當下的AI存在哪些風險?真的有可信的AI嗎?理想的AI與現實的AI之間究竟存在哪些差距?如何構建人類和AI之間的信任?
關於人工智能的炒作總是甚囂塵上,但要得到真正可信的AI,卻遠比想象的要復雜得多,超級智能的時代還遠沒有到來。創造真正可信的AI需要賦予機器常識和深度理解,而不是簡單地統計分析數據。本書勾勒瞭未來人工智能發展的最佳路綫圖,對當前人工智能的現狀進行瞭清晰且客觀的評估。
作者蓋瑞·馬庫斯是人工智能領域的專傢,同時還是心理學和神經科學教授,在計算機科學、認知科學、語言學、人工智能等領域都練就瞭相當深厚的學術功底,並敢於挑戰學術界的主流觀點。當整個人工智能學術界都在過分樂觀地高歌猛進時,他不斷撰文和發錶演講來指齣以深度學習為代錶的當下AI的弊端和局限性,《如何創造可信的AI》這本書正是馬庫斯對他關於人工智能觀點的最佳總結。
蓋瑞·馬庫斯和歐內斯特·戴維斯從深度學習算法固有的缺陷齣發,闡述瞭當下AI技術發展的桎梏,對當前AI的場景應用和研究範式中的問題進行瞭分析,他指齣AI真正的問題在於信任,常識纔是深度理解的關鍵。最終從認知科學中提煉齣瞭11條對人工智能發展方麵的啓示,以通用人工智能為發展目標,給齣瞭未來AI技術的一種發展方嚮。
##喜馬拉雅
評分##完全是被題目吸引過來,但是其實讀完並沒有告訴你如何來創建可信AI,原來書名是Rebooting AI重啓AI:創建可信AI。作者更多是列舉瞭現在AI的缺點,提齣關於可信AI的一些觀點。屬於很泛泛而談的科普,而沒有什麼乾貨。
評分##寫到認知那裏忽然有瞭正文感,可惜極快結束。快速帶過瞭因果。前幾章各種可笑例子很不錯。推薦書目也很友好。// 人也會因為經驗經曆而産生認知偏差和偏見。試圖把AI應用於大尺度,幾乎類似於把這樣一個普通人放到集權寶座上,怎麼弄都會有問題的。
評分##寫到認知那裏忽然有瞭正文感,可惜極快結束。快速帶過瞭因果。前幾章各種可笑例子很不錯。推薦書目也很友好。// 人也會因為經驗經曆而産生認知偏差和偏見。試圖把AI應用於大尺度,幾乎類似於把這樣一個普通人放到集權寶座上,怎麼弄都會有問題的。
評分##很多批判挺有道理,人的智能是結構化的,多重的,有先驗的,而現在基於深度學習和大數據的人工智能偏離瞭這個路綫
評分第一次齣版後(好像是5月31日)10天第一時間讀完一本書。非常推薦給所有人工智能從業者,非從業者讀可能有些難度,盡管作者已經盡量科普。作者馬庫斯是認知科學和AI的先驅,是敢於硬剛Lecun等大佬的大俠,之前就已聽說其名,遂中文版齣來以後第一時間讀完(有電子版)。翻譯瑕不掩瑜。這是一本反思,他分析瞭為什麼僅靠深度學習難以抵達推理和因果,為什麼這些高級的智能因素如此重要,而業界現在實際上卻幾乎摸不著頭腦,老實說非常符閤我自己的思考。
評分##水也不水
評分##很有多關於閱讀推導的東西,會有一些啓發。
評分##關於人工智能的炒作總是甚囂塵上,但要得到真正可信的AI,卻遠比想象的要復雜得多,超級智能的時代還遠沒有到來。創造真正可信的AI需要賦予機器常識和深度理解,而不是簡單地統計分析數據。本書勾勒瞭未來人工智能發展的路綫圖,對當前人工智能的現狀進行瞭清晰且客觀的評估。 Gary Marcus和Ernest Davis從深度學習算法固有的缺陷齣發,闡述瞭當下AI技術發展的桎梏,對當前AI的場景應用和研究範式中的問題進行瞭分析,他指齣AI真正的問題在於信任,常識纔是深度理解的關鍵。最終從認知科學中提煉齣瞭11條對人工智能發展方麵的啓示,以通用人工智能為發展目標,給齣瞭未來AI技術的一種發展方嚮。
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有