6 cuốn sách về AI và Machine Learning hay nhất mọi thời đại (tháng 2024 năm XNUMX)

Thế giới AI có thể đáng sợ do thuật ngữ và các thuật toán học máy khác nhau hiện có. Sau khi đọc hơn 50 cuốn sách được đánh giá cao nhất về học máy, tôi đã tổng hợp danh sách cá nhân của mình về những cuốn sách phải đọc.

Những cuốn sách được chọn dựa trên các loại ý tưởng được giới thiệu và mức độ trình bày của các khái niệm khác nhau như học sâu, học tăng cường và thuật toán di truyền. Quan trọng nhất là danh sách này dựa trên những cuốn sách mở đường tốt nhất cho những người theo chủ nghĩa tương lai và các nhà nghiên cứu hướng tới việc xây dựng AI có trách nhiệm và có thể giải thích được.

# 6. Cách thức hoạt động của AI: Từ phép thuật đến khoa học của Ronald T. Kneusel

“AI hoạt động như thế nào” là một cuốn sách ngắn gọn và rõ ràng được thiết kế để mô tả các nguyên tắc cơ bản cốt lõi của học máy. Cuốn sách này tạo điều kiện tìm hiểu về lịch sử phong phú của học máy, hành trình từ sự ra đời của các hệ thống AI truyền thống cho đến sự ra đời của các phương pháp hiện đại.

Lịch sử được phân lớp, bắt đầu với các hệ thống AI có nền tảng vững chắc như máy vectơ hỗ trợ, cây quyết định và rừng ngẫu nhiên. Những hệ thống trước đó đã mở đường cho những tiến bộ mang tính đột phá, dẫn đến sự phát triển của các phương pháp tiếp cận phức tạp hơn như mạng lưới thần kinh và mạng lưới thần kinh tích chập. Cuốn sách thảo luận về những khả năng đáng kinh ngạc được cung cấp bởi Mô hình ngôn ngữ lớn (LLM), vốn là thế lực đằng sau AI sáng tạo hiện đại nhất hiện nay.

Hiểu những điều cơ bản, chẳng hạn như cách công nghệ chuyển nhiễu thành hình ảnh có thể tái tạo hình ảnh hiện có và thậm chí tạo ra những hình ảnh mới, chưa từng có từ những lời nhắc dường như ngẫu nhiên, là rất quan trọng trong việc nắm bắt các lực thúc đẩy các công cụ tạo hình ảnh ngày nay. Cuốn sách này giải thích một cách tuyệt vời những khía cạnh cơ bản này, cho phép người đọc hiểu được sự phức tạp và cơ chế cơ bản của công nghệ tạo hình ảnh.

Ron Kneusel, tác giả, thể hiện nỗ lực đáng khen ngợi trong việc làm sáng tỏ quan điểm của mình về lý do tại sao ChatGPT của OpenAI và mô hình LLM của nó lại biểu thị sự khởi đầu của AI thực sự. Ông trình bày một cách tỉ mỉ cách các LLM khác biệt thể hiện các đặc tính nổi bật có khả năng hiểu lý thuyết về tâm trí bằng trực giác. Những đặc tính nổi bật này dường như trở nên rõ rệt và có ảnh hưởng hơn dựa trên quy mô của mô hình đào tạo. Kneusel thảo luận về cách thức mà số lượng tham số lớn hơn thường dẫn đến các mô hình LLM thành công và hiệu quả nhất, cung cấp những hiểu biết sâu sắc hơn về động lực mở rộng và hiệu quả của các mô hình này.

Cuốn sách này là ngọn hải đăng cho những ai muốn tìm hiểu thêm về thế giới AI, cung cấp cái nhìn tổng quan chi tiết nhưng dễ hiểu về quỹ đạo phát triển của công nghệ học máy, từ những dạng thô sơ cho đến những thực thể tiên phong ngày nay. Cho dù bạn là người mới hay người đã nắm vững chủ đề này, “Cách thức hoạt động của AI” được thiết kế để cung cấp cho bạn sự hiểu biết sâu sắc về các công nghệ biến đổi đang tiếp tục định hình thế giới của chúng ta.

# 5. Cuộc sống 3.0 bởi Max Tegmark

"Cuộc sống 3.0” có một mục tiêu đầy tham vọng và đó là khám phá các khả năng về cách chúng ta sẽ cùng tồn tại với AI trong tương lai. Trí tuệ tổng hợp nhân tạo (AGI) là hệ quả cuối cùng và không thể tránh khỏi của lập luận bùng nổ trí thông minh do nhà toán học người Anh Irving Good đưa ra vào năm 1965. Lập luận này quy định rằng trí thông minh siêu phàm sẽ là kết quả của một cỗ máy có thể liên tục tự cải thiện. Câu nói nổi tiếng về sự bùng nổ trí thông minh như sau:

“Cỗ máy siêu thông minh được định nghĩa là cỗ máy có thể vượt xa mọi hoạt động trí tuệ của bất kỳ người nào dù thông minh đến đâu. Vì thiết kế máy móc là một trong những hoạt động trí tuệ này, nên một cỗ máy siêu thông minh có thể thiết kế những cỗ máy thậm chí còn tốt hơn; khi đó chắc chắn sẽ có một 'sự bùng nổ trí tuệ', và trí thông minh của con người sẽ bị bỏ xa phía sau. Do đó, cỗ máy siêu thông minh đầu tiên là phát minh cuối cùng mà con người từng tạo ra.”

Max Tegmark đưa cuốn sách vào một tương lai lý thuyết về việc sống trong một thế giới được điều khiển bởi AGI. Kể từ thời điểm này trở đi, những câu hỏi bùng nổ được đặt ra như trí thông minh là gì? Bộ nhớ là gì? Tính toán là gì? và, học là gì? Làm thế nào để những câu hỏi này và những câu trả lời có thể cuối cùng dẫn đến mô hình của một cỗ máy có thể sử dụng nhiều loại máy học khác nhau để đạt được những bước đột phá trong việc cải thiện bản thân cần thiết để đạt được trí thông minh cấp độ con người và kết quả là trí tuệ siêu phàm không thể tránh khỏi?

Đây là kiểu tư duy cầu tiến và những câu hỏi quan trọng mà Cuộc sống 3.0 khám phá. Sự sống 1.0 là những dạng sống đơn giản như vi khuẩn chỉ có thể thay đổi thông qua quá trình tiến hóa làm biến đổi DNA của nó. Cuộc sống 2.0 là những dạng sống có thể thiết kế lại phần mềm của chính chúng, chẳng hạn như học một ngôn ngữ hoặc kỹ năng mới. Life 3.0 là một AI không chỉ có thể sửa đổi hành vi và kỹ năng của chính nó mà còn có thể sửa đổi phần cứng của chính nó, chẳng hạn như nâng cấp bản thân người máy của nó.

Chỉ khi chúng ta hiểu được lợi ích và cạm bẫy của AGI, thì chúng ta mới có thể bắt đầu xem xét các tùy chọn để đảm bảo rằng chúng ta xây dựng một AI thân thiện hơn là có thể phù hợp với mục tiêu của chúng ta. Để làm được điều này có lẽ chúng ta cũng cần hiểu ý thức là gì? Và ý thức của AI sẽ khác với ý thức của chúng ta như thế nào?

Có rất nhiều chủ đề hấp dẫn được khám phá trong cuốn sách này và nó nên là cuốn sách bắt buộc phải đọc đối với bất kỳ ai thực sự muốn hiểu AGI là mối đe dọa tiềm ẩn như thế nào, cũng như là huyết mạch tiềm năng cho tương lai của nền văn minh nhân loại.

# 4. Tương thích với con người: Trí tuệ nhân tạo và vấn đề kiểm soát bởi Stuart Russell

Điều gì sẽ xảy ra nếu chúng ta thành công trong việc xây dựng một tác nhân thông minh, thứ gì đó có thể nhận thức, hành động và thông minh hơn những người tạo ra nó? Làm thế nào chúng ta sẽ thuyết phục máy móc đạt được mục tiêu của chúng ta thay vì mục tiêu của chính chúng?

Trên đây là những gì dẫn đến một trong những khái niệm quan trọng nhất của cuốn sách “Tương thích với con người: Trí tuệ nhân tạo và vấn đề kiểm soát” là chúng ta phải tránh “đặt mục đích vào cỗ máy,” như Norbert Wiener đã từng nói. Một cỗ máy thông minh quá chắc chắn về các mục tiêu cố định của nó là loại AI nguy hiểm cuối cùng. Nói cách khác, nếu AI không muốn xem xét khả năng nó thực hiện sai mục đích và chức năng được lập trình sẵn, thì có thể không thể tự tắt hệ thống AI.

Khó khăn như Stuart Russell đã vạch ra là hướng dẫn AI/robot rằng không có lệnh được hướng dẫn nào nhằm đạt được bằng bất cứ giá nào. Không được hy sinh mạng sống con người để lấy cà phê, hoặc nướng con mèo để cung cấp bữa trưa. Cần phải hiểu rằng “hãy đưa tôi đến sân bay càng nhanh càng tốt”, không có nghĩa là có thể vi phạm luật chạy quá tốc độ, ngay cả khi hướng dẫn này không rõ ràng. Nếu AI mắc sai lầm ở trên, thì an toàn thất bại là một mức độ không chắc chắn được lập trình sẵn nhất định. Với một số điều không chắc chắn, AI có thể thử thách bản thân trước khi hoàn thành một nhiệm vụ, có lẽ để tìm kiếm sự xác nhận bằng lời nói.

Trong một bài báo năm 1965 có tiêu đề “Những suy đoán liên quan đến cỗ máy siêu trí tuệ đầu tiên“, IJ Good, một nhà toán học lỗi lạc từng làm việc cùng với Alan Turing đã tuyên bố, “Sự sống còn của con người phụ thuộc vào việc chế tạo sớm một cỗ máy siêu thông minh”. Hoàn toàn có khả năng là để tự cứu mình khỏi thảm họa sinh thái, sinh học và nhân đạo, chúng ta phải xây dựng AI tiên tiến nhất có thể.

Bài báo chuyên đề này giải thích về sự bùng nổ trí thông minh, lý thuyết này cho rằng một cỗ máy siêu thông minh có thể thiết kế những cỗ máy thậm chí còn tốt hơn và vượt trội hơn sau mỗi lần lặp lại, và điều này chắc chắn dẫn đến việc tạo ra AGI. Mặc dù AGI ban đầu có thể có trí thông minh ngang bằng với con người, nhưng nó sẽ nhanh chóng vượt qua con người trong một khoảng thời gian ngắn. Do kết luận đã được định trước này, điều quan trọng đối với các nhà phát triển AI là hiện thực hóa các nguyên tắc cốt lõi được chia sẻ trong cuốn sách này và học cách áp dụng chúng một cách an toàn để thiết kế các hệ thống AI không chỉ có khả năng phục vụ con người mà còn cứu con người khỏi chính họ .

Như Stuart Russell đã vạch ra, rút ​​lui khỏi nghiên cứu AI không phải là một lựa chọn, chúng ta phải tiến lên phía trước. Cuốn sách này là một lộ trình hướng dẫn chúng ta thiết kế các hệ thống AI an toàn, có trách nhiệm và có lợi.

# 3. Làm thế nào để tạo ra một tâm trí bởi Ray Kurzweil

Ray Kurzweil là một trong những nhà phát minh, nhà tư tưởng và nhà tương lai học hàng đầu thế giới, ông được coi là “thiên tài không ngừng nghỉ” của The Wall Street Journal và “cỗ máy tư duy tối thượng” của tạp chí Forbes. Anh ấy cũng là người đồng sáng lập của Đại học Singularity, và anh ấy được biết đến nhiều nhất với cuốn sách đột phá “The Singularity is Near”. “Làm thế nào để tạo ra một tâm trí” ít giải quyết các vấn đề về tăng trưởng theo cấp số nhân vốn là điểm nổi bật trong công việc khác của anh ấy, thay vào đó, nó tập trung vào cách chúng ta cần hiểu bộ não con người để thiết kế ngược nó nhằm tạo ra cỗ máy tư duy tối thượng.

Một trong những nguyên tắc cốt lõi được phác thảo trong công trình chuyên đề này là cách hoạt động của nhận dạng mẫu trong não người. Làm thế nào để con người nhận ra các khuôn mẫu trong cuộc sống hàng ngày? Làm thế nào là những kết nối được hình thành trong não? Cuốn sách bắt đầu với việc hiểu tư duy phân cấp, đây là hiểu một cấu trúc bao gồm các yếu tố đa dạng được sắp xếp theo một khuôn mẫu, sự sắp xếp này sau đó đại diện cho một biểu tượng như chữ cái hoặc ký tự, và sau đó, điều này được sắp xếp tiếp theo thành một khuôn mẫu nâng cao hơn chẳng hạn như một từ, và cuối cùng là một câu. Cuối cùng, những mô hình này hình thành ý tưởng và những ý tưởng này được chuyển thành sản phẩm mà con người chịu trách nhiệm xây dựng.

Vì nó là một cuốn sách của Ray Kurzweil nên tất nhiên không mất nhiều thời gian để tư duy hàm mũ được giới thiệu. Các "Quy luật tăng tốc hoàn vốn' là một dấu hiệu của cuốn sách chuyên đề này. Luật này cho thấy công nghệ và tốc độ tăng tốc đang tăng tốc như thế nào do xu hướng những tiến bộ tự nuôi sống bản thân, làm tăng thêm tốc độ tiến bộ. Suy nghĩ này sau đó có thể được áp dụng cho tốc độ chúng ta đang học để hiểu và thiết kế ngược bộ não con người. Sự hiểu biết nhanh chóng này về các hệ thống nhận dạng mẫu trong não người sau đó có thể được áp dụng để xây dựng một hệ thống AGI.

Cuốn sách này đã thay đổi tương lai của AI đến mức Eric Schmidt đã tuyển dụng Ray Kurzweil để làm việc trong các dự án AI sau khi ông đọc xong cuốn sách quan trọng này. Không thể phác thảo tất cả các ý tưởng và khái niệm được thảo luận trong một bài viết ngắn, tuy nhiên đây là một cuốn sách công cụ phải đọc để hiểu rõ hơn về cách thức hoạt động của mạng lưới thần kinh con người nhằm thiết kế một công cụ tiên tiến. mạng lưới thần kinh nhân tạo.

Nhận dạng mẫu là yếu tố chính để học sâu và cuốn sách này minh họa lý do tại sao.

# 2. Thuật toán chính bởi Pedro Domingos

Giả thuyết trung tâm của Thuật toán chính là tất cả kiến ​​thức – quá khứ, hiện tại và tương lai – đều có thể được lấy từ dữ liệu bằng một thuật toán học phổ quát duy nhất được định lượng dưới dạng Thuật toán chính. Cuốn sách trình bày chi tiết một số phương pháp học máy hàng đầu, giải thích chi tiết về cách hoạt động của các thuật toán khác nhau, cách chúng có thể được tối ưu hóa và cách chúng có thể hợp tác để đạt được mục tiêu cuối cùng là tạo ra thuật toán Master. Đây là một thuật toán có khả năng giải quyết bất kỳ vấn đề nào mà chúng tôi cung cấp cho nó và điều này bao gồm cả việc chữa bệnh ung thư.

Người đọc sẽ bắt đầu bằng cách tìm hiểu về Bayes ngây thơ, một thuật toán đơn giản có thể được giải thích bằng một phương trình đơn giản. Từ đó, nó tăng tốc tối đa vào các kỹ thuật học máy thú vị hơn. Để hiểu các công nghệ đang thúc đẩy chúng tôi hướng tới thuật toán chính này, chúng tôi tìm hiểu về các nguyên tắc cơ bản hội tụ. Đầu tiên, từ khoa học thần kinh, chúng ta tìm hiểu về tính linh hoạt của não, mạng lưới thần kinh của con người. Thứ hai, chúng ta chuyển sang phần chọn lọc tự nhiên trong bài học để hiểu cách thiết kế một thuật toán di truyền mô phỏng quá trình tiến hóa và chọn lọc tự nhiên. Với một thuật toán di truyền, một tập hợp các giả thuyết trong mỗi thế hệ giao nhau và biến đổi, từ đó các thuật toán phù hợp nhất tạo ra thế hệ tiếp theo. Sự tiến hóa này mang đến sự hoàn thiện tối ưu cho bản thân.

Các lập luận khác đến từ vật lý, thống kê và tất nhiên là khoa học máy tính tốt nhất. Không thể xem xét toàn diện tất cả các khía cạnh khác nhau mà cuốn sách này đề cập đến, do phạm vi đầy tham vọng của cuốn sách trong việc đặt ra khuôn khổ để xây dựng Thuật toán tổng thể. Chính khuôn khổ này đã đẩy cuốn sách này lên vị trí thứ hai, vì tất cả các cuốn sách học máy khác đều xây dựng dựa trên điều này dưới một hình thức nào đó.

# 1. Một ngàn bộ não bởi Jeff Hawkins

"Một ngàn bộ não” xây dựng dựa trên các khái niệm đã được thảo luận trong cuốn sách trước của Jeff Hawkins có tựa đề “On Intelligence”. “On Intelligence” đã khám phá khuôn khổ để hiểu cách thức hoạt động của trí thông minh con người và cách áp dụng những khái niệm này để xây dựng các hệ thống AI và AGI tối ưu. Về cơ bản, nó phân tích cách bộ não của chúng ta dự đoán những gì chúng ta sẽ trải nghiệm trước khi chúng ta trải nghiệm nó.

Mặc dù “Một ngàn bộ não” là một cuốn sách độc lập tuyệt vời, nhưng nó sẽ được thưởng thức và đánh giá cao nhất nếu “Về tình báo” được đọc đầu tiên.

“A Thousand Brains” được xây dựng dựa trên nghiên cứu mới nhất của Jeff Hawkins và công ty do ông thành lập có tên là numenta. Numenta có mục tiêu chính là phát triển một lý thuyết về cách thức hoạt động của vỏ não mới, mục tiêu thứ yếu là cách lý thuyết này về bộ não có thể được áp dụng cho máy học và trí thông minh của máy.

Khám phá lớn đầu tiên của Numenta vào năm 2010 liên quan đến cách các tế bào thần kinh đưa ra dự đoán và khám phá thứ hai vào năm 2016 liên quan đến các khung tham chiếu giống như bản đồ trong tân vỏ não. Đầu tiên và quan trọng nhất, cuốn sách trình bày chi tiết về “thuyết Bộ não” là gì, các hệ quy chiếu là gì và cách thức hoạt động của lý thuyết này trong thế giới thực. Một trong những thành phần cơ bản nhất đằng sau lý thuyết này là hiểu cách tân vỏ não phát triển đến kích thước hiện tại của nó.

Vỏ não mới bắt đầu nhỏ, tương tự như các động vật có vú khác, nhưng nó phát triển lớn hơn theo cấp số nhân (chỉ bị giới hạn bởi kích thước của ống sinh) không phải bằng cách tạo ra bất kỳ thứ gì mới mà bằng cách sao chép lặp đi lặp lại một mạch cơ bản. Về bản chất, điều khiến con người khác biệt không phải là vật liệu hữu cơ của não mà là số lượng bản sao của các phần tử giống hệt nhau hình thành nên vỏ não mới.

Lý thuyết tiếp tục phát triển thành cách tân vỏ não được hình thành với khoảng 150,000 cột vỏ não không thể nhìn thấy dưới kính hiển vi vì không có ranh giới rõ ràng giữa chúng. Làm thế nào các cột vỏ não này giao tiếp với nhau, là việc thực hiện một thuật toán cơ bản chịu trách nhiệm cho mọi khía cạnh của nhận thức và trí thông minh.

Quan trọng hơn, cuốn sách tiết lộ lý thuyết này có thể được áp dụng như thế nào để chế tạo máy móc thông minh và những tác động có thể có trong tương lai đối với xã hội. Ví dụ, bộ não học mô hình thế giới bằng cách quan sát cách đầu vào thay đổi theo thời gian, đặc biệt là khi áp dụng chuyển động. Các cột vỏ não yêu cầu một khung tham chiếu được cố định vào một đối tượng, các khung tham chiếu này cho phép một cột vỏ não tìm hiểu vị trí của các đặc điểm xác định thực tế của một đối tượng. Về bản chất, các khung tham chiếu có thể tổ chức bất kỳ loại kiến ​​thức nào. Điều này dẫn đến phần quan trọng nhất của cuốn sách quan trọng này, liệu các khung tham chiếu có khả năng là liên kết còn thiếu quan trọng đối với việc xây dựng một AI tiên tiến hơn hay thậm chí là một hệ thống AGI không? Bản thân Jeff tin vào một tương lai không thể tránh khỏi khi một AGI sẽ học các mô hình của thế giới bằng cách sử dụng các khung tham chiếu giống như bản đồ tương tự như vỏ não mới và anh ấy đã làm một công việc đáng chú ý để minh họa lý do tại sao anh ấy tin vào điều này.