6 найкращих книг усіх часів про машинне навчання та ШІ (травень 2024 р.)

Світ штучного інтелекту може лякати через термінологію та різні доступні алгоритми машинного навчання. Прочитавши понад 50 книжок про машинне навчання, які ми рекомендуємо, я склав свій особистий список книг, які варто прочитати.

Вибрані книги ґрунтуються на типах ідей, які вводяться, і на тому, наскільки добре представлені різні концепції, такі як глибоке навчання, навчання з підкріпленням і генетичні алгоритми. Найважливіше, що цей список базується на книгах, які найкраще прокладають шлях для футуристів і дослідників до створення доведено відповідального та зрозумілого ШІ.

# 6. Як працює штучний інтелект: від чаклунства до науки Рональд Т. Кнойзел

«Як працює штучний інтелект» — це стисла та чітка книга, розроблена для окреслення основних основ машинного навчання. Ця книга полегшує вивчення багатої історії машинного навчання, подорожуючи від зародження застарілих систем ШІ до появи сучасних методологій.

Історія багаторівнева, починаючи з добре обґрунтованих систем ШІ, таких як опорні векторні машини, дерева рішень і випадкові ліси. Ці попередні системи проклали шлях для новаторських досягнень, що призвело до розробки більш складних підходів, таких як нейронні мережі та згорткові нейронні мережі. У книзі розповідається про неймовірні можливості, які пропонують великі мовні моделі (LLM), які є рушійною силою сучасного генеративного штучного інтелекту.

Розуміння основ, таких як те, як технологія перетворення шуму на зображення може відтворювати існуючі зображення та навіть створювати нові, безпрецедентні зображення за, здавалося б, випадковими підказками, має вирішальне значення для розуміння сил, які рухають сучасні генератори зображень. Ця книга чудово пояснює ці фундаментальні аспекти, дозволяючи читачам зрозуміти тонкощі та основні механізми технологій створення зображень.

Рон Кнеузел, автор, демонструє гідні похвали зусилля в поясненні своєї точки зору щодо того, чому ChatGPT OpenAI та його модель LLM означають початок справжнього ШІ. Він прискіпливо представляє, як різні LLM виявляють нові властивості, здатні інтуїтивно зрозуміти теорію розуму. Ці нові властивості стають більш вираженими та впливовими залежно від розміру навчальної моделі. Kneusel обговорює, як більша кількість параметрів зазвичай призводить до найбільш досвідчених і успішних моделей LLM, надаючи глибше розуміння динаміки масштабування та ефективності цих моделей.

Ця книга є маяком для тих, хто хоче дізнатися більше про світ штучного інтелекту, пропонуючи детальний, але зрозумілий огляд траєкторії еволюції технологій машинного навчання, від їх рудиментарних форм до піонерських об’єктів сьогодення. Незалежно від того, новачок ви чи людина, яка добре розуміється на темі, «Як працює штучний інтелект» розроблено, щоб дати вам детальне розуміння трансформаційних технологій, які продовжують формувати наш світ.

# 5. Життя 3.0 Макс Тегмарк

"Життя 3.0” має амбітну мету, а саме дослідити можливості того, як ми будемо співіснувати з ШІ в майбутньому. Загальний штучний інтелект (AGI) є кінцевим і неминучим наслідком аргумент вибуху інтелекту зроблений британським математиком Ірвінгом Гудом ще в 1965 році. Цей аргумент передбачає, що надлюдський інтелект буде результатом машини, яка може постійно самовдосконалюватися. Відома цитата про вибух розвідки така:

«Нехай ультрарозумна машина буде визначена як машина, яка може значно перевершити всю інтелектуальну діяльність будь-якої розумної людини. Оскільки проектування машин є однією з цих інтелектуальних видів діяльності, ультрарозумна машина могла б проектувати ще кращі машини; тоді, безсумнівно, відбувся б «вибух інтелекту», і інтелект людини залишився б далеко позаду. Таким чином, перша ультрарозумна машина є останнім винаходом, який людина коли-небудь потребує».

Макс Тегмарк відкриває книгу в теоретичне майбутнє життя у світі, який контролюється AGI. З цього моменту задаються вибухові питання, наприклад, що таке інтелект? Що таке пам'ять? Що таке обчислення? і що таке навчання? Як ці запитання та можливі відповіді врешті-решт призводять до парадигми машини, яка може використовувати різні типи машинного навчання для досягнення проривів у самовдосконаленні, необхідних для досягнення людського рівня інтелекту, і неминучого суперінтелекту?

Це тип передового мислення та важливі питання, які досліджує Life 3.0. Життя 1.0 — це прості форми життя, такі як бактерії, які можуть змінюватися лише шляхом еволюції, що змінює їхню ДНК. Life 2.0 – це форми життя, які можуть переробляти власне програмне забезпечення, наприклад вивчати нову мову чи навички. Life 3.0 — це штучний інтелект, який може не лише змінювати власну поведінку та навички, але також може модифікувати власне обладнання, наприклад оновлюючи свого робота.

Лише тоді, коли ми зрозуміємо переваги та недоліки AGI, ми зможемо розпочати перегляд варіантів, щоб переконатися, що ми створимо дружній ШІ, який може відповідати нашим цілям. Щоб зробити це, нам також може знадобитися зрозуміти, що таке свідомість? І чим ШІ свідомість відрізнятиметься від нашої?

У цій книзі розглядається багато гарячих тем, і її слід обов’язково прочитати всім, хто справді хоче зрозуміти, наскільки AGI є потенційною загрозою, а також потенційним рятівним кругом для майбутнього людської цивілізації.

# 4. Людина сумісна: штучний інтелект і проблема контролю Стюарт Рассел

Що станеться, якщо нам вдасться побудувати розумного агента, щось, що сприймає, діє, і що є розумнішим за своїх творців? Як ми переконаємо машини досягти наших цілей замість їхніх власних цілей?

Це те, що веде до однієї з найважливіших концепцій книги:Людина сумісна: штучний інтелект і проблема контролю» полягає в тому, що ми повинні уникати «вкладання мети в машину», як одного разу сказав Норберт Вінер. Розумна машина, яка занадто впевнена у своїх фіксованих цілях, є найвищим типом небезпечного ШІ. Іншими словами, якщо штучний інтелект не бажає розглядати можливість того, що він помиляється у виконанні своєї попередньо запрограмованої мети та функції, тоді систему штучного інтелекту неможливо вимкнути.

Складність, як зазначив Стюарт Рассел, полягає в тому, щоб інструктувати ШІ/робота про те, що жодна команда не має бути виконана будь-якою ціною. Не можна жертвувати людським життям, щоб принести каву, або смажити кота, щоб приготувати обід. Потрібно розуміти, що «відвезіть мене в аеропорт якомога швидше» не означає, що закони про перевищення швидкості можуть бути порушені, навіть якщо ця інструкція не є чіткою. Якщо штучний інтелект зрозуміє вищевказану помилку, то безпека — це певний попередньо запрограмований рівень невизначеності. З певною невизначеністю ШІ може випробувати себе перед виконанням завдання, можливо, отримати словесне підтвердження.

У статті 1965 року під назвою «Припущення щодо першої ультраінтелектуальної машиниІ. Дж. Гуд, геніальний математик, який працював разом з Аланом Тьюрингом, заявив: «Виживання людини залежить від раннього створення ультрарозумної машини». Цілком можливо, що, щоб врятуватися від екологічної, біологічної та гуманітарної катастрофи, ми повинні створити найдосконаліший ШІ, який тільки можемо.

Ця основоположна стаття пояснює вибух інтелекту. Ця теорія полягає в тому, що ультраінтелектуальна машина може створювати ще кращі та кращі машини з кожною ітерацією, і це неминуче призводить до створення AGI. Хоча спочатку AGI може бути рівним інтелекту людині, він швидко перевершить людей за короткий проміжок часу. Зважаючи на цей наперед відомий висновок, розробникам штучного інтелекту важливо актуалізувати основні принципи, викладені в цій книзі, і навчитися безпечно застосовувати їх для розробки систем штучного інтелекту, які здатні не лише служити людям, але й рятувати людей від них самих. .

Як зазначив Стюарт Рассел, відмова від досліджень штучного інтелекту не є варіантом, ми повинні просуватися вперед. Ця книга є дорожньою картою, яка допоможе нам розробити безпечні, відповідальні та достовірно корисні системи ШІ.

# 3. Як створити розум Рей Курцвейл

Рей Курцвейл є один із провідних світових винахідників, мислителів і футуристів, його називають «невгамовний геній» The Wall Street Journal і «найвища мисляча машина» журналу Forbes. Він також є співзасновником Університету сингулярності, і він найбільш відомий своєю новаторською книгою «Сингулярність близько». «Як створити розум” менше торкається питань експоненціального зростання, які є характерними рисами його інших робіт, натомість він зосереджується на тому, як нам потрібно зрозуміти людський мозок, щоб переконструювати його, щоб створити найкращу мислячу машину.

Одним із основних принципів, викладених у цій основоположній роботі, є те, як розпізнавання образів працює в людському мозку. Як люди розпізнають закономірності в повсякденному житті? Як ці зв'язки утворюються в мозку? Книга починається з розуміння ієрархічного мислення, це розуміння структури, яка складається з різноманітних елементів, розташованих у шаблоні, який потім представляє символ, такий як літера чи символ, а потім це впорядковується у більш просунутий шаблон наприклад, слово і, зрештою, речення. Згодом ці моделі формують ідеї, які перетворюються на продукти, за створення яких відповідають люди.

Оскільки це книга Рея Курцвейла, то, звісно, ​​не займе багато часу, перш ніж з’явиться експоненціальне мислення. "Закон прискореної віддачі' є відмінною рисою цієї основоположної книги. Цей закон демонструє, як технології та темпи прискорення прискорюються через тенденцію прогресу харчуватися самим собою, ще більше збільшуючи швидкість прогресу. Потім це мислення можна застосувати до того, як швидко ми вчимося розуміти та реконструювати людський мозок. Це прискорене розуміння систем розпізнавання образів у людському мозку потім можна застосувати для створення системи AGI.

Ця книга настільки змінила майбутнє штучного інтелекту, що Ерік Шмідт залучив Рея Курцвейла до роботи над проектами штучного інтелекту після того, як він закінчив читати цю фундаментальну книгу. Неможливо викласти всі ідеї та концепції, які обговорюються в короткій статті, тим не менш, це книга, яку варто прочитати, щоб краще зрозуміти, як працюють людські нейронні мережі, щоб розробити просунуту штучна нейронна мережа.

Розпізнавання образів є ключовим елементом глибокого навчання, і ця книга ілюструє чому.

# 2. Майстер-алгоритм автор Педро Домінгос

Центральна гіпотеза Майстер-алгоритм полягає в тому, що всі знання – минулі, теперішні та майбутні – можуть бути отримані з даних за допомогою єдиного універсального алгоритму навчання, який кількісно визначається як головний алгоритм. У книзі докладно описано деякі з найпопулярніших методологій машинного навчання, вона дає докладні пояснення того, як працюють різні алгоритми, як їх можна оптимізувати та як спільно вони можуть працювати для досягнення кінцевої мети створення Майстер-алгоритму. Це алгоритм, який здатний вирішити будь-яку проблему, яку ми йому надаємо, зокрема й лікування раку.

Читач почне із вивчення Наївний Байєс, простий алгоритм, який можна пояснити одним простим рівнянням. Звідти він прискорює повну швидкість до більш цікавих методів машинного навчання. Щоб зрозуміти технології, які пришвидшують нас до цього головного алгоритму, ми дізнаємося про основи конвергенції. По-перше, з нейронауки ми дізнаємося про пластичність мозку, людські нейронні мережі. По-друге, ми переходимо до природного відбору в уроці, щоб зрозуміти, як розробити генетичний алгоритм, який імітує еволюцію та природний відбір. За допомогою генетичного алгоритму популяція гіпотез у кожному поколінні перетинається та мутує, звідти найпридатніші алгоритми створюють наступне покоління. Ця еволюція пропонує максимальне самовдосконалення.

Інші аргументи походять з фізики, статистики і, звичайно, найкращих з інформатики. Неможливо вичерпно розглянути всі різні аспекти, яких торкається ця книга, через амбіційний обсяг книги, що передбачає створення основи для побудови Майстер-алгоритму. Саме ця структура відсунула цю книгу на друге місце, оскільки всі інші книги про машинне навчання будуються на цьому в тій чи іншій формі.

# 1. Тисяча мізків Джефф Хокінс

"Тисяча мізків” будується на концепціях, які обговорюються в попередній книзі Джеффа Хокінса під назвою “Про інтелект”. «Про інтелект» досліджував структуру для розуміння того, як працює людський інтелект, і як ці концепції потім можна застосувати для створення остаточних систем ШІ та AGI. Він фундаментально аналізує, як наш мозок передбачає те, що ми переживемо, перш ніж ми це переживемо.

Незважаючи на те, що «Тисяча мізків» є чудовою окремою книгою, вона сподобається та оціниться найкраще, якщо «Про інтелект» читається першим.

«Тисяча мізків» базується на останніх дослідженнях Джеффа Хокінса та заснованої ним компанії під назвою Нумента. Основною метою Numenta є розробка теорії про те, як працює неокортекс, а другорядна мета полягає в тому, як цю теорію мозку можна застосувати до машинного навчання та машинного інтелекту.

Перше велике відкриття Numenta в 2010 році стосується того, як нейрони роблять прогнози, а друге відкриття в 2016 році стосувалося картографічних систем відліку в неокортексі. У книзі насамперед детально описано, що таке «теорія тисячі мізків», що таке системи відліку та як ця теорія працює в реальному світі. Одним із найбільш фундаментальних компонентів цієї теорії є розуміння того, як неокортекс еволюціонував до свого нинішнього розміру.

Неокортекс спочатку був маленьким, подібно до інших ссавців, але він експоненціально збільшувався (обмежуючись лише розміром родових шляхів) не за рахунок створення чогось нового, а за рахунок повторного копіювання базової схеми. По суті, те, що відрізняє людей, полягає не в органічному матеріалі мозку, а в кількості копій ідентичних елементів, які утворюють неокортекс.

Теорія далі розкриває те, як неокортекс формується приблизно з 150,000 XNUMX коркових колон, які не видно під мікроскопом, оскільки між ними немає видимих ​​меж. Те, як ці кортикальні колони спілкуються між собою, є реалізацією фундаментального алгоритму, який відповідає за кожен аспект сприйняття та інтелекту.

Що ще важливіше, книга розкриває, як цю теорію можна застосувати до створення розумних машин і можливі майбутні наслідки для суспільства. Наприклад, мозок вивчає модель світу, спостерігаючи за тим, як вхідні дані змінюються з часом, особливо коли застосовується рух. Кортикальні стовпці вимагають системи відліку, яка фіксується на об’єкті, ці системи відліку дозволяють кортикальному стовпчику дізнатися про розташування функцій, які визначають реальність об’єкта. По суті системи відліку можуть організувати будь-який тип знань. Це веде до найважливішої частини цієї основоположної книги. Чи можуть еталонні системи потенційно бути життєво важливою відсутньою ланкою для створення більш досконалого ШІ чи навіть системи AGI? Сам Джефф вірить у неминуче майбутнє, коли AGI вивчатиме моделі світу за допомогою картографічних систем відліку, подібних до неокортексу, і він чудово пояснює, чому він у це вірить.