadujú referenčný rámec, ktorý je pripevnený k objektu, tieto referenčné rámce umožňujú kortikálnemu stĺpu zistiť umiestnenie prvkov, ktoré definujú realitu objektu. V podstate referenčné rámce môžu organizovať akýkoľvek typ vedomostí. To vedie k najdôležitejšej časti tejto kľúčovej knihy, môžu byť referenčné rámce potenciálne životne dôležitým chýbajúcim článkom pri budovaní pokročilejšej AI alebo dokonca systému AGI? Sám Jeff verí v nevyhnutnú budúcnosť, keď sa AGI naučí modely sveta pomocou mapových referenčných rámcov podobných neokortexu, a robí pozoruhodnú prácu, ktorá ilustruje, prečo tomu verí.