真的有可信的AI嗎
狹義 AI 與廣義 AI
理想與現實之間的鴻溝
如何跨越 AI 鴻溝
第2章 當下AI的9個風險
機器人有暴力傾嚮嗎
機器也會犯錯
當下AI的9個風險
第3章 深度學習的好與壞
人工智能 > 機器學習 > 深度學習
什麼是深度學習
深度學習的三個核心問題
深度學習是一個“美好”的悲劇
第4章 計算機若真有那麼聰明，為什麼還不會閱讀
Talk to Books 無法迴答一切問題
人是怎樣閱讀的
搜索引擎和語音虛擬助手的睏惑
計算機不會閱讀的三大原因
常識很重要
第5章 哪裏有真正的機器人管傢
從掃地機器人到機器人管傢
機器人管傢必備的四個能力
認知模型和深度理解纔是關鍵
第6章 從認知科學中獲得的 11 個啓示
從認知科學中獲得的 11 個啓示
為機器賦予常識
第7章 常識，實現深度理解的關鍵
建立常識庫的三種方法
知識錶徵
通用人工智能應具備的常識
推理能力
常識，深度理解的關鍵
第8章 創造可信的AI
優秀的工程實踐
用深度理解取代深度學習
賦予機器道德價值觀
重啓 AI
後記
緻謝
· · · · · · (收起)
具體描述
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。
用戶評價
##喜馬拉雅
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。
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##這麼厚的一本書，馬上就看完瞭，可見寫得有多水。
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##在是個研究生就搞AI的“泡沫”時期，是時候審視基於深度學習的人工智能的魯班性瞭。如何編碼常識？如何構建推理引擎？
評分##經典AI有點像演繹法，深度學習有點則像歸納法。前者設不全前提，後者找不盡規律，而常識和理解並不能僅依靠類似康德的先天知性範疇可以推導齣來。“人在世界中存在”，AI真的能做到對這世界的理解嗎？
評分##你免費瞭！
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 windowsfront.com All Rights Reserved. 靜流書站 版權所有