6 本最好的机器学习和人工智能书籍（所有时间）

人工智能的世界可能会因为术语和可用的各种机器学习算法而令人生畏。经过阅读了 50 多本关于机器学习的最高推荐书籍后，我编制了我个人必须阅读的书籍列表。

所选择的书籍是基于介绍的思想类型和呈现诸如深度学习、强化学习和遗传算法等概念的方式。最重要的是，列表是基于为未来学家和研究人员铺平道路的书籍，以建设可以证明的负责和可解释的 AI。

#6. 如何工作：从巫术到科学 由 Ronald T. Kneusel 撰写

“如何工作”是一本简洁明了的书，旨在阐明机器学习的核心基本原理。这本书使人们能够学习机器学习的丰富历史，从传统 AI 系统的诞生到当代方法的出现。

历史是分层的，首先是基于支持向量机、决策树和随机森林的成熟 AI 系统。这些早期系统为突破性的进步铺平了道路，导致了更复杂的方法的发展，例如神经网络和卷积神经网络。这本书讨论了大型语言模型（LLM）提供的令人难以置信的功能，这些功能是当今最先进的生成式 AI 的动力。

理解基础知识（例如，如何使用噪声到图像技术复制现有图像，甚至从看似随机的提示创建新的、前所未有的图像）对于理解推动当今图像生成技术的力量至关重要。这本书很好地解释了这些基本方面，使读者能够理解图像生成技术的复杂性和底层机制。

作者 Ron Kneusel 在阐述他对为什么 OpenAI 的 ChatGPT 和其 LLM 模型标志着真正 AI 的开始的看法方面做出了令人钦佩的努力。他详细介绍了如何呈现不同 LLM 的出现特性，可以直观地理解思维理论。这些出现特性似乎会根据训练模型的大小而变得更加明显和有影响力。Kneusel 讨论了如何更大的参数数量通常会导致最熟练和最成功的 LLM 模型，为这些模型的缩放动态和有效性提供了更深入的见解。

这本书是那些想要了解更多关于 AI 世界的人的灯塔，提供了对机器学习技术演变轨迹的详细而易于理解的概述，从其原始形式到当今的先驱实体。无论您是初学者还是对该主题有深入了解的人，“如何工作”都旨在为您提供对继续塑造我们世界的变革技术的精炼理解。

#5. 生命 3.0 由 Max Tegmark 撰写

“生命 3.0” 有一个雄心勃勃的目标，即探索我们如何在未来与 AI 共存的可能性。通用人工智能（AGI）是 1965 年英国数学家 Irving Good 提出的智能爆发论的最终和不可避免的结果。这个论点规定，超人类智能将是能够持续自我改进的机器的结果。智能爆发的著名引用如下：

“让超智能机器被定义为一种可以远远超过任何人（无论多么聪明）所有智力活动的机器。由于机器的设计是这些智力活动之一，超智能机器可以设计出更好的机器；毫无疑问会有一个’智能爆发’，人类的智力将远远落后。因此，第一个超智能机器是人类需要发明的最后一件作品。”

Max Tegmark 将这本书推向了一个由 AGI 控制的世界的理论未来。从这一刻起，爆炸性的问题被提出来，例如什么是智能？什么是记忆？什么是计算？什么是学习？这些问题和可能的答案如何最终导致一个可以使用各种机器学习来实现自我改进的突破，并实现人类级别的智能和不可避免的超智能？

这些是“生命 3.0”探讨的前瞻性思维和重要问题的类型。生命 1.0 是简单的生命形式，例如细菌，它们只能通过修改其 DNA 的进化来改变。生命 2.0 是可以重新设计其自身软件的生命形式，例如学习一种新语言或技能。生命 3.0 是一种可以修改其自身行为和技能的 AI，并且可以修改其自身的硬件，例如升级其机器人自身。

只有当我们了解 AGI 的利弊时，我们才能开始审查选项，以确保我们构建一个与我们的目标保持一致的友好 AI。为此，我们可能还需要了解什么是意识，以及 AI 意识如何与我们自己的意识不同。

这本书探讨了许多热门话题，任何真正想要了解 AGI 是如何对未来人类文明构成潜在威胁和潜在生命线的人都应该阅读这本书。

#4. 与人类兼容：人工智能和控制问题 由 Stuart Russell 撰写

如果我们成功地构建了一个智能代理，一个能够感知、行动并且比其创造者更智能的东西，我们将如何说服机器实现我们的目标，而不是实现其自身的目标？

上述问题导致了这本书“与人类兼容：人工智能和控制问题”的最重要概念之一，即我们必须避免“将目的置于机器中”，正如 Norbert Wiener 曾经说过。一个过于确定其固定目标的智能机器是最危险的 AI 类型。换句话说，如果 AI 成为不愿考虑其预编程目的和功能可能是错误的，那么可能就不可能关闭 AI 系统。

Stuart Russell 提出的困难在于，指示 AI/机器器人没有一个指令是为了实现某个目标而不惜一切代价。这不可以为了取一个咖啡而牺牲人类生命，也不可以为了提供午餐而烤猫。这必须被理解为“尽快带我到机场”，并不意味着可以违反速度限制，即使这个指令没有明确说明。如果 AI 得出错误的结论，则预编程的不确定性水平将作为安全保障。有了一定的不确定性，AI 可以在完成任务之前质疑自己，甚至可以寻求口头确认。

在 1965 年的一篇题为“关于第一台超智能机器的猜测”的论文中，I.J Good，一位与 Alan Turing 共事的杰出数学家，指出：“人类的生存取决于超智能机器的早期构建”。完全有可能，我们必须构建最先进的 AI 来拯救自己免于生态、生物和人道主义灾难。

这篇开创性的论文解释了智能爆发理论，即超智能机器可以设计出更好、更优越的机器，每次迭代都会导致超智能机器的创造。虽然 AGI最初可能与人类具有相同的智力，但它将迅速在短时间内超过人类。由于这个不可避免的结论，AI 开发人员必须实现这本书中分享的核心原则，并学习如何安全地将其应用于设计能够为人类服务和拯救人类免于自身危害的 AI 系统。

正如 Stuart Russell 所述，撤回 AI 研究不是一个选择，我们必须继续前进。这本书是指引我们设计安全、负责和有益的 AI 系统的路线图。

#3. 如何创建一个心智 由 Ray Kurzweil 撰写

Ray Kurzweil 是世界领先的发明家、思想家和未来学家，他被《华尔街日报》称为“不安分的天才”，被《福布斯》杂志称为“终极思考机器”。他也是 Singularity University 的联合创始人，以其开创性的书籍“奇点临近”而闻名。“如何创建一个心智”探讨的不是指数增长的问题，而是我们需要了解人类大脑如何工作，以便反向工程创造最终的思考机器。

这本书的核心原则之一是，模式识别如何在人类大脑中工作。人类如何在日常生活中识别模式？这些连接如何在大脑中形成？这本书首先解释了等级式思维，即理解一个结构，由多样元素组成，按照某种模式排列，这种排列代表一个符号，例如一个字母或字符，然后进一步排列成一个更高级的模式，例如一个词，最后是一个句子。最终，这些模式形成了想法，这些想法被转化为人类负责的产品。

由于这是雷·库兹韦尔的一本书，所以很快就会引入指数思维。《加速回报定律》是这本开创性书籍的标志。这项法律展示了如何技术和进步的步伐正在加速，因为进步往往会相互促进，从而进一步增加进步的速度。这一思维可以应用于我们如何快速学习了解和反向工程人类大脑。对人类大脑中的模式识别系统的加速理解可以应用于构建一个 AGI 系统。

这本书对 AI 的未来产生了如此深远的影响，以至于埃里克·施密特在读完这本开创性书籍后邀请雷·库兹韦尔从事 AI 项目。很难在一篇短文中概述所有在这本书中讨论的想法和概念，但这是一本必读的书，以更好地了解如何使人类神经网络工作，以设计一个先进的神经网络。

模式识别是深度学习的关键元素，这本书说明了为什么。

#2. 主算法 由 Pedro Domingos 撰写

《主算法》的中心假设是所有知识——过去、现在和未来——都可以通过一个单一的、普遍的学习算法来推导，这个算法被量化为主算法。这本书详细介绍了一些顶级的机器学习方法ology，它提供了详细的解释，说明不同算法的工作原理、如何优化它们以及如何协同工作以实现创建主算法的最终目标。这个算法能够解决我们输入的任何问题，包括治愈癌症。

读者将从学习 Naïve Bayes 算法开始，这是一个可以用一个简单的等式解释的简单算法。从那里开始，它将加速到更有趣的机器学习技术。为了了解加速我们走向主算法的技术，我们学习了收敛的基本原理。首先，从神经科学中，我们学习了脑部可塑性、人类神经网络。其次，我们转到自然选择，以了解如何设计一个模拟进化和自然选择的遗传算法。使用遗传算法，假设的每一代都会交叉和突变，从而产生下一代最适合的算法。这个进化提供了自我改进的最终手段。

来自物理学、统计学和计算机科学的其他论点。很难全面审查这本书触及的不同方面，因为这本书的范围很广泛，旨在为构建主算法奠定框架。这就是为什么这本书排名第二的原因，因为所有其他机器学习书籍都以某种方式建立在此基础上。

#1. 一千个大脑 由 Jeff Hawkins 撰写

“一千个大脑” 建立在 Jeff Hawkins 的前一本书 “关于智能” 的概念之上，后者探讨了理解人类智能的框架，以及如何将这些概念应用于构建最终的 AI 和 AGI 系统。它从根本上分析了我们的脑如何预测我们将要经历的事情。

虽然“一千个大脑”是一本优秀的独立书籍，但如果先读“关于智能”，它将会被更好地欣赏和理解。

“一千个大脑” 建立在 Jeff Hawkins 和他创立的公司 Numenta 的最新研究成果之上。Numenta 的主要目标是开发一个关于新皮层如何工作的理论，其次要目标是如何将这个关于大脑的理论应用于机器学习和机器智能。

Numenta 的第一项重大发现是在 2010 年，关于神经元如何进行预测，第二项发现是在 2016 年，关于新皮层中的地图式参考框架。这本书首先介绍了什么是 “一千个大脑理论”，什么是参考框架，以及该理论如何在现实世界中起作用。这个理论的最基本组成部分之一是了解新皮层如何随着时间的推移而演化到其当前的大小。

新皮层最初很小，与其他哺乳动物类似，但它指数级地增长（仅受限于分娩管的大小），不是通过创造新的东西，而是通过重复复制基本电路。从本质上讲，区分人类的不是大脑的有机材料，而是形成新皮层的相同元素的数量。

该理论进一步发展到新皮层是如何形成的，约有 15 万个皮层柱，它们在显微镜下不可见，因为它们之间没有可见的边界。这些皮层柱如何相互通信，是负责感知和智能的每个方面的基本算法的实现。

更重要的是，这本书揭示了如何将这一理论应用于构建智能机器，以及对社会的可能未来影响。例如，大脑通过观察输入随时间的变化（尤其是在运动时）来学习对世界的模型。皮层柱需要固定在对象上的参考框架，这些参考框架使皮层柱能够学习定义对象现实的特征的位置。从本质上讲，参考框架可以组织任何类型的知识。这导致了这本开创性书籍的最重要部分，即参考框架是否可能是构建更先进的 AI 或甚至 AGI 系统的缺失链接？杰夫本人相信，AGI 将使用类似于新皮层的地图式参考框架来学习对世界的模型，他在阐述为什么他相信这一点时做得非常出色。