Zgodnie z a Raportowanie CNN niektóre z największych firm technologicznych używają 200 000 książek do trenowania systemów sztucznej inteligencji. Książki te pomagają generatywnemu AI nauczyć się, jak przekazywać informacje.
Warto zauważyć, że podczas gdy my czytamy książki o AI, generatywnej AI i analityce predykcyjnej, modele te czytają książki napisane przez ludzi, aby uzyskać więcej kontekstu.
W ciągu roku AI przeszła od bycia technologią przyszłości do powszechnego zastosowania w naszym życiu zawodowym. Wschodzące firmy technologiczne wykorzystują systemy AI oraz ich zdolności generatywne i myślowe do automatyzacji powtarzalnych zadań w różnych działach.
Jeśli chcesz dowiedzieć się więcej o AI, zapoznaj się z listą najlepszych książek o AI, które powinieneś przeczytać w 2024 roku.
10 najlepszych książek o AI, które musisz przeczytać w tym roku
1. Kompatybilny z człowiekiem: Sztuczna inteligencja i problem kontroli
przez Amazon
O książce
- Autor: Stuart Russell
- Liczba stron: 349
- Szacowany czas czytania: 13 godzin
- Rok wydania: 2019
- Zalecany poziom: Czytelnicy na poziomie podstawowym i średnio zaawansowanym
- Recenzje i oceny:
- 4.1/5 (Amazon)
- 4.1/5 (Goodreads)
Książka Stuarta Russella Human Compatible: Artificial Intelligence and the Problem of Control szturmem podbiła świat w 2019 roku. The Guardian nazwał ją "najważniejszą książką o AI w 2019 roku"
Książka ta zapewnia niezbędny kontekst, zanim zaczniemy opowiadać się za sztuczną inteligencją.
Russell postrzega konflikt między ludźmi a maszynami jako nieunikniony, zagrażający miejscom pracy i ludzkim wartościom. Możemy jednak tego uniknąć, jeśli przemyślimy AI od podstaw. Kwestionując nasze koncepcje ludzkiego zrozumienia i uczenia się maszyn, pisarz omawia możliwości nadludzkiej AI.
Argumentuje, że największym wyzwaniem w projektowaniu IQ jest oprogramowanie, które będzie wymagało kilku przełomów, z których jednym musi być rozumienie języka.
niestety, rasa ludzka nie jest pojedynczym, racjonalnym bytem. Składa się z paskudnych, napędzanych zazdrością, irracjonalnych, niespójnych, niestabilnych, obliczeniowo limitowanych, złożonych, ewoluujących i heterogenicznych jednostek."_ - Stuart Russell
Kluczowe wnioski
- Możliwe zagrożenia związane z autonomicznymi systemami AI obejmują m.in. śmiercionośną autonomiczną broń, zautomatyzowany nadzór, manipulację zachowaniami w fałszywych wiadomościach i zautomatyzowany szantaż
- Przyjmując AI do rzeczywistych zastosowań, musimy unikać osłabienia człowieka. Odnosi się to do czasu, w którym ludzie oddelegują wszystko do AI i stracą autonomię
Co mówią czytelnicy
"Lektura obowiązkowa: ta intelektualna wycieczka jednego z prawdziwych pionierów AI nie tylko wyjaśnia zagrożenia związane z coraz potężniejszą sztuczną inteligencją w porywający i przekonujący sposób, ale także proponuje konkretne i obiecujące rozwiązanie"
2. Uczenie maszynowe dla początkujących
przez Amazon
O książce
- Autor (autorzy): Chris Sebastian
- Liczba stron: 163
- Szacowany czas czytania: 2 godziny
- Rok wydania: 2019
- Zalecany poziom: Początkujący
- Recenzje i oceny:
- 3.9/5 (Amazon)
- 3.9/5 (Goodreads)
Chris Sebastian argumentuje w Machine Learning for Beginners, że uczenie maszynowe wyrosło z ludzkiego pragnienia uczenia się ze wzmocnieniem. Dla przykładu, komputery początkowo nauczyły się grać w warcaby, a następnie pokonały mistrzów świata w szachach.
Aby zapewnić kontekst, Sebastian przywołuje historyczne wynalazki, takie jak mechaniczne urządzenie Charlesa Babbage'a, które inżynierowie mogli programować za pomocą kart dziurkowanych w 1834 roku lub "Test Turinga" Alana Turinga na inteligencję maszyn w 1950 roku.
Ta książka jest przeznaczona dla osób odsetkach w nauce o AI, informatyki, ML i inteligencji roju. Zrozumiesz również, w jaki sposób duże ustawienia danych są kluczowe dla uczenia maszynowego, dostarczając inżynierom AI informacji potrzebnych do opracowania zaawansowanych algorytmów.
"Uczenie maszynowe, sieci neuronowe i inteligencja roju współdziałają i uzupełniają się nawzajem w ramach dążenia do generowania maszyn zdolnych do myślenia i reagowania na świat."_ - Chris Sebastian
Kluczowe wnioski
- Chociaż matematycy już dawno opracowali wstępne teorie uczenia maszynowego, zajęło nam kilka dziesięcioleci, aby przekształcić te teorie w przykłady z rzeczywistego świata
Co mówią czytelnicy
"Jest to dobra książka do zapoznania się z uczeniem maszynowym na bardzo wysokim poziomie oraz zaletami i wadami tego, jak uczenie maszynowe może wpłynąć na nasze życie"
3. Sztuczna inteligencja dla ludzi
poprzez Amazon
O książce
- Autor/autorzy: Jeff Heaton
- Liczba stron: 222
- Szacowany czas czytania: 8 godzin
- Rok wydania: 2013
- Zalecany poziom: Średnio zaawansowani i zaawansowani czytelnicy
- Recenzje i oceny:
- 4/5 (Amazon)
- 3.8/5 (Goodreads)
Istnieje kilka popularnych książek o AI, ale większość z nich wymaga podstawowego zrozumienia. Sztuczna inteligencja dla ludzi: Volume 1 autorstwa Jeffa Heatona ma na celu wypełnienie tej luki w stosunkowo łatwym do zrozumienia stylu.
Jako czytelnik zrozumiesz podstawowe algorytmy AI w kategorii uczenia maszynowego. Pierwszy tom wyjaśnia uczenie się w kontekście sieci komputerowych i różnych rodzajów uczenia maszynowego. Poruszając temat uczenia nadzorowanego i nienadzorowanego, autor opisuje podstawowe techniki, takie jak regresja i grupowanie, w celu opracowania i trenowania dużych modeli uczenia się.
komputerowe sieci neuronowe nie przypominają ludzkiego mózgu, ponieważ nie są urządzeniami obliczeniowymi ogólnego przeznaczenia. Wykonują niewielkie, specyficzne zadania."_ - Jeff Heaton
Kluczowe wnioski
- Większość algorytmów AI akceptuje wejściowy szyk liczb i generuje szyk wyjściowy. Inżynierowie często modelują problemy rozwiązywane przez AI w tej formie
Co mówią czytelnicy
"Uważam, że informacje zawarte w tej książce są przedstawione niezwykle jasno i zwięźle. Bardzo przydatne w zrozumieniu podstawowych zagadnień."
4. Cybernetyczni rewolucjoniści: Technologia i polityka w Chile Allende
poprzez Amazon
O książce
- Autor/autorzy: Eden Medina
- Liczba stron: 326
- Czas czytania: 11 godzin
- Rok wydania: 2011
- Zalecany poziom: Średnio zaawansowani i zaawansowani czytelnicy
- Recenzje i oceny:
- 4.3 (Goodreads)
Cybernetyczni rewolucjoniści: Technology and Politics in Allende's Chile to jedna z dwóch książek o AI na tej liście, która przedstawia polityczny i technologiczny punkt przecięcia sztucznej inteligencji. Autor omawia dwa projekty realizowane w czasie rzeczywistym, obnażające niebezpieczeństwa AI.
Pierwszym z nich był ambitny eksperyment Chile z pokojową zmianą socjalistyczną. Innym przykładem była próba zbudowania systemu komputerowego znanego jako Project Cybersyn do zarządzania gospodarką kraju.
Wyniki były niebezpieczne.
Rząd Chile, kierowany przez Salvadora Allende, został uwikłany w wojskowy zamach stanu i nigdy nie wdrożył drugiego projektu.
Książka szczegółowo opisuje cybernetyczny system chilijskiego rządu, który miał przynieść holistyczny system projektowania, interakcję człowiek-komputer, zdecentralizowane zarządzanie, krajową sieć teleksową i modelowanie zachowania systemów dynamicznych.
Wywiady, zdjęcia i żywe opisy pokoju operacyjnego sieci przypominającego Star Trek sprawiają, że ta książka jest fascynująca.
"Dążenie do technologicznego rozwiązania problemu zarządzania gospodarką było zgodne z ideami postępu gospodarczego zawartymi w teorii zależności, ale tylko do pewnego momentu."_ - Eden Medina
Kluczowe wnioski
- Projekt Cybersyn w Chile to skrót od Cybernetics-Synergy, który był próbą zarządzania znacjonalizowanymi fabrykami przy użyciu cybernetyki
- Biorąc pod uwagę ten kontekst polityczny, autor oferuje lekcje na temat powiązania technologii z polityką i wartościami ludzkimi
Co mówią czytelnicy
"Historia i badania tutaj są fascynujące i w sam raz dla mnie - cybernetyka, zarządzanie, komputery mainframe!!! Schematy blokowe!!! Cieszę się, że przeczytałem tę książkę"
5. AI Superpowers: Chiny, Dolina Krzemowa i nowy porządek świata
przez Amazon
O książce
- Autor(zy): Kai-Fu Lee
- Długość słuchania: 9 godzin 17 minut
- Rok wydania: 2018
- Zalecany poziom: początkujący, średnio zaawansowani i zaawansowani czytelnicy
- Recenzje i oceny:
- 4.4 (Audible)
AI Superpowers: China, Silicon Valley, and the New World Order to porywający audiobook, który szokuje słuchaczy nieoczekiwanymi konsekwencjami rozwoju AI.
Poprzez pewne odsetki rzeczywistych wydarzeń związanych ze sztuczną inteligencją, dr Lee porusza temat zaciekłej rywalizacji między Stanami Zjednoczonymi a Chinami w zakresie wynalazków AI. Książka porusza temat teorii spiskowej Nowego Porządku Świata i tego, czy niektóre innowacje AI prowadzą do rzeczywistego rządu światowego.
Autor rzuca światło na miejsca pracy, których to dotyczy i te, które sztuczna inteligencja mogłaby ulepszyć. Ponadto przewiduje, że jesteśmy u progu gospodarki opartej na AI.
aI nigdy nie pozwoli nam prawdziwie zrozumieć samych siebie; nie stanie się tak dlatego, że algorytmy te uchwyciły mechaniczną istotę ludzkiej inteligencji. Stanie się tak, ponieważ pozwolą nam zapomnieć o optymalizacji i zamiast tego skupić się na tym, co naprawdę czyni nas ludźmi: kochaniu i byciu kochanym." - Kai-Fu Lee
Kluczowe wnioski
- Chiny mają wyjątkowy ekosystem AI charakteryzujący się ostrą konkurencją, wysokim poziomem ducha przedsiębiorczości, dużą pulą utalentowanych inżynierów, wsparciem rządu i chęcią podejmowania ryzyka
Co mówią czytelnicy
"To jedna z najważniejszych książek 2018 roku. Powinieneś ją przeczytać, jeśli jesteś zaangażowany w jakikolwiek biznes, który wykorzystuje lub będzie wykorzystywał uczenie maszynowe (intensywne uczenie się)."
6. Społeczeństwo umysłu
przez Amazon
O książce
- Autor/autorzy: Marvin Minsky
- Liczba stron: 336
- Szacowany czas czytania: 11 godzin
- Rok wydania: 1988
- Zalecany poziom: Zaawansowani czytelnicy
- Recenzje i oceny:
- 4,7/5 210 recenzji
The Society of Mind to wciągające badanie ludzkiego umysłu za pomocą jednostronicowych esejów, z których każdy wprowadza nową ideę.
Książka obejmuje dogłębne koncepcje widzenia komputerowego, sieci ML, maszyn predykcyjnych, manipulacji robotami i zdroworozsądkowego rozumowania.
Omawiamy tę książkę AI, ponieważ ma ona wpływ na pole sztucznej inteligencji, zachęcając czytelników do myślenia o budowaniu systemów o modułowych i hierarchicznych strukturach, które naśladują różnorodne funkcje ludzkiego umysłu we współczesnym społeczeństwie.
"Fragmenty" rozumowania, języka, pamięci i "percepcji" powinny być bardziej rozszerzone i bardziej ustrukturyzowane, a ich faktyczna i proceduralna zawartość musi być ściślej połączona, aby wyjaśnić pozorną moc i szybkość czynności umysłowych." - Marvin Minsky
Kluczowe wnioski
- Inteligencja wyłania się z interakcji i współpracy między niezliczonymi agentami w umyśle. Nie ogranicza się do jednego scentralizowanego modelu, ale raczej powstaje w wyniku dystrybucji wysiłków tych agentów
Co mówią czytelnicy
"Autor, jeden z niekwestionowanych ojców AI, stara się przedstawić abstrakcyjny model działania ludzkiego umysłu. Jego teza jest taka, że nasze umysły składają się z ogromnej agregacji maleńkich mini-umysłów lub agentów, które wyewoluowały do wykonywania określonych zadań"
7. The Master Algorithm: Jak poszukiwanie najlepszej maszyny uczącej się zmieni nasz świat
poprzez Amazon
O książce
- Autor (autorzy): Pedro Domingos
- Liczba stron: 352
- Szacowany czas czytania: 11 godzin
- Rok wydania: 2018
- Zalecany poziom: Zaawansowani i średnio zaawansowani czytelnicy
- Recenzje i oceny:
- 4.3/5 (Amazon)
- 3.7/5 (Goodreads)
Jedna z najlepszych książek na temat AI, The Master Algorithm, wyjaśnia, w jaki sposób działają sieci ML, ucząc się na podstawie klastrów danych w technologii cyfrowej. Algorytmy te obserwują nasze działania online, naśladują nas i eksperymentują z dostępnymi informacjami.
Założeniem książki jest to, że większość laboratoriów badawczych AI i uniwersytetów próbuje wymyślić nowy fundament algorytmu uczenia się, aby odkryć dowolną wiedzę z danych i do zrobienia tego, co chcemy. Autor argumentuje, że żaden pojedynczy algorytm nie jest w stanie przewidzieć żadnej domeny problemowej.
Dowiesz się więcej o maszynach uczących się, które napędzają Amazon, Google i inne firmy technologiczne.
"Jeśli jesteś leniwym i niezbyt bystrym informatykiem, uczenie maszynowe jest idealne, ponieważ algorytmy uczące się wykonują całą pracę, ale pozwalają ci wziąć na siebie całą zasługę."_ - Pedro Domingos
Kluczowe wnioski
- Książka wprowadza ideę pojedynczego, nadrzędnego algorytmu uczenia się zwanego algorytmem głównym, zdolnego do uwzględnienia różnych podejść do uczenia maszynowego
- Podejścia do uczenia maszynowego można podzielić na pięć plemion, z których każde reprezentuje inną filozofię. Obejmują one logikę symboliczną, koneksjonistyczne sieci neuronowe, algorytmy ewolucyjne, prawdopodobieństwo bayesowskie i rozumowanie analogowe. Algorytm główny powinien obejmować siłę każdego z plemion
Co mówią czytelnicy
"Pedro Domingos demistyfikuje ML i pokazuje, jak cudowna i ekscytująca będzie przyszłość"
8. Deep Learning
przez Amazon
O książce
- Autor (autorzy): Ian Goodfellow, Yoshua Bengio i Aaron Courville
- Liczba stron: 800
- Szacowany czas czytania: 23 godziny
- Rok wydania: 2016
- Zalecany poziom: Zaawansowani i średnio zaawansowani czytelnicy
- Ocena:
- 4.3/5 (Amazon)
- 4.4/5 (Goodreads)
Dla studentów studiów licencjackich i magisterskich planujących karierę w dziedzinie obliczeń i uczenia maszynowego, Deep Learning jest uzasadnionym źródłem do nauki złożonych pojęć.
Książka oferuje matematyczne i koncepcyjne podstawy obejmujące różne tematy, w tym algebrę liniową, teorię prawdopodobieństwa i teorię informacji, obliczenia numeryczne i ML.
Z przyjemnością przeczytasz o tym, jak praktycy wykorzystują uczenie maszynowe w branży, takie jak optymalizacja, sieci konwolucyjne, modelowanie sekwencji, regularyzacja, praktyczna metodologia i głębokie sprzężenie zwrotne.
"Sieci neuronowe mogą być znacznie bardziej ekspresyjne niż większość innych modeli, ale z tej ekspresyjności nie wynika automatycznie zdolność do zrobienia prawdziwej struktury danych" - Ian Goodfellow, Yoshua Bengio i Aaron Courville
Kluczowe wnioski
- Głębokie sieci sprzężenia zwrotnego, zwane perceptronami wielowarstwowymi (MLP), są kwintesencją modeli głębokiego uczenia się. Sieci te definiują mapę i uczą się wartości parametrów, w wyniku czego uzyskują najlepszą aproksymację funkcji
Co mówią czytelnicy
"Biblia AI... tekst powinien być obowiązkową lekturą dla wszystkich informatyków i praktyków ML, aby uzyskać odpowiedni przyczółek w tym szybko rozwijającym się obszarze technologii nowej generacji"
9. Life 3.0: Być człowiekiem w erze sztucznej inteligencji
przez Amazon
O książce
- Autor (autorzy): Max Tegmark
- Liczba stron: 364
- Szacowany czas czytania: 11 godzin
- Rok wydania: 2018
- Zalecany poziom: Początkujący, średnio zaawansowani i zaawansowani czytelnicy
- Recenzje i oceny:
- 4.4/5 (Amazon)
- 4/5 (Goodreads)
Wśród książek roku Timesa, Life 3.0: Being Human in the Age of Artificial Intelligence stawia pytanie, czy nadludzka inteligencja będzie naszym narzędziem czy bogiem. Autor prowadzi czytelnika do sedna najnowszych rozważań na temat AI i pomaga oddzielić mity od rzeczywistości i utopie od dystopii.
Tegmark wyjaśnia, w jaki sposób automatyzacja może pomóc nam zwiększyć dobrobyt bez utraty przez ludzkość celu lub dochodów. Bada sposoby zapewnienia, że przyszłe systemy sztucznej inteligencji będą wykonywać zadania bez awarii lub włamań.
"Problem dopasowania jest kluczowym wyzwaniem w budowaniu superinteligentnej AI - jak sprawić, by maszyna zrozumiała, czego chcemy i pomogła nam to osiągnąć, nawet jeśli sami nie wiemy, jak określić ten cel."_ - Max Tegmark
Kluczowe wnioski
- Pierwsza scena Życia, Życie 1.0, jest biologiczna; druga scena (Życie 2.0) jest kulturowa; trzecia scena (Życie 3.0) jest technologiczną formą życia z możliwością projektowania oprogramowania i sprzętu
- Rola świadomości w sztucznej inteligencji i etyczne implikacje tworzenia świadomych maszyn
Co mówią czytelnicy
"Fabularny prolog tej książki non-fiction przedstawia znaczenie zarządzania postępem w kierunku sztucznej inteligencji ogólnej"
10 Sieci neuronowe i uczenie głębokie
O książce
- Autorzy: Charu C. Aggarwal
- Liczba stron: 553
- Szacowany czas czytania: 14,8 godziny
- Rok wydania: 2023
- Zalecany poziom: Początkujący, średnio zaawansowani i zaawansowani czytelnicy
- Recenzje i oceny:
- 4.1/5 13 recenzji
Neural Networks and Deep Learning prezentuje nowoczesne podejście do głębokiego uczenia się, jednocześnie dotykając klasycznych modeli. Autor przekonuje, że teoria i schemat sieci neuronowych są niezbędne do zrozumienia złożonych tematów, takich jak analiza predykcyjna i architektury neuronowe w różnych studiach przypadków.
Co się dzieje, gdy modele sieci neuronowych działają lepiej niż gotowe modele uczenia maszynowego i dlaczego szkolenie tych sieci jest trudne?
Dowiesz się, jak inżynierowie tworzą architektury neuronowe do rozwiązywania innych problemów. Autor skupia się na nowoczesnych pomysłach uczenia maszynowego, takich jak transformatory, mechanizmy i wstępnie wytrenowane modele językowe.
ważnym aspektem sieci neuronowych jest ścisła integracja przechowywania danych i obliczeń. Na przykład stany w sieci neuronowej są rodzajem pamięci przejściowej, która zachowuje się podobnie do ciągle zmieniających się rejestrów w jednostce centralnej komputera."_ - Charu C. Aggarwal
Kluczowe wnioski
- Siła modeli sieci neuronowych jest również ich największą słabością, ponieważ często nadmiernie dopasowują się one do danych treningowych, chyba że starannie zaprojektujemy proces uczenia się
- Konwencjonalne metody uczenia maszynowego wykorzystują optymalizację i metody gradient-descent do uczenia sparametryzowanych modeli. Systemy sieci neuronowych niczym się od nich nie różnią
Co mówią czytelnicy
"Jest to jedna z niewielu książek akademickich na temat głębokiego uczenia się, która koncentruje się na podstawach tematu, w tym teorii i aplikacjach, które napędzają głębokie uczenie się"
Odkryj moc AI z ClickUp
Jednym z najszybszych sposobów na wdrożenie sztucznej inteligencji do codziennych zadań jest użycie ClickUp AI, który jest przyjazny dla początkujących i łatwy w użyciu.
Oto nasze ulubione sposoby korzystania z ClickUp Narzędzie AI aby zmaksymalizować wydajność:
Użyj ClickUp AI, aby pisać szybciej i dopracowywać swoje teksty, odpowiedzi na e-maile i nie tylko
- Narzędzia AI zoptymalizowane pod kątem każdego przypadku użycia: ClickUp AI ma ponad 100 narzędzi AINarzędzia AI do pisania i zarządzania projektami, które przechwytują informacje potrzebne do zapewnienia najwyższej jakości wyników. Dostosuj dane wyjściowe za pomocą danych wejściowych, takich jak ton i kreatywność, oraz wstępnie sformatuj wyniki za pomocą pogrubionych tytułów i uporządkowanych tabel
- Nadrabianie zaległości w rozmowach: Upewnij się, że Twój zdalny zespół jest na bieżąco z różnymi dyskusjami za pomocąNarzędzia do robienia notatek AI takich jak ClickUp. ClickUp podsumowuje wątki komentarzy wZadania ClickUp iClickUp Dokumenty
Błyskawiczne podsumowywanie długich wątków komentarzy za pomocą kliknięcia przycisku w ClickUp AI
- Szybkie udostępnianie podsumowań: Pozwól ClickUp'sGenerator zawartości AI podsumowuje długie dokumenty, takie jak raportowanie i białe księgi, notatki ze spotkań i dokumenty badawcze - za pomocą kilku kliknięć
- Natychmiastowe generowanie elementów działań: ClickUp AI służy jako Twójnarzędzie do tworzenia zawartości które pobiera kolejne kroki z agend spotkań i wspólnych wątków oraz przypisuje członkom zespołu zadania, które muszą zakończyć
- Pozbądź się bloku pisarskiego: Zamiast pisać swoje kopie od zera, użyjfree AI podpowiedź szablony do tworzenia laserowo ukierunkowanych kopii dla różnych kontekstów i scenariuszy. Od odpowiedzi niestandardowych i e-maili onboardingowych po posty na blogu i podpisy w mediach społecznościowych - napisz je wszystkie za pomocą ClickUp
- Ułatw wizualizację danych:Wizualizacja danych jest niedocenianym zastosowaniem AI do odblokowywania ukrytych partnerów w analizie danych. Pulpity ClickUp pomagają wizualizować informacje, tworzyć scenariusze biznesowe i personalizować wizualizacje
Miej oko na kondycję projektu, korzystając z zaawansowanej analityki w ClickUp
Najlepsze wyniki łączą wiedzę teoretyczną z praktycznymi narzędziami
Z jednej strony, książki o AI z tej listy pomagają lepiej zrozumieć podstawy uczenia maszynowego, informatyki, analityki predykcyjnej i modeli uczenia się.
Narzędzia takie jak ClickUp AI pomogą ci zwiększyć wydajność, niezależnie od tego, czy twoja rola jest na poziomie podstawowym, czy C-suite.
Połączenie obu podejść daje przewagę i pozwala zobaczyć zastosowania narzędzi AI w praktyce. Zarejestruj się w ClickUp i zacznij odkrywać, jak AI pozwala zrobić więcej w krótszym czasie.