ایده های استارتاپیایده های هوش مصنوعیمقالات تحلیلی هوش مصنوعی

۱۰ نمونه از برترین کتاب­های هوش مصنوعی در سال ۲۰۲۰

معرفی بهترین کتاب های هوش مصنوعی سال 2020 از دیدگاه سه متخصص هوش مصنوعی

این روزها تکنولوژی هوش مصنوعی در همه عرصه ­ها ورود کرده و پیشرفت و به تبع آن کاربردهایش، روز به روز بیشتر و بیشتر می­شود. هوش مصنوعی غلط­های دستوری شما را اصلاح و لیست­های پخش موسیقی شما را شخصی­ سازی می­کند. هوش مصنوعی از بانک­ها در برابر کلاهبرداری محافظت و ارزیابی املاک و مستغلات را انجام می­دهد. هوش مصنوعی حتی از بهترین شرکت‌کنندگان Jeopardy (برنامه تلوزیونی آمریکایی)  هم جلو زده است. اگر بپرسید سریع­ترین رشد عنوان شغلی در آمریکا به کدام شغل تعلق دارد؟ جواب متخصص هوش مصنوعی است.

این درجه از همه­ گیر بودن، حتی در صورتی که توانایی بالقوه هوش مصنوعی را در متحول ­سازی آینده این کار در نظر نگیریم، بدین معنی است که حتی مخالفان تکنولوژی نیز از دانش کاربردی در مورد مفاهیم آن بهره ­مند خواهند شد. در عین حال، پیچیدگی روزافزون هوش مصنوعی، به معنای آن است که متخصصان باید از زیر و بم آن، هنگام استفاده عملی از این فناوری مطلع شوند.

بی­ شک یکی از مهم­ترین منابعی که افراد برای کسب اطلاع از یک موضوع به آن مراجعه می­کنند، کتاب است. به همین منظور در این مطلب قصد داریم تا برخی کتاب‌های ارزشمند حوزه هوش مصنوعی که علایق عمومی را در بر گرفته و کاربردهای عملی نیز دارند را با هم بررسی کنیم.

برای این کار، از سه متخصص هوش مصنوعی خواسته­ شده تا تعدادی از کتاب­های مورد علاقه خود را درباره هوش مصنوعی انتخاب کرده و ما را با آن آشنا کنند.  این افراد عبارت­ اند از:

  • جانا اِگِرز، مدیر عامل شرکت Nara Logics ( یک سیستم توصیه تجاری با قابلیت یادگیری ماشینی ).
  • گرت اسمیث، بنیانگذار Guild AI ( یک نرم‌افزار مهندسی یادگیری ماشین منبع باز ).
  • الکس کاسترونیس، مشاور حوزه هوش مصنوعی و نویسنده کتاب “هوش مصنوعی برای افراد و بیزنس‌ها ( چارچوبی برای تجربه­ های بهتر انسانی و موفقیت تجاری ).

عنوان کتاب: The Master Algorithm

(چگونه تلاش و جستجو برای یادگیری ماشینی دنیای ما را متحول می­کند؟)

نویسنده: پدرو دومینگو

 

این کتاب یک چارچوب وسیع­تری از یادگیری عمیق را که در حال حاضر موضوع داغی محسوب می­شود، ارائه می­دهد. در این کتاب یادگیری عمیق به پنج بخش مختلف دسته ­بندی شده که عبارت­اند از: استدلال استقرایی، ارتباط ­گرایی، محاسبه تکاملی، قضیه بیز و مدل­سازی آنالوگ. خوانندگان کتاب می­بایست درک کنند که بیشتر راه­ حل­ها به ­صورت کلی می­باشند، به این معنی که به یک بخش محدود نخواهند بود.

در وصف این کتاب می­توان گفت که یک چارچوب مناسب و در دسترس است و با مراجعه به آن، افراد فنی نیز احتمالاً چشم‌هایشان به برخی چیزهایی که نمی­دانسته ­اند باز خواهد شد، به ویژه آن­هایی که اخیرا وارد دنیای هوش مصنوعی شده­ اند. همچنین این کتاب برای افراد فعال در حوزه تجارت نیز قابل دسترس خواهد بود، بدین معنا که پیچیدگی فنی زیادی نخواهد داشت که در یادگیری آن دچار مشکل شوند.

به نظر جانا اِگِرز، نویسنده در این کتاب، درباره این­که در یادگیری ماشینی بخش ­هایی وجود دارند و این بخش­ها غالباً با هم مخلوط نمی­شوند درست گفته­ است، اما در آینده یادگیری ماشینی، لازم است که این بخش­ها را ترغیب کنیم به هم نزدیک­تر شوند.

عنوان کتاب: You Look Like a Thing and I Love You

(هوش مصنوعی چگونه عمل می­کند و چرا دنیای ما را تبدیل به مکان وسیع‌تری می­کند؟)

نویسنده: جِنِله شِین

در واقع این کتاب را می­توان مکمل کتاب مستر الگوریتم دانست. این کتاب مختصات هوش مصنوعی را از نظر تکامل، به ­طور واقعی تر جلوه می­دهد. کاری که جِنِله شین در این کتاب می­کند این است که هوش مصنوعی را برای دیگران قابل درک می­کند. بنابراین مردم بهتر موقعیت کنونی و چالش­های احتمالی پیش روی این فناوری را درک می­کنند. مردم به هوش مصنوعی به چشم یک جعبه سیاه زیبا و شگفت انگیز و جادویی که از آن­ها باهوش­تر است نگاه می­کنند و این کتاب در مقابل چنین نگاهی ایستاده و معتقد است که این­طور نیست. جِنِله اصول پایه­ای را به ­گونه­ای برای خوانندگان شرح می­دهد که راحت­تر بتوانند با آن خو بگیرند و آن را درک کنند. در یک بیان خلاصه می­توان گفت که این کتاب، یکی از کتب راحت و مفرحی است که در حوزه هوش­ مصنوعی می­توانید بخوانید.

عنوان کتاب: Rebooting AI

(ساخت هوش ­مصنوعی قابل اعتماد)

نویسندگان: گری مارکوس – ارنست دیویس

گرت اسمیث درباره این کتاب می­گوید: ” من این کتاب را همانند تیری که از کمان یادگیری­ عمیق رها شده می­دانم و معتقدم که Rebooting AI بحث­های مربوط به هوش مصنوعی را به ­نوعی به تملک خود در آورده.”

کنفرانس NeurIPS که مربوط به مباحث یادگیری ماشین می­باشد و به ­تازگی برگزار شده، آن­قدر محبوب شده ­است که در سال جاری برای فروش بلیط مجبور به قرعه کشی شدند در حالی که این فقط یک کنفرانس آکادمیک است و نه یک کنسرت. ارائه گری مارکوس به­ عنوان یکی از نویسندگان این کتاب در این کنفرانس، مورد استقبال شدید حاضرین در سالن گردید.

Rebooting AI در یک بیان خلاصه می­گوید: بیایید کلیات هوش مصنوعی، اهداف خودمان و سودمندی هوش­ مصنوعی را در نظر بگیریم و سپس از خودمان بپرسیم که یادگیری عمیق چقدر ما را به این موارد نزدیک‌ می­کند؟ اساساً فرضیه به ­این صورت است که از بعضی جهات می­تواند در آینده مفید باشد، اما در یک منظومه کلی، ما را به جایی که مد نظرمان است نمی­رساند. از نظر نویسنده، بردن تمامی توجه ­ها به سمت یادگیری عمیق، موجب اختلال در دیگر زمینه­ هایی که مفید فایده خواهند بود می­شود. نویسندگان در این کتاب می­کوشند تا دیدگاه وسیع­تری از هوش مصنوعی را ترویج دهند. آن­ها معتقدند که می­بایست برخی از رشته­ های کلاسیک­ تر هوش مصنوعی را مورد بازبینی قرار داد و نگاهی به کارهای ۴۰ یا ۵۰ سال پیش که بخش جدایی‌ناپذیر پیشرفت کنونی هوش مصنوعی است بسیار موثر خواهد بود.

در بیانی ساده، Rebooting AI یک کتاب بسیار خوب است که حس رضایت در فناوری یادگیری عمیق را در شما زنده می­کند.

عنوان کتاب: Deep Learning

نویسندگان: ایان گودفِلو – یاشوا بِنگیو – ارون کوروِلس

گرت اسمیث در رابطه با این کتاب می­گوید: ” این کتاب، یکی از بهترین کتاب‌هایی‌ است که تاکنون خوانده‌ام، نقطه، سر خط! “

تمرکز این کتاب بر روی یادگیری عمیق است، اما اصول یادگیری ماشینی را نیز در بر می­گیرد. این کتاب مملو از اطلاعات بوده و همچنین به راحتی در دسترس می­باشد. البته از آنجایی که محتویات آن فنی است، در زمره کتاب­های هوش­ مصنوعی عوام پسند قرار نمی­گیرد و بیشتر به ­عنوان یک کتاب درسی پیشرفته در سطح پیش دانشگاهی محسوب می­شود. ذکر این نکته نیز قابل توجه است که به دلیل محتوای فنی کتاب، خواننده برای درک بهتر آن می­بایست پایه ریاضی خوبی داشته باشد.

عنوان کتاب: Interpretable Machine Learning

نویسنده: کریستوفر مولار

این کتاب همانند کتاب‌های درسی، نمونه ­ای از یک کتاب فنی است.

احتمالاً مسئله اصلی ما این است که، وقتی ما در گذر زمان خبره ­تر می شویم و مدل­های ما پیچیده‌تر می­شوند، توانایی درک آن مدل­ها و چرایی کارهایی که انجام می­شود، بیش از پیش سخت می­شوند.

در واقع این بخشی از شمشیر دو سر بُرّان هوش ­مصنوعی محسوب می­شود که از قضا به ما نوید خیلی چیزها را می­دهد اما همین که به سمت آن­ها گام برمی­داریم، به همان نسبت نیز ریسک ما افزایش پیدا می­کند، زیرا که مدل­ها نه فقط عجیب، بلکه امکان این را دارند که بسته به نوع کاربردشان خطرناک واقع شوند.

با توسعه هوش مصنوعی، مباحثی همچون تفسیرپذیری و شفافیت نیز در حال شکل­گیری است و این مسئله بر پیشرفت هوش مصنوعی تاثیرگذار خواهد بود. دیدگاه ما این است که تنها راهی که باعث می­شود تا از مسیر جا نمانیم، استفاده بیشتر از ریاضیات و علم داده است.

عنوان کتاب: How the Mind Works

نویسنده: استیون پینکر

این یک کتاب هوش مصنوعی نیست اما بخش­هایی در آن وجود دارند که در خصوص هوش مصنوعی صحبت می­کنند. به­طور کلی می­توان گفت که کتاب خیلی خوبی است و تقریبا هم­نظر با کتاب The Selfish Gene از ریچارد داوکینز و نظریه تاثیر تکامل بر مغز انسان می­باشد. How the Mind Works یک کتاب سطح بالا می­باشد که در مورد نحوه عملکرد ذهن انسان صحبت می­کند و درست است که به ­طور مستقیم از هوش­ مصنوعی صحبت نمی­کند، اما کتاب بسیار خوبی است و پینکر در آن نکاتی درمورد هوش مصنوعی بیان می­کند.

عنوان کتاب: AI for People and Business

نویسنده: الکس کاسترونیس

برای رهبران مشاغل، ضروری است که هوش ­مصنوعی و یادگیری ماشین را در یک سطح مناسب درک کنند تا با استفاده از آن بتوانند محصولات داده­محور خوبی بسازند.

از این رو الکس کاسترونیس کتاب هوش­ مصنوعی برای مردم و کسب ­وکار ها را برای افرادی چون مدیران، مدیران عامل و افراد غیرفنی که مایل به استفاده از هوش­ مصنوعی در سازمان خود هستند و همچنین برای پر کردن شکافی که در متون موجود در این زمینه حس می­شد نوشت.

وی با نگارش این کتاب، چارچوبی به متخصصان علاقه ­مند به مشاغل پیرامون هوش­ مصنوعی ارائه داد که توسط آن بتوانند مفاهیم پیچیده پیرامون هوش مصنوعی را برای رهبران کسب­ وکارهایشان شرح دهند و خلاهای موجود در این زمینه را برطرف نمایند. این کتاب به مردم کمک خواهد کرد تا هوش مصنوعی را به­ صورت دقیق‌تر درک کنند و بیاموزند که چگونه با استفاده از هوش­ مصنوعی فرصت‌ها را شناسایی کنند. این کتاب در واقع در ایجاد یک چشم ­انداز موفق و استراتژی هوش­ مصنوعی نیز متمرکز است.

ساده ­سازی مفاهیم هوش ­مصنوعی کار دشواری است زیرا هوش­ مصنوعی اساسا و ذاتا ساده‌ نیست. اگر خودتان به آن تمایل داشته ­باشید، مسائلی از قبیل جبر و احتمال و ماتریکس و غیره در آن بی­شمارند. این کتاب به ­گونه ­ای است که به هر مخاطب با توجه به نیاز‌هایش مطالبی را ارائه می­دهد و به­ گونه‌ای این مطالب پیچیده و دشوار را ساده می­کند که برای مدیران قابل استفاده باشد.

عنوان کتاب: The Hundred-Page Machine Learning Book

نویسنده: آندری بورکوف

این کتاب یک مرور کلی عالی بر روی یادگیری ماشین است که برای متخصصان در این زمینه نوشته شده ­است و شامل بسیاری از زمینه ­های یادگیری ماشینی است که یک متخصص باید از آن آگاه باشد. تئوری‌ها و مسائل ریاضی بسیاری، بدون پیچیدگی فراوان در آن گنجانده شده­است. به عقیده الکس کاسترونیس، این کتابی است که تمامی متخصصان باید آن را در قفسه کتاب­خانه خود داشته باشند و سایر افرادی که می­خواهند کمی عمیق­تر به ابعاد مختلف یادگیری ماشینی بپردازند نیز می­توانند از آن بهره ببرند.

یکی از ویژگی­ های خوب این کتاب، خلاصه و مفید بودن آن می­باشد و در آن به مباحث حاشیه ­ای کمتر پرداخته شده ­است. این کتاب به تور یا سفری به یادگیری ماشین می­ماند که می­تواند به­عنوان یک کتاب مقدماتی یا متوسطه و حتی به عنوان یک مرجع در نظر گرفته شود.

تمرکز این کتاب بر روی متخصصان در زمینه یادگیری ماشین می­باشد و خواندن آن مناسب افرادی است که می­خواهند از زیر و بم یادگیری ماشین سر در بیاورند. حجم هر فصل تقریبا مشابه بوده و خلاصه­ای در مورد تمام مباحث مرتبط با یادگیری ماشین به علاوه دانش ریاضی موردنیاز آن­ها در این کتاب ارائه شده ­است.

عنوان کتاب: Machine Learning Yearning

نویسنده: اندرو یان­تاک

این کتاب برای متخصصانی که در یادگیری­ ماشین و کاربرد آن در هوش­ مصنوعی پژوهش می­کنند، عالی است.  این کتاب شباهت زیادی با کتاب “The Hundred-Page Machine Learning Book” دارد اما بیش از کتاب نام برده شده به چگونگی‌ها، همانند یک‌ کتاب آشپزی، پرداخته­است. این کتاب بیشتر به این سبک ‌نوشته شده که مثلا برای انجام فلان کار یا بهمان کار چه دستورالعمل­هایی را باید انجام دهید. سبک نگارش آن نیز به ترتیب منطقی، همانند روند و ملاحظات کلیدی است که دانشمندان و مهندسان یادگیری­ ماشین در هنگام انجام پروژه‌هایی در این زمینه انجام می­دهند. می­توان گفت که این کتاب از این منظر تا حدودی بی­نظیر بوده و با مراجعه به سوابق نویسنده آن، مشاهده می­شود که او یکی از سردمداران در زمینه یادگیری­ ماشین می­باشد.

عنوان کتاب: Neural Networks and Deep Learning

نویسنده: مایکل نیلسن

یک کتاب آنلاین و رایگان است که خواندن و درک آن بسیار آسان بوده و به­طور اختصاصی در مورد شبکه های عصبی و یادگیری­ عمیق بحث می­کند. همچنین علاوه بر دارا بودن سبک نوشتار و لحن عالی شامل بسیاری از تصاویر مفید و حتی ویدیو نیز می­باشد.

وقتی متخصصان برجسته در گفتمان­ها و کارگاه‌های عملی شرکت می­کنند، اغلب این سوال از آنان پرسیده خواهد شد: ” من مایلم تا وارد عرصه هوش­مصنوعی و یادگیری ماشین شوم، پیشنهادتان برای من چیست؟ ” اما متاسفانه پاسخی که درخور همه باشد وجود ندارد چرا که این امر با توجه به افراد گوناگون متفاوت است. برخی از ویدیو استفاده می­کنند، برخی دیگر از پادکست‌ها و برخی کتاب را ترجیح می­دهند. این کتاب به دلیل ماهیت خود، برای درصد زیادی از افراد مشتاق مناسب می­باشد البته ذکر این نکته نیز قابل توجه است که دشوار است تا بتوان همه اطلاعات مربوط به یک حوزه را تنها از طریق یک منبع مطالعاتی گرد‌هم آورد.

به این مطلب چه امتیازی می دهید ؟
[Total: 1 Average: 5]

محمد افشار

دانشجوی کارشناسی مهندسی صنایع در دانشگاه صنعتی امیرکبیر، دبیر بخش ویژه‌نامه هوش مصنوعی اکوموتیو

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نوشته های مشابه

دکمه بازگشت به بالا
بستن