Искусственный интеллект: современный подход взглядом Питера Норвига

Книги про искусственный интеллект (ai) – библиотека программиста

Введение в статистическое обучение с примерами на языке R

Описание книги: Книга представляет собой доступно изложенное введение в статистическое обучение – незаменимый набор инструментов, позволяющих извлечь полезную информацию из больших и сложных наборов данных, которые начали возникать в последние 20 лет в таких областях, как биология, экономика, маркетинг, физика и др. В этой книге описаны одни из наиболее важных методов моделирования и прогнозирования, а также примеры их практического применения. Рассмотренные темы включают линейную регрессию, классификацию, создание повторных выборок, регуляризацию, деревья решений, машины опорных векторов, кластеризацию и др. Описание этих методов сопровождается многочисленными иллюстрациями и практическими примерами. Поскольку цель этого учебника заключается в продвижении методов статистического обучения среди практикующих академических исследователей и промышленных аналитиков, каждая глава включает примеры практической реализации соответствующих методов с помощью R – чрезвычайно популярной среды статистических вычислений с открытым кодом. Издание рассчитано на неспециалистов, которые хотели бы применять современные методы статистического обучения для анализа своих данных. Предполагается, что читатели ранее прослушали лишь курс по линейной регрессии и не обладают знаниями матричной алгебры.

Андреас Мюллер, Сара Гвидо: Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными

Книга предлагает простой и практичный подход к изучению машинного обучения. Она содержит множество примеров и задач в области предсказательного моделирования и классификации, используя библиотеки Scikit-Learn и Pandas.

Редакция добавила к этому списку и книгу Елены “Машинное обучение доступным языком”. Это краткий гайд для новичков по машинному и глубокому обучению с разбором кода. В книге вы найдете необходимый минимум по предмету: Елена описала его понятным языком, так что книга подойдет даже школьникам.  А некоторые разделы в книге написаны с помощью chatGPT. 

Книга включает море практических примеров: читатель сможет освоить базовый инструментарий подготовки данных, их загрузку в модель и ее донастройки. Подходит разработчикам, аналитикам и студентам технических специальностей.

Кто прошёл тест Тьюринга: на какие вопросы отвечали и как с ними справились

В современном мире компьютеры делают многое из того, на что раньше были способны только люди. Они обыгрывают чемпионов в шашки и шахматы, проверяют грамматику и орфографию, водят автомобили, пилотируют самолёты и делают много что ещё. Но при этом ни одна программа или машина до сих пор не смогла преодолеть барьер в 30% и ввести в заблуждение специально обученных судей — по крайней мере, ни один из результатов пока ещё не признан всеми бесспорно.

Хотя претенденты, конечно же, были. Одной из первых программ, которая якобы прошла тест Тьюринга, стала Eliza, написанная американским учёным Джозефом Вейценбаумом в 1966 году. Она имитировала диалог с психотерапевтом, в основном перефразируя реплики человека:

— У меня болит голова.

— Почему вы говорите, что у вас болит голова?

Пример разговора с ElizaИзображение: Wikimedia Commons

А если Eliza не могла придумать ответ, то говорила: «Понятно». Тем не менее некоторые люди и правда поверили, что общаются с человеком. На этом основании программу назвали первой, прошедшей тест Тьюринга. Но это крайне спорное утверждение, потому что людям заранее говорили, что они будут разговаривать с психотерапевтом.

В 1972 году психиатр Кеннет Колби из Стэнфордского университета написал программу Parry. Это была попытка имитировать человека с параноидальной шизофренией. Сначала опытные психиатры общались с реальными пациентами и Parry по телетайпу. Затем другой группе из 33 психиатров показали распечатки бесед. После этого их попросили определить, кто из «пациентов» был человеком, а кто — компьютерной программой. Психиатры дали верный ответ только в 48% случаев, что соответствует случайному угадыванию.

В 1988 году британский исследователь ИИ Ролло Карпентер написал веб-приложение Cleverbot. В 2011 году оно приняло участие в тесте Тьюринга, и в 59,3% случаев его признали человеком.

«Женя Густман»Скриншот: Eugene Goostman / Skillbox Media

В 2014 году мировые СМИ облетела новость — чат-бот впервые прошёл тест Тьюринга. Им оказался «Женя Густман» (Eugene Goostman) — чат-бот, созданный тремя программистами в Санкт-Петербурге. Для того чтобы придать боту убедительности, они сделали его 13-летним мальчиком из Одессы. Образ подростка, плохо говорящего по-английски, позволял объяснить незнание каких-то тем, непонимание вопросов и странные ответы.

«…Тест Тьюринга был впервые пройден суперкомпьютером „Женя Густман“ во время конкурса, состоявшегося в субботу в знаменитом Королевском обществе в Лондоне. Если компьютер более чем в 30% случаев принимают за человека во время пятиминутного общения, то он проходит тест. До сих пор ни один компьютер не смог этого добиться. Евгению удалось убедить 33% судей в том, что он человек».

Далеко не все с этим согласились.

«Программа добилась успеха с помощью „уловок“, призванных скрыть её ограничения. Когда „Густман“ не в своей тарелке — а это происходит большую часть времени, он пытается сменить тему, если это возможно, задаёт вопросы, направляет разговор в нужное русло и иногда вбрасывает немного юмора».

Гари Маркус,профессор когнитивных наук Нью-Йоркского университета, из статьи «Что будет после теста Тьюринга?»

Анализ данных и машинное обучение на платформе MS SQL Server

Описание книги: В учебном пособии рассматриваются современные технологии анализа данных и машинного обучения и их реализация на платформе MS SQL Server. Приводятся предпосылки появления аналитических технологий и теоретические и практические аспекты использования хранилищ данных, оперативной аналитической обработки (On-Line Analytical Processing, OLAP) и Data Mining, а также их реализация на платформе MS SQL Server. Рассматривается пример создания хранилища данных, OLAP-куба и работы с ним с использованием клиента MS Excel. Подробно рассматриваются инструментальные средства подготовки данных и алгоритмы решения типовых задач Data Mining (регрессия, классификация, кластеризация, поиск ассоциативных связей, анализ последовательностей, прогнозирование, нейронные сети) на платформе MS SQL Server с использование MS Excel.

Построение систем машинного обучения на языке Python

Описание книги: Применение машинного обучения для лучшего понимания природы данных – умение, необходимое любому современному разработчику программ или аналитику. Python – замечательный язык для создания приложений машинного обучения. Благодаря своей динамичности он позволяет быстро производить разведочный анализ данных и экспериментировать с ними. Обладая первоклассным набором библиотек машинного обучения с открытым исходным кодом, Python дает возможность сосредоточиться на решаемой задаче и в то же время опробовать различные идеи. Книга начинается с краткого введения в предмет машинного обучения и знакомства с библиотеками NumPy, SciPy, scikit-learn. Но довольно быстро авторы переходят к более серьезным проектам с реальными наборами данных, в частности, тематическому моделированию, анализу корзины покупок, облачным вычислениям и др.

Python для сложных задач. Наука о данных и машинное обучение

Описание книги: Книга «Python для сложных задач: наука о данных и машинное обучение» – это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: как считать этот формат данных в скрипт? как преобразовать, очистить эти данные и манипулировать ими? как визуализировать данные такого типа? как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?

Философские корни теста Тьюринга

Вопрос о том, могут ли машины мыслить, возник довольно давно. Например, знаменитый французский философ и математик Рене Декарт считал, что механизм может взаимодействовать с человеком, но не способен реагировать на всё, что говорится в его присутствии.

«Сколько различных автоматов или движущихся машин может быть создано человеческим трудом… Ибо мы легко можем понять, что машина устроена так, что она может произносить слова и даже давать некоторые ответы, когда мы воздействуем на неё… Но никогда не бывает так, что она выстраивает свою речь различными способами, чтобы ответить соответствующим образом на всё, что может быть сказано в её присутствии, как это может сделать даже самый низкий вид человека».

Рене Декарт, «Рассуждение о методе, чтобы хорошо направлять свой разум и отыскивать истину в науках»

Таким образом, Декарт фактически предвосхитил тест Тьюринга, заявив, что одной языковой реакции недостаточно, чтобы отличить живого человека от созданной им имитации разума. Другой философ, Дени Дидро в 1746 году также сформулировал критерий теста Тьюринга; правда, он говорил о живых существах.

«Если бы нашёлся попугай, отвечающий на все вопросы, я заявил бы не колеблясь, что он мыслящее существо…»

Дени Дидро, «Философские мысли»

В 1936 году Альфред Айер ещё ближе подобрался к тесту Тьюринга, задавшись вопросом: откуда мы знаем, что другие люди имеют тот же сознательный опыт, что и мы? Для ответа на этот вопрос, он предложил тест.

«Единственное основание, которое я могу иметь для утверждения, что объект, который кажется сознательным, на самом деле не является сознательным существом, а только манекеном или машиной — это то, что он не удовлетворяет одному из эмпирических тестов, с помощью которых определяется наличие или отсутствие сознания».

Альфред Айер, «Язык, правда и логика»

Себастьян Рашка: Python и Машинное обучение

Эта книга предлагает практический метод изучения машинного обучения с помощью языка программирования Python. В книге приведены примеры кода и методологии, которые могут помочь вам научиться выбирать и использовать подходящие алгоритмы машинного обучения. 

Допустим, перед вами встала задача выбрать ушедших без покупки пользователей, чтобы их потом “дожали” продающие отделы. Абы кого выделять бесполезно, стоит найти похожих на покупателей людей. Для такой задачи под названием Uplift Modeling вы быстро выберете кандидатов на уже “обкатанном” перечне решений – XGBoost, kNN и проч.

«Машинное обучение». Хенрик Бринк, Джозеф Ричардс, Марк Феверолф

Идеальный вариант учебника, который простым и доступным языком расскажет вам о том, что такое машинное обучение.

Содержит много примеров кода и их применения. К сожалению, здесь не будет математических основ, предполагается, что этим инструментарием читатель уже владеет.

Также здесь много теоретического материала про разные аспекты машинного обучения: моделирование, сбор данных, классификация и регрессия и многое другое. В конце каждой главы есть вопросы и примеры задач для самоконтроля.

Будет полезна для начинающих аналитиков, программистов, специалистам по обработке данных и широкому кругу лиц, заинтересованных в машинном обучении.

Книга вышла в издательстве «Питер» в популярной серии «Библиотека программиста».

Humanitarian Books

The Emotion Machine

– By Marvin Minsky

In this book, Marvin Minsky presents a novel and a fascinating model of how the human mind works. He also argues that machines with a conscious can be built to assist humans with their thinking processes. In his book, he presents emotion as another way of thinking. It is a great follow-up to the book “Society Of Mind”.

Human Compatible – Artificial Intelligence and the Problem of Control

– By Stuart Russell

The AI researcher Stuart Russell explains the probable misuse of Artificial Intelligence and its near-term benefits. It is an optimistic and empathetic take on the journey of humanity in this day and age of AI. The author also talks about the need for rebuilding AI on a new foundation where the machine can be built for humanity and its objectives.

Умные мобильные проекты с TensorFlow

Описание книги: Платформа TensorFlow от компании Google является ведущим инструментом с открытым исходным кодом для машинного обучения. Эта книга охватывает более 10 полноценных приложений для iOS, Android и Raspberry Pi на базе TensorFlow, построенных с нуля и выполняющих всевозможные модели в автономном режиме прямо на устройстве: от компьютерного зрения и обработки речи и языка до генеративно-состязательных сетей и AlphaZero-подобного глубокого самообучения с максимизацией получаемого вознаграждения. Издание предназначено широкому кругу разработчиков, желающих использовать возможности искусственного интеллекта в своих проектах.

«Глубокое обучение на Python». Франсуа Шолле

Автор Франсуа Шолле — создатель библиотеки для нейронных сетей под названием Keras — написал книгу целиком посвященную Deep Learning.

В первой части книги приводится теоретическая часть, которая объясняет что такое глубокое обучение, искусственный интеллект и каковы потенциалы их использования. При этом теория написана нескучным и увлекательным языком, которое добавит читателю мотивации в изучении предмета.

Во второй части автор переходит к описанию практических задач, которые можно выполнять по мере чтения этой книги от простого к сложному. Несколько последних глав будут интересны для продвинутого уровня.

В приложении автор дает инструкцию по установке Keras в Ubuntu, а также по запуску Jupyter Notebook на AWS GPU.

Тест и ИИ

Специалисты в области ИИ вообще не считают прохождение теста Тьюринга каким-то важным показателем.

«Почти никто в области ИИ не работает над прохождением теста Тьюринга, разве что в качестве хобби. Есть люди, которые участвуют в различных соревнованиях, но я бы не назвал это основными исследованиями в области ИИ».

Стюарт Рассел, исследователь ИИ из Университета Беркли, в интервью журналу Insider

Но в то же время тест способствовал развитию этой сферы, потому что многие создавали свои программы в надежде пройти его.

«Как я понял за два десятилетия работы в качестве когнитолога, настоящая ценность теста Тьюринга заключается в чувстве соперничества, которое он вызывает у программистов и инженеров».

Гари Маркус,профессор когнитивных наук Нью-Йоркского университета, из статьи «Что будет после теста Тьюринга?»

Появились различные вариации теста. Наиболее известная — обратный тест Тьюринга. Здесь участники теста пытаются имитировать компьютерную программу, намеренно игнорируя смысл разговора и допуская ошибки, которые могла бы допустить машина.

«Сверхразум: пути, опасности, стратегии» Ника Бострома

«Сверхразум» — одна из самых популярных книг об ИИ всех времен и бестселлер New York Times. В опубликованной в 2014 году книге утверждается, что если машинный мозг превзойдет человеческий мозг по общему интеллекту, он может стать основной формой жизни на Земле, заменив человека. 

Автор, Ник Бостром, философ из Оксфордского университета, рассматривает сверхразум как возможный результат прогресса ИИ, который потенциально может представлять большой риск для людей. Он предполагает, что машины с высоким интеллектом могут превзойти людей-компьютерщиков и потенциально могут привести к катастрофическим последствиям для людей. Однако Бостром также считает, что люди способны предотвратить неблагоприятные последствия ИИ.

Like this post? Please share to your friends: