当下的AI存在哪些风险?真的有可信的AI吗?理想的AI与现实的AI之间究竟存在哪些差距?如何构建人类和AI之间的信任?
关于人工智能的炒作总是甚嚣尘上,但要得到真正可信的AI,却远比想象的要复杂得多,超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解,而不是简单地统计分析数据。本书勾勒了未来人工智能发展的最佳路线图,对当前人工智能的现状进行了清晰且客观的评估。
作者盖瑞·马库斯是人工智能领域的专家,同时还是心理学和神经科学教授,在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底,并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时,他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性,《如何创造可信的AI》这本书正是马库斯对他关于人工智能观点的最佳总结。
盖瑞·马库斯和欧内斯特·戴维斯从深度学习算法固有的缺陷出发,阐述了当下AI技术发展的桎梏,对当前AI的场景应用和研究范式中的问题进行了分析,他指出AI真正的问题在于信任,常识才是深度理解的关键。最终从认知科学中提炼出了11条对人工智能发展方面的启示,以通用人工智能为发展目标,给出了未来AI技术的一种发展方向。
##你免费了!
评分##很多批判挺有道理,人的智能是结构化的,多重的,有先验的,而现在基于深度学习和大数据的人工智能偏离了这个路线
评分##关于人工智能的炒作总是甚嚣尘上,但要得到真正可信的AI,却远比想象的要复杂得多,超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解,而不是简单地统计分析数据。本书勾勒了未来人工智能发展的路线图,对当前人工智能的现状进行了清晰且客观的评估。 Gary Marcus和Ernest Davis从深度学习算法固有的缺陷出发,阐述了当下AI技术发展的桎梏,对当前AI的场景应用和研究范式中的问题进行了分析,他指出AI真正的问题在于信任,常识才是深度理解的关键。最终从认知科学中提炼出了11条对人工智能发展方面的启示,以通用人工智能为发展目标,给出了未来AI技术的一种发展方向。
评分##很有多关于阅读推导的东西,会有一些启发。
评分第一次出版后(好像是5月31日)10天第一时间读完一本书。非常推荐给所有人工智能从业者,非从业者读可能有些难度,尽管作者已经尽量科普。作者马库斯是认知科学和AI的先驱,是敢于硬刚Lecun等大佬的大侠,之前就已听说其名,遂中文版出来以后第一时间读完(有电子版)。翻译瑕不掩瑜。这是一本反思,他分析了为什么仅靠深度学习难以抵达推理和因果,为什么这些高级的智能因素如此重要,而业界现在实际上却几乎摸不着头脑,老实说非常符合我自己的思考。
评分##去年读吴军的《智能社会》一书后,很兴奋,但现在读完这本书后,再回想吴军的那本书,就是科普的宣传品。而这本书确实一剂清醒剂,AI还是起步阶段,缺乏抽象、推理、常识能力的AI只是狭窄范围特定项目上的计算应用。真正的AI社会路还很长。
评分##写到认知那里忽然有了正文感,可惜极快结束。快速带过了因果。前几章各种可笑例子很不错。推荐书目也很友好。// 人也会因为经验经历而产生认知偏差和偏见。试图把AI应用于大尺度,几乎类似于把这样一个普通人放到集权宝座上,怎么弄都会有问题的。
评分##警惕A.I. Hype
评分##喜马拉雅
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,本站所有链接都为正版商品购买链接。
© 2026 windowsfront.com All Rights Reserved. 静流书站 版权所有