6 најбољих књига о машинском учењу и вештачкој интелигенцији свих времена (мај 2024.)

Свет вештачке интелигенције може бити застрашујући због терминологије и различитих алгоритама машинског учења који су доступни. Након што сам прочитао преко 50 најпрепоручљивијих књига о машинском учењу, саставио сам своју личну листу књига које морате прочитати.

Одабране књиге засноване су на врстама идеја које су представљене и на томе колико су добро представљени различити концепти као што су дубоко учење, учење уз помоћ и генетски алгоритми. Што је најважније, листа је заснована на књигама које најбоље утиру пут напред за футуристе и истраживаче ка изградњи доказано одговорне и објашњиве вештачке интелигенције.

# КСНУМКС. Како АИ ради: од чаробњаштва до науке од Роналда Т. Кнеусела

„Како АИ ради“ је сажета и јасна књига дизајнирана да оцрта основне основе машинског учења. Ова књига олакшава учење о богатој историји машинског учења, путујући од настанка наслеђених система вештачке интелигенције до појаве савремених методологија.

Историја је слојевита, почевши од добро утемељених АИ система као што су машине за векторе подршке, стабла одлучивања и насумичне шуме. Ови ранији системи утрли су пут револуционарном напретку, што је довело до развоја софистициранијих приступа попут неуронских мрежа и конволуционих неуронских мрежа. Књига говори о невероватним могућностима које нуде велики језички модели (ЛЛМ), који су моћна снага иза данашње најсавременије генеративне вештачке интелигенције.

Разумевање основа, као што је начин на који технологија од шума до слике може да реплицира постојеће слике, па чак и да креира нове, слике без преседана из наизглед насумичних одзива, кључно је за разумевање сила које покрећу данашње генераторе слика. Ова књига лепо објашњава ове фундаменталне аспекте, омогућавајући читаоцима да схвате замршеност и основну механику технологија за генерисање слика.

Рон Кнеусел, аутор, демонстрира хвале вредан напор да разјасни своје ставове о томе зашто ОпенАИ ЦхатГПТ и његов ЛЛМ модел означавају почетак праве вештачке интелигенције. Он педантно представља како различити ЛЛМ-ови показују појавна својства способна да интуитивно разумеју теорију ума. Чини се да ова својства која се појављују постају све израженија и утицајнија на основу величине модела обуке. Кнеусел расправља о томе како већа количина параметара обично резултира најискуснијим и најуспешнијим ЛЛМ моделима, пружајући дубљи увид у динамику скалирања и ефикасност ових модела.

Ова књига је светионик за оне који желе да науче више о свету вештачке интелигенције, нудећи детаљан, али разумљив преглед еволуционе путање технологија машинског учења, од њихових рудиментарних облика до пионирских ентитета данашњице. Без обзира да ли сте почетник или неко ко добро познаје ову тему, „Како АИ ради“ је дизајниран да вам пружи префињено разумевање трансформативних технологија које настављају да обликују наш свет.

# КСНУМКС. Лифе КСНУМКС од Макса Тегмарка

"Лифе КСНУМКС” има амбициозан циљ, а то је да истражи могућности како ћемо коегзистирати са АИ у будућности. Вештачка општа интелигенција (АГИ) је коначна и неизбежна последица аргумент обавештајне експлозије направио британски математичар Ирвинг Гуд још 1965. Овај аргумент предвиђа да ће надљудска интелигенција бити резултат машине која може континуирано да се самопобољшава. Чувени цитат за експлозију обавештајних служби је следећи:

„Нека се ултраинтелигентна машина дефинише као машина која може далеко надмашити све интелектуалне активности сваког човека колико год да је паметан. Пошто је пројектовање машина једна од ових интелектуалних активности, ултраинтелигентна машина би могла да дизајнира још боље машине; тада би несумњиво дошло до 'експлозије интелигенције' и интелигенција човека би остала далеко иза. Тако је прва ултраинтелигентна машина последњи проналазак који човек треба да направи.”

Макс Тегмарк покреће књигу у теоријску будућност живота у свету који контролише АГИ. Од овог тренутка па надаље постављају се експлозивна питања као што је шта је интелигенција? Шта је памћење? Шта је рачунање? и шта је учење? Како ова питања и могући одговори на крају доводе до парадигме машине која може да користи различите врсте машинског учења да би постигла напредак у самопобољшању који је потребан за постизање интелигенције на људском нивоу и неизбежне суперинтелигенције која је резултат тога?

Ово су тип размишљања унапред и важна питања која Живот 3.0 истражује. Лифе 1.0 су једноставни облици живота као што су бактерије које се могу променити само кроз еволуцију која модификује њен ДНК. Лифе 2.0 су облици живота који могу редизајнирати сопствени софтвер као што је учење новог језика или вештине. Лифе 3.0 је вештачка интелигенција која не само да може да модификује сопствено понашање и вештине, већ може и да модификује сопствени хардвер, на пример, надоградивши своје роботско ја.

Тек када схватимо предности и замке АГИ, онда можемо почети да разматрамо опције како бисмо осигурали да изградимо пријатељску АИ која може да се усклади са нашим циљевима. Да бисмо то урадили, можда ћемо такође морати да разумемо шта је свест? И како ће се АИ свест разликовати од наше?

Постоји много врућих тема које се истражују у овој књизи, и требало би да буде обавезно штиво за свакога ко заиста жели да разуме како је АГИ потенцијална претња, као и потенцијални спас за будућност људске цивилизације.

# КСНУМКС. Компатибилно са људима: вештачка интелигенција и проблем контроле од Стјуарта Расела

Шта се дешава ако успемо да изградимо интелигентног агента, нешто што опажа, што делује и што је интелигентније од својих креатора? Како ћемо убедити машине да остваре наше циљеве уместо својих?

Горе наведено је оно што доводи до једног од најважнијих концепата књиге „Компатибилно са људима: вештачка интелигенција и проблем контроле” је да морамо избегавати „стављање сврхе у машину”, као што је једном рекао Норберт Винер. Интелигентна машина која је превише сигурна у своје фиксне циљеве је крајњи тип опасне вештачке интелигенције. Другим речима, ако вештачка интелигенција постане неспремна да размотри могућност да је погрешна у обављању своје унапред програмиране сврхе и функције, онда може бити немогуће да се АИ систем искључи.

Потешкоћа коју је навео Стјуарт Расел је у давању инструкција АИ/роботу да ниједна инструисана команда не треба да се постигне ни по коју цену. Није у реду жртвовати људски живот да би донели кафу, или пећи мачку да би обезбедили ручак. Мора се схватити да „одвезите ме на аеродром што је брже могуће“, не значи да се закони о прекорачењу брзине могу прекршити, чак и ако ово упутство није експлицитно. Ако АИ погреши горе наведено, онда је сигурност од квара одређени унапред програмирани ниво неизвесности. Уз извесну несигурност, АИ може да изазове себе пре него што заврши задатак, да би можда тражио вербалну потврду.

У раду из 1965. под насловом „Спекулације у вези са првом ултраинтелигентном машином“, ИЈ Гоод, бриљантни математичар који је радио заједно са Аланом Тјурингом, изјавио је: „Опстанак човека зависи од ране изградње ултраинтелигентне машине”. Сасвим је могуће да, да бисмо се спасили од еколошке, биолошке и хуманитарне катастрофе, морамо изградити најнапреднију вештачку интелигенцију коју можемо.

Овај темељни рад објашњава експлозију интелигенције, ова теорија је да ултраинтелигентна машина може да дизајнира још боље и супериорније машине са сваком итерацијом, а то неизбежно води ка стварању АГИ. Иако би АГИ у почетку могао бити једнаке интелигенције као и човек, он би брзо надмашио људе у кратком временском периоду. Због овог претходног закључка, важно је за програмере вештачке интелигенције да актуелизују основне принципе који су подељени у овој књизи и да науче како да их безбедно примене у дизајнирању АИ система који су способни не само да служе људима, већ и да спасу људе од њих самих. .

Као што је навео Стјуарт Расел, повлачење из истраживања вештачке интелигенције није опција, морамо ићи напред. Ова књига је путоказ који ће нас водити ка дизајнирању безбедних, одговорних и доказано корисних система вештачке интелигенције.

# КСНУМКС. Како створити ум од Раи Курзвеил

Реј Курцвајл је један од водећих светских проналазача, мислилаца и футуриста, називају га „немирни геније“ од Тхе Валл Стреет Јоурнал-а и „врхунска машина за размишљање“ часописа Форбес. Такође је суоснивач Универзитета Сингуларити, а најпознатији је по својој револуционарној књизи „Сингуларност је близу“. “Како створити ум” мање се бави питањима експоненцијалног раста који су обележја његовог другог рада, уместо тога фокусира се на то како треба да разумемо људски мозак да бисмо га обрнули инжињеринг да бисмо створили ултимативну машину за размишљање.

Један од основних принципа наведених у овом суштинском раду јесте како препознавање образаца функционише у људском мозгу. Како људи препознају обрасце у свакодневном животу? Како се ове везе формирају у мозгу? Књига почиње разумевањем хијерархијског мишљења, ово је разумевање структуре која је састављена од различитих елемената који су распоређени у шаблону, овај распоред затим представља симбол као што је слово или знак, а затим се ово даље сређује у напреднији образац као што је реч, а на крају и реченица. На крају ови обрасци формирају идеје, а те идеје се трансформишу у производе за које су људи одговорни за изградњу.

Пошто је то књига Реја Курцвајла, наравно, не треба много времена пре него што се уведе експоненцијално размишљање. „Закон убрзаног приноса' је обележје ове суштинске књиге. Овај закон показује како се технологије и темпо убрзања убрзавају због тенденције да се напредак храни сам од себе, додатно повећавајући стопу напретка. Ово размишљање се онда може применити на то колико брзо учимо да разумемо и обрнути инжењеринг људски мозак. Ово убрзано разумевање система за препознавање образаца у људском мозгу се затим може применити на изградњу АГИ система.

Ова књига је била толико трансформисана за будућност вештачке интелигенције, да је Ерик Шмит ангажовао Реја Курцвајла да ради на пројектима вештачке интелигенције након што је завршио читање ове кључне књиге. Немогуће је описати све идеје и концепте о којима се говори у кратком чланку, али то је инструментална књига коју морате прочитати да бисте боље разумели како људске неуронске мреже функционишу како би се дизајнирао напредни вештачка неуронска мрежа.

Препознавање образаца је кључни елемент за дубоко учење, а ова књига илуструје зашто.

# КСНУМКС. Главни алгоритам од Педра Домингоса

Централна хипотеза о Главни алгоритам је да се сво знање – прошло, садашње и будуће – може извести из података помоћу једног, универзалног алгоритма за учење који се квантификује као Главни алгоритам. Књига детаљно описује неке од најбољих методологија машинског учења, даје детаљна објашњења о томе како различити алгоритми функционишу, како се могу оптимизовати и како заједно могу да раде на постизању крајњег циља стварања главног алгоритма. Ово је алгоритам који је у стању да реши било који проблем којим га хранимо, а то укључује и лечење рака.

Читалац ће започети учењем о Наивни Бајес, једноставан алгоритам који се може објаснити једном једноставном једначином. Одатле убрзава пуном брзином у занимљивије технике машинског учења. Да бисмо разумели технологије које нас убрзавају ка овом главном алгоритму, учимо о основама конвергирања. Прво, из неуронауке учимо о пластичности мозга, људским неуронским мрежама. Друго, прелазимо на природну селекцију у лекцији да бисмо разумели како да дизајнирамо генетски алгоритам који симулира еволуцију и природну селекцију. Са генетским алгоритмом, популација хипотеза у свакој генерацији прелази и мутира, одатле најспособнији алгоритми производе следећу генерацију. Ова еволуција нуди врхунско самопобољшање.

Други аргументи потичу из физике, статистике и, наравно, најбољег из рачунарства. Немогуће је свеобухватно прегледати све различите аспекте које ова књига дотиче, због амбициозног обима књига у постављању оквира за изградњу главног алгоритма. Управо је овај оквир гурнуо ову књигу на друго место, јер се све друге књиге о машинском учењу надовезују на ово у неком облику или облику.

# КСНУМКС. Хиљаду мозгова од Џефа Хокинса

"Хиљаду мозгова” се надограђује на концепте о којима се говори у претходној књизи Џефа Хокинса под насловом „О интелигенцији”. „О интелигенцији“ је истраживао оквир за разумевање како људска интелигенција функционише и како се ови концепти затим могу применити на изградњу врхунских АИ и АГИ система. У основи анализира како наш мозак предвиђа шта ћемо доживети пре него што то доживимо.

Иако је „Хиљаду мозгова“ одлична самостална књига, најбоље ће се уживати и ценити ако „Он Интеллигенце” се прво чита.

„Хиљаду мозгова“ се заснива на најновијем истраживању Џефа Хокинса и компаније коју је основао тзв. Нумента. Нумента има примарни циљ да развије теорију о томе како неокортекс функционише, а секундарни циљ је како се ова теорија мозга може применити на машинско учење и машинску интелигенцију.

Прво велико откриће Нументе из 2010. подразумева како неурони предвиђају, а друго откриће 2016. укључивало је референтне оквире налик мапама у неокортексу. Књига пре свега описује шта је „теорија хиљаду мозгова“, шта су референтни оквири и како теорија функционише у стварном свету. Једна од најосновнијих компоненти иза ове теорије је разумевање како је неокортекс еволуирао до своје тренутне величине.

Неокортекс је започео мали, сличан другим сисарима, али је експоненцијално порастао (само ограничен величином порођајног канала) не стварајући ништа ново, већ понављајући копирање основног кола. У суштини, оно што разликује људе није органски материјал мозга, већ број копија идентичних елемената који формирају неокортекс.

Теорија даље еволуира у то како се неокортекс формира са отприлике 150,000 кортикалних стубова који нису видљиви под микроскопом јер не постоје видљиве границе између њих. Начин на који ови кортикални стубови међусобно комуницирају је имплементација фундаменталног алгоритма који је одговоран за сваки аспект перцепције и интелигенције.

Што је још важније, књига открива како се ова теорија може применити на изградњу интелигентних машина и могуће будуће импликације на друштво. На пример, мозак учи модел света посматрајући како се улази мењају током времена, посебно када се примењује покрет. Кортикални стубови захтевају референтни оквир који је фиксиран за објекат, ови референтни оквири омогућавају кортикални колони да научи локације карактеристика које дефинишу стварност објекта. У суштини, референтни оквири могу организовати било коју врсту знања. Ово води до најважнијег дела ове темељне књиге, да ли референтни оквири потенцијално могу бити витална карика која недостаје ка изградњи напредније АИ или чак АГИ система? Сам Џеф верује у неизбежну будућност када ће АГИ научити моделе света користећи референтне оквире налик на мапе сличне неокортексу, и он ради изванредан посао илуструјући зашто верује у то.