《AI3.0 》是四川科學技術出版社出版的圖書，作者[美] 梅拉妮·米歇爾（MelanieMitchell）,王飛躍 / 李玉珂 / 王曉 / 張慧 譯。
基本介紹
- 中文名：AI3.0
- 外文名： Artificial Intelligence: A Guide for Thinking Humans
- 作者：[美] 梅拉妮·米歇爾
- 譯者： 王飛躍 / 李玉珂 / 王曉 / 張慧
- 題材：人工智慧
- 出版時間：2021年2月
- 出版社：四川科學技術出版社
- ISBN：9787572700378
內容簡介,圖書目錄,作者簡介,
內容簡介
人工智慧現在正深刻地影響著我們的生產與生活，甚至關係到人類未來的前途命運，但究竟
什麼是人工智慧？人工智慧背後的原理是什麼？從問世到演化至今，人工智慧經歷了怎樣的
歷史變遷？當下人工智慧的能力邊界在哪裡？人工智慧與人類智慧型的差異是什麼？未來人
工智慧型又將面對什麼樣的挑戰和機遇？關於這些疑問，《AI3.0》將為你一一揭曉答案。
《AI3.0》是書《複雜》作者、複雜前沿科學家梅拉妮•米歇爾歷經10年思考，
釐清人工智慧與人類智慧型的全新力作。本書源自米歇爾多年來對人工智慧領域發展真實狀態
的記錄，她在書中通過5個部分揭示了“現在的人工智慧可以做什麼，以及在未來幾十年
我們能從它們身上期待什麼”。在描述了人工智慧的發展歷史之後，作者通過對視覺識別、
遊戲與推理、自然語言處理、常識判斷這4大人工智慧領域的熱門套用的發展現狀和局限
性的探究，釐清了人工智慧與人類智慧型的關係，書中關於人臉識別、無人駕駛、機器翻譯等
方面的案例分析都充滿了巨大的啟示！而這些，都是當下人工智慧發展所面臨的困境、人工
智慧型想要取得突破性進展所必須重新思考的。看懂這本書，你將對人工智慧領域有一個全景
式的認知。
圖書目錄
引言創造具有人類智慧型的機器，是一場重大的智力冒險
部分若想對未來下注，先要釐清人工智慧為何仍然人類智慧型
01從起源到遭遇寒冬，心智是人工智慧一直無法攻克的堡壘
達特茅斯的兩個月和十個人
定義，然後必須繼續下去
與聰明的人共同進化
任何方法都有可能讓我們取得進展
符號人工智慧，力圖用數學邏輯解決通用問題
感知機，依託DNN的亞符號人工智慧
感知學習算法，無法重現人腦的湧現機制
學習感知機的權重和閾值
感知機是一條死胡同
泡沫破碎，進入人工智慧的寒冬
看似容易的事情其實很難
02從神經網路到機器學習，誰都不是後的解藥
多層神經網路，識別編碼中的簡單特徵
無論有多少輸入與輸出，反向傳播學習都行得通
聯結主義：智慧型的關鍵在於構建一個合適的計算結構
亞符號的本質：不擅長邏輯，擅長接飛盤
機器學習，下一個智慧型大變革的舞台已經就緒
03從圖靈測試到奇點之爭，我們無法預測智慧型將帶領我們去往何處
“貓識別機”掀起的春日狂潮
人工智慧：狹義和通用，弱和強
人工智慧是在模擬思考，還是真的在思考
圖靈測試：如果一台計算機足夠像人
奇點2045，非生物智慧型將比所有人類智慧型強大10億倍
一個“指數級”寓言
摩爾定律：計算機領域的指數增長
神經工程，對大腦進行逆向工程
與聰明的人共同進化
奇點的懷疑論者和擁躉者
對圖靈測試下注
第二部分視覺識別：始終是“看”起來容易“做”起來難
04何人，何物，何時，何地，為何
看與做
深度學習：不是複雜性，而是層深
模擬大腦，從神經認知機到ConvNets
ConvNets如何不將狗識別為貓
激活對象特徵，通過分類模組進行預測
不斷從訓練樣本中學習，而非預先內置正確答案
05ConvNets和ImageNet，現代人工智慧的基石
構建ImageNet，解決目標識別任務的時間困境
土耳其機器人，一個需要人類智慧的工作市場
贏得ImageNet競賽，神經網路的極大成功
ConvNets淘金熱，以一套技術解決一個又一個問題
在目標識別方面，ConvNets人類了嗎
我們離真正的視覺智慧型還非常遙遠
06人類與機器學習的關鍵差距
人工智慧仍然無法學會自主學習
深度學習仍然離不開“你”的大數據
長尾效應常常會讓機器犯錯
機器“觀察”到的東西有時與我們截然不同
與聰明的人共同進化
有偏見的人工智慧
人工智慧內心的黑暗秘密以及我們如何愚弄它
07確保價值觀一致，構建值得信賴、有道德的人工智慧
有益的人工智慧，不斷改善人類的生活
人工智慧大權衡：我們是該擁抱，還是謹慎
人臉識別的倫理困境
人工智慧如何監管以及自我監管
創建有道德的機器
第三部分遊戲與推理：開發具有更接近人類水平的學習和推理能力的機器
08強化學習，重要的是學會給機器人獎勵
訓練你的機器狗
現實世界中的兩大絆腳石
09學會玩遊戲，智慧型究竟從何而來
深度Q學習，從更好的猜測中學習猜測
價值6.5億美元的智慧型體
西洋跳棋和象棋
不智慧型的“智慧型贏家”深藍
圍棋，規則簡單卻能產生無窮的複雜性
AlphaGo對戰李世石：精妙，精妙，精妙
從隨機選擇到傾向選擇，AlphaGo這樣工作
10遊戲只是手段，通用人工智慧才是目標
理解為什麼至關重要
與聰明的人共同進化
無須人類的任何指導
對人工智慧而言，人類的很多遊戲都很具挑戰性
它並不真正理解什麼是一條隧道，什麼是牆
除去思考“圍棋”，AlphaGo沒有“思考”
從遊戲到真實世界，從規則到沒有規則
第四部分自然語言：讓計算機理解它所“閱讀”的內容
11詞語，以及與它一同出現的詞
語言的微妙之處
語音識別和後的10%
分類情感
遞歸神經網路
“我欣賞其中的幽默”
“憎惡”總與“討厭”相關，“笑”也從來伴隨著“幽默”
word2vec神經網路：口渴之於喝水，就像疲倦之於喝醉
12機器翻譯，仍然不能從人類理解的角度來理解圖像與文字
編碼器遇見
機器翻譯，正在彌補人機翻譯之間的差距
迷失在翻譯之中
把圖像翻譯成句子
13虛擬助理——隨便問我任何事情
沃森的故事
如何判定一台計算機是否會做閱讀理解
與聰明的人共同進化
“它”是指什麼？
自然語言處理中的對抗式攻擊
第五部分常識——人工智慧打破意義障礙的關鍵
14正在學會“理解”的人工智慧
理解的基石
預測可能的未來
理解即模擬
我們賴以生存的隱喻
抽象與類比，構建和使用我們的心智模型
15知識、抽象和類比，賦予人工智慧核心常識
讓計算機具備核心直覺知識
形成抽象，理想化的願景
活躍的符號和做類比
字元串世界中的元認知
識別整個情境比識別單個物體要困難得多
“我們真的，真的相距甚遠”
結語思考6個關鍵問題，激發人工智慧的潛力
問題1：自動駕駛汽車還要多久才能普及？
問題2：人工智慧會導致人類大規模失業嗎？
問題3：計算機能夠具有創造性嗎？
問題4：我們距離創建通用的人類水平AI還有多遠？
問題5：我們應該對人工智慧感到多恐懼？
與聰明的人共同進化
問題6：人工智慧中有哪些激動人心的問題還尚未解決？
致謝
注釋
作者簡介
簡介梅拉妮·米歇爾（Melanie Mitchell），波特蘭州立大學計算機科學教授，曾在美國聖塔菲研究所（Santa Fe Institute）和洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）工作，主要的研究領域為類比推理、複雜系統、遺傳算法等。在聖塔菲研究所時，米歇爾主導了複雜系統領域的研究工作，並教授了相關的線上課程。她的線上課程 Introduction to Complexity 已有近30000名學生選修，成為Coursera排名前50位的線上課程之一。
