《如何创造可信的AI》［美］盖瑞·马库斯（Gary Marcus）；［美］欧内斯特·戴维斯（Ernest Davis）;龙志勇译【文字版_PDF电子书_推荐】_计算机类

《如何创造可信的AI》［美］盖瑞·马库斯（Gary Marcus）；［美］欧内斯特·戴维斯（Ernest Davis）;龙志勇译【文字版_PDF电子书_推荐】

《如何创造可信的AI》封面图片

书名：如何创造可信的AI
作者：[美]盖瑞·马库斯(GaryMarcus)/[美]欧内斯特·
出版社：湛庐文化/浙江教育出版社
译者：龙志勇
出版日期：2020-5-31
页数：285
ISBN：9787572200526

7.7
豆瓣评分

孔网购买

点击喜欢

全网资源sm.nayona.cn

内容简介：

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*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*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。*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。

作者简介：

[美]盖瑞·马库斯(Gary Marcus)

新硅谷机器人创业公司AI首席执行官兼创始人。机器学习公司“几何智能”首席执行官兼创始人，该公司于2016年被优步收购，随后马库斯在优步创立了人工智能实验室。

纽约大学心理学和神经科学教授。研究方向跨越人类和动物的行为，涉及神经科学、心理学、人工智能等多个领域。

1994年于麻省理工学院博士毕业，师从心理学大师史蒂芬·平克。

[美]欧内斯特·戴维斯(Ernest Davis)

纽约大学柯朗数学科学研究所计算机科学教授，人工智能领域科学家。

摘要：《如何创造可信的AI》是人工智能领域颇具影响力的一部作品，由盖瑞·马库斯与欧内斯特·戴维斯联合撰写，龙志勇译介。本书围绕人工智能发展的核心问题展开讨论，即如何让机器不仅具备计算与学习能力，更能够在复杂现实环境中表现出可靠、稳定且符合人类预期的行为。作者结合多年研究经验，对当前主流人工智能技术的优势与局限进行了深入分析，指出单纯依赖大规模数据训练并不能真正实现通用智能，而可信AI的构建需要融合知识、推理、常识以及对现实世界的理解能力。全书既探讨了人工智能技术的发展路径，也关注其在社会、伦理和实际应用中的挑战。通过丰富案例与严谨论证，读者能够全面了解人工智能从感知到认知、从算法到决策的发展逻辑，并进一步思考未来智能系统应如何与人类社会协同发展。这不仅是一本技术读物，也是一部关于人工智能未来方向的重要思考之作。

可信智能发展基础

《如何创造可信的AI》首先聚焦于人工智能发展的根本问题。随着深度学习技术不断取得突破，越来越多的人开始相信机器能够快速接近人类智能。然而作者认为，当前许多成功案例仍然局限于特定任务环境，距离真正理解世界还有较大差距。机器能够识别图像、翻译语言，却未必真正理解这些信息背后的含义。

书中指出，可信人工智能并不仅仅意味着算法准确率的提升，更重要的是系统能够在复杂环境中保持稳定表现。当面对训练数据之外的新情况时，许多人工智能模型会出现错误判断，而这种问题在医疗、金融以及自动驾驶等领域可能带来严重后果。因此，可靠性成为评价人工智能的重要标准。

作者通过大量实例说明，当前人工智能在处理结构化任务时表现优异，但在常识推理方面仍然存在明显不足。例如，一个简单的生活场景对于人类来说不言自明，而机器往往无法准确理解事件之间的逻辑关系。这种差距说明智能不仅来源于数据积累，还需要知识体系支撑。

与此同时，书中强调智能系统的发展不能只关注计算能力增长。硬件性能不断提升固然重要，但真正决定人工智能水平的仍然是认知机制设计。只有让机器具备理解、推理和解释能力，才能逐步迈向可信智能的发展目标。

数据驱动模式局限

在分析当前人工智能现状时，作者重点讨论了数据驱动方法存在的问题。近年来，大规模神经网络依靠海量数据训练获得了显著成果，但这种方式也暴露出许多难以忽视的缺陷。模型往往依赖统计规律，而非真正理解知识内容。

书中提到，当训练数据足够丰富时，人工智能可以在特定任务中达到甚至超越人类水平。然而一旦环境发生变化，或者出现未曾见过的新问题，模型的表现便可能急剧下降。这种现象反映出人工智能缺乏灵活应变能力。

作者认为，仅依靠数据堆积无法解决所有智能问题。现实世界充满不确定性，人类能够利用经验、逻辑和常识进行判断，而机器更多依赖概率计算。因此，当数据不足或信息模糊时，人工智能容易产生错误结论。

此外，大规模数据训练还面临数据偏差问题。如果训练数据本身存在错误或不完整，模型便可能继承甚至放大这些偏差。在涉及社会决策的应用场景中，这种问题会影响公平性与可信度。因此，建立更加科学的数据治理机制显得尤为重要。

作者进一步指出，未来人工智能的发展不应陷入“数据越多越智能”的误区。虽然数据仍然是重要资源，但只有与知识表达和逻辑推理相结合，才能形成更加全面和可靠的智能系统。

知识推理融合路径

为了突破现有技术瓶颈，《如何创造可信的AI》提出了知识与学习融合的发展思路。作者认为，人类智能之所以能够适应复杂环境，一个重要原因在于拥有丰富知识体系以及灵活推理能力。这些能力是当前人工智能相对欠缺的部分。

书中介绍了符号主义人工智能的发展历史，并分析其与深度学习之间的关系。早期符号系统强调逻辑规则和知识表达，虽然存在学习能力不足的问题，但在解释性和推理能力方面具有独特优势。深度学习则擅长从数据中发现模式，两者各有所长。

作者主张构建混合型人工智能架构，让机器既能够从数据中学习，也能够利用知识进行推理。这种融合模式有助于提升系统的理解能力，使其在面对陌生问题时能够作出更加合理的判断，而不是机械依赖历史样本。

在实际应用中，知识推理机制还能够增强人工智能的可解释性。当系统给出决策结果时，人们不仅关心结果是否正确，更希望了解其背后的原因。具备推理能力的智能系统能够清晰呈现决策过程，从而提高用户信任程度。

作者还指出，常识知识是实现可信AI的重要基础。人类在日常生活中积累的大量经验往往难以通过简单数据训练获得，因此未来研究需要建立更完善的常识知识库，让机器能够理解现实世界中的基本规律。

未来应用价值展望

在展望未来发展时，本书将可信人工智能视为下一阶段技术创新的重要方向。随着人工智能逐渐进入医疗、教育、交通、金融等关键领域，其可靠性要求也越来越高。只有建立可信机制，技术才能获得社会广泛认可。

医疗领域是书中重点关注的应用场景之一。人工智能能够辅助疾病诊断和治疗方案制定，但任何错误都可能影响患者健康。因此，系统不仅要具备高准确率，还需要拥有透明决策能力和风险评估机制，从而保障应用安全。

自动驾驶同样体现了可信AI的重要意义。车辆需要在复杂道路环境中实时决策，面对突发情况作出合理反应。作者认为，仅依赖感知系统远远不够，未来自动驾驶还需要更强大的推理和常识理解能力，以应对现实世界中的各种变化。

教育领域也将受益于可信人工智能的发展。智能教学系统能够根据学生特点提供个性化学习方案，但前提是系统能够准确理解学习需求并保持稳定表现。可信机制能够帮助教育技术更好服务于教学实践。

从更宏观角度来看，可信AI不仅关乎技术进步，也涉及社会责任。随着人工智能影响力不断扩大，人们对于透明性、公平性和安全性的关注持续增强。建立值得信赖的智能系统，将成为推动人工智能长期发展的关键基础。

总结：

《如何创造可信的AI》通过深入分析人工智能的发展现状与未来趋势，揭示了当前技术在理解能力、常识推理和可靠性方面存在的重要挑战。作者不仅指出问题所在，更提出知识与学习融合的发展路径，为构建更加完善的智能系统提供了具有启发意义的思考。

作为一本兼具理论深度与现实价值的计算机类著作，本书帮助读者从更全面的视角认识人工智能的发展逻辑。无论是技术研究者、行业从业人员，还是关注科技未来的普通读者，都能够从中获得关于可信人工智能建设的重要启示，并进一步理解未来智能社会的发展方向。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询

只要网页介绍资料，全部都有，还有很多还没来得及更新
每天更新200-300款资料
全网最大最全的神秘学资料平台
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
有看中网站记得联系我