Página de inicio > Tecnología > ArtificialIntelligence > No ficción > Cómo piensan las máquinas inteligentes Evaluación

Cómo piensan las máquinas inteligentes

How Smart Machines Think
Por Sean Gerrish Kevin Scott,
Reseñas: 30 | Evaluación general: Bueno
Premiado
13
Bueno
14
Promedio
2
Malo
0
Terrible
1
Todo lo que siempre has querido saber sobre autos sin conductor, recomendaciones de Netflix, Watson de IBM y programas de computadora para videojuegos. El futuro está aquí: los autos sin conductor están en las calles, un algoritmo te da recomendaciones de películas y TV , Watson de IBM triunfó en Jeopardy sobre pequeños cerebros humanos, los programas de computadora pueden ser entrenados para jugar juegos de Atari. Pero

Reseñas

05/11/2020
Stralka Darm

Um review muito informativo sobre algoritmos, inteligência artificial and computação aplicada a várias situções. O Sean Gerrish trabalha com isso no Google hoje em dia e vai pegando vários exemples onde IA foi aplicada as algoritmos of recomendação, Deep Mind eo jogo de Go, o desenvolvimento de carros autônomos e outros para mostrar como is é é feito, o e. Bem informativo, ótimos ejemplos onde podemos ver a diferença que isso faz e bem acessível.
05/11/2020
Heiskell Hillebrandt

Si bien será evidente, creo que este libro debería haberse titulado 'Cómo piensan las máquinas tontas', fue una visión notablemente agradable de cómo los publicitados éxitos de la IA: autos sin conductor, reconocimiento de imagen y rostro, ¡Jeopardy de IBM! jugando a Watson, junto con el juego de IA en ajedrez, Go y Atari y StarCraft, realizan sus artes oscuras.

No hay una programación real presentada aquí, por lo que no es necesario que los no programadores entren en pánico, aunque hay una discusión bastante detallada sobre cómo están estructuradas las arquitecturas de software y cómo los diferentes componentes, por ejemplo las redes neuronales, hacen su trabajo, pero no es así. No hay nada demasiado aterrador si lo tomas despacio.

Una cosa que se muestra con mucha fuerza, a pesar de la insistencia de los tipos de inteligencia artificial de que sus programas son de uso general, es cómo los programas específicamente diseñados como el software AlphaGo que venció a los campeones en el juego Go, y la computadora Watson que ganó en la TV de EE. UU. concurso de preguntas Jeopardy! were: increíblemente finamente diseñados para cumplir con el uso y solo ese uso.

La razón por la que hago el comentario acerca de las máquinas tontas es que lo que no aparece suficientemente en el libro de Sean Gerrish es que, debido a que estos programas no son inteligentes en ningún sentido, cuando se equivocan, a menudo se equivocan dramáticamente. ¡Entonces algunas de las respuestas de Watson sobre Jeopardy! no tenía ningún sentido en absoluto. Del mismo modo, el software de reconocimiento de imágenes puede ser engañado por patrones aparentemente abstractos que tienen los componentes correctos para parecer un objeto distinguible. Y cuando tenga en cuenta que estamos sugiriendo poner este tipo de software a cargo de los automóviles que "equivocarse dramáticamente" es más que un poco desconcertante.

Sin embargo, hubo una gran sección sobre el desarrollo de autos autónomos, desde los intentos débiles originales, donde todos los competidores en una carrera fallaron antes de completar el 10 por ciento del curso, hasta las versiones más recientes y más exitosas que pueden manejar escenarios de tráfico básicos, aunque hubiera sido bueno si Gerrish hubiera ido más allá de los viejos desafíos de premios para describir lo que hacen los últimos vehículos de Google y Uber. (Puede ser que sus enfoques sean demasiado propietarios).

Sin embargo, lo que faltaba era una evaluación seria de los grandes problemas que aún enfrentaba. Recientemente ha habido dos libros excelentes sobre los enormes agujeros en la IA que los practicantes rara vez admiten: el engaño y el sentido común de la IA, la prueba de Turing y la búsqueda de la verdadera IA: Gerrish habría producido un libro aún mejor si hubiera podido abordar el preocupaciones que plantean estos libros.

Aun así, en How Smart Machines Think tenemos un libro enormemente informativo y muy legible para cualquier persona interesada en descubrir qué hacen realmente los sistemas de IA tan anunciados, y qué hay detrás del bombo publicitario.
05/11/2020
Nalda Trumpower

Una popularización de la robótica y las redes neuronales y el aprendizaje automático y la búsqueda de construir un automóvil sin conductor. Una introducción bastante buena a este tema de IA dará un resumen de cómo se hace esto, pero si desea una inmersión más profunda, hay muchas otras fuentes para profundizar, pero esta es una buena introducción al tema.
05/11/2020
Lombardy Janky

Esta es una gran introducción a AI / ML para no profesionales, especialmente si está interesado en comenzar en el campo y desea una comprensión amplia antes de sumergirse. Gerrish hace un gran trabajo al incorporar descripciones claras de algoritmos AI / ML y metodologías dentro de entretenidas historias sobre su desarrollo y expansión. Se adentra especialmente en vehículos autónomos, motores de recomendación y juegos.

Muchos libros recientes sobre ML e IA discuten las redes neuronales profundas, el procesamiento del lenguaje natural y el aprendizaje por refuerzo, pero, al menos en los que he leído, los algoritmos de búsqueda se acortan. Por poderosos que sean algunos de los algoritmos más nuevos, las técnicas menos glamorosas como la búsqueda serán clave en el desarrollo de muchas IA.
05/11/2020
Mehalick Commee

Encontré "Cómo piensan las máquinas inteligentes" para cubrir el mismo terreno que muchos artículos en revistas como Wired y Fast Business, pero con ejemplos más detallados. De hecho, después de terminar el libro, comencé a leer un artículo de Clive Thompson en Wired (12/18), quien también usó algunos de los mismos ejemplos para hacer algunos de los mismos puntos. Me gustó "How Smart Machines Think" por su visión general de la situación de la IA y el aprendizaje automático, y su estilo legible. No necesitas ser un científico o desarrollador para disfrutar esto.
05/11/2020
Hebner Pugel

Cosas fascinantes.

Había escuchado sobre el DARPA Grand Challenge antes, pero no sabía que el primer año, el mejor vehículo autónomo logró ~ 12 km de la ruta objetivo de 240 km. La ruta exacta fue un secreto para los equipos hasta horas antes de la carrera. El vehículo ganador tomó "fuerza bruta" en un sentido literal al ser un Humvee blindado, de modo que si se topaba con un poste de la cerca, eso sería un problema para el poste de la cerca, no para el vehículo. Pero se colgó después de una esquina de cambio, y al no tener un plan de contingencia para este hecho, hizo girar sus neumáticos en la arena del desierto hasta que se incendiaron. El futuro parecía sombrío para los autos sin conductor en 2004. Luego, el segundo año del concurso (2005), llega Sebastian Thrun, quien utiliza el aprendizaje automático para enseñar a su automóvil "Stanley" (de la Universidad de Stanford), cómo reaccionar ante los obstáculos de la carretera. Era el "aprendizaje automático supervisado", donde el automóvil se entrenaría al observar horas de conductores humanos reaccionando a diferentes situaciones en la carretera.

Cada uno de los 23 vehículos en este segundo desafío se inició a intervalos de 5 minutos para que no se toparan entre sí. Dado que los sensores en ese momento solo podían ver unos 10 metros de distancia por delante, y no tiene sentido conducir más rápido de lo que los vehículos podían ver, la mayoría de los vehículos conducirían a no más de 25 mph.) Stanley, por otro lado, también tenía cámaras e IA para detectar si estaba mirando una recta abierta o no. En caso afirmativo, vaya 40 mph hasta que ya no esté en una recta. Stanley tuvo que ser pausado 3 veces durante la carrera porque no dejaba de alcanzar a los autos por delante. Finalmente, los árbitros solo tuvieron que detener a todos los demás para dejar que Stanley pasara. En lugar de que no terminen los autos, esta vez 5 autos terminaron la carrera de más de 200 km.

Ese fue uno de los primeros capítulos sobre aprendizaje automático, hay capítulos fascinantes más adelante sobre inteligencia artificial cada vez más sofisticada, como el aprendizaje automático no supervisado y el aprendizaje profundo. Cosas emocionantes
05/11/2020
Watkin Whittiker

Comencé este libro nuevamente, sin saber nada sobre el aprendizaje automático más allá del conocimiento común.
Ahora siento que tengo una buena comprensión del aprendizaje automático para pensar en lo que podemos hacer con él en el futuro, o incluso ahora. (¡Imagínese si entrenamos a Watson o AlphaGo para clasificar libros para nosotros en un nuevo sistema de clasificación, finalmente podríamos tener consistencia en las bibliotecas de todo el mundo!)
Las metáforas de Gerrish también fueron muy acertadas, hicieron que algunos de los conceptos más difíciles fueran fáciles de entender para un laico.
Realmente aprecié la forma en que profundizó en las historias de las personas detrás de estos inventos. Incluso si a veces se siente un poco como un nombre que deja caer las grandes pelucas en el campo, las historias de cómo surgieron algunos de estos inventos (como los autos sin conductor) son fascinantes. A pesar de que estuve muy vivo durante muchos de estos eventos, cuando era niño de alguna manera me pasaron por alto.

Definitivamente recomiendo este libro incluso si solo tiene un interés pasajero en el campo, ya que es técnico y fácil de identificar.
05/11/2020
Howlan Pressimone

Descripción interesante de la codificación detrás de la IA, en particular las redes neuronales. Un fondo de programación o familiaridad ayudará, pero el libro sigue siendo útil sin ese fondo. El libro cubre autos sin conductor, Jeopardy jugando a Watson, el maestro de ajedrez Deep Blue, motores de recomendación de Netflix. Se pone especial énfasis en ese juego de estrategia favorito y nerd que juega IA
05/11/2020
Legra Clayman

El autor comienza explicando primero los antecedentes de las máquinas inteligentes actuales y cómo han evolucionado a partir de sus equivalentes mecánicos desde el crecimiento y el desarrollo de la tecnología de la información. Los dispositivos mecánicos automatizados (autómatas) se remontan a los 1700. Sin embargo, desde la llegada de la electrónica, los dispositivos automatizados se han vuelto cada vez más sofisticados y capaces en la forma en que operan evolucionando hacia la llamada 'máquina inteligente'.

La primera mitad del libro proporciona algunas de las ideas clave que rodean cómo las máquinas inteligentes perciben e interactúan con el mundo que las rodea mediante una serie de estudios de casos. El primer estudio de caso en esta sección se basa en autos sin conductor y la carrera de autos robot DARPA 2004 a través del desierto de Mojave. La operación y la tecnología detrás de un competidor (el Humvee autónomo) explica cómo su construcción lo mantiene en el camino y cómo las redes neuronales le permitieron observar y navegar a través de su entorno externo.

El segundo estudio de caso está contenido en el Capítulo 5. Se trata del desafío del motor de recomendaciones de Netflix. El gran premio en oferta fue de $ 1M para el equipo que creó un motor de recomendación de películas para su servicio de alquiler de DVD físico con el fin de satisfacer mejor los requisitos del cliente. Los equipos y su enfoque para el desafío de Netflix y los ganadores de los premios se analizan en el capítulo siguiente.

La siguiente sección corta del libro trata sobre cómo se puede emplear el aprendizaje por refuerzo para mejorar el pensamiento automático. Esto lleva a tres capítulos sobre la tecnología y el uso de redes neuronales, seguido de una mirada cercana a cómo las computadoras están configuradas para jugar juegos como Alpha Go y Deep Blue. Finalmente, el autor describe las dificultades en la construcción de agentes inteligentes para jugar videojuegos que hasta ahora no se han resuelto, utilizando StarCraft como ejemplo.

El libro me pareció interesante y entretenido. Las explicaciones técnicas de la teoría detrás de la tecnología se complementan con diagramas e ilustraciones fáciles de seguir. El libro será de interés para cualquiera que desee llevar su comprensión de las máquinas de pensamiento a un nivel superior. También contiene referencias anotadas para cualquier persona que necesite continuar con más estudios. Le doy al libro 7 de 10 por su cobertura del tema y excelentes referencias.

Revisión por Jim McGhie MBA, CEng, MBCS, CITP
05/11/2020
Hulton Craighead

Es un gran recorrido por toda la innovación de ML a lo largo de los años, no es difícil de entender y es un buen libro para cerrar la brecha entre los profesionales de ML y los chicos que no conocen el tema.
Algunos inconvenientes son que algunos conceptos son demasiado pesados ​​para entender y creo que había mejores maneras de explicarlo, también los libros señalan que no necesitas conocimientos previos de ML, pero desde mi punto de vista, es extremadamente necesario Conocer al menos las matemáticas básicas y los conceptos de regresión y aprendizaje estadístico para tener una idea completa de este libro.
Pero en general, este libro es un gran resumen escrito con buenas palabras para que cualquiera de nosotros pueda dar su punto de vista de lo que será la próxima innovación tecnológica del mañana
05/11/2020
Lukasz Yin

01001110 01101111 01110111 00100000 01100100 01101111 01110111 01101110 00100000 01110100 01101111 00100000 01101111 01110101 01110010 00100000 01100011 01101111 01101101 01110000 01110101 01110100 01100101 01110010 00100000 01101111 01110110 01100101 01110010 01101100 01101111 01110010 01100100 01110011 00101110 XNUMX XNUMX

Investigé a fondo la esencia de las fascinantes redes neuronales de IA biológicamente inspiradas. Una mirada al hardware del autómata y un examen más completo de los detalles de cómo funcionan las redes neuronales en juegos y aplicaciones.

Stanley
Watson
Deep Blue
Google Brain
Mente profunda
OpenAI
Alphabet
NVIDIA

05/11/2020
Urania Legerski

Un viaje maravilloso y muy accesible a través del conjunto actual de aplicaciones de IA. Desde autos sin conductor, peligro, reconocimiento de imagen, generación de discurso, recomendaciones, Playing Go, etc. Incluso los ingenieros que trabajan en el campo se beneficiarán del nivel correcto de abstracción y analogías muy útiles para mapear las ideas. por ejemplo, LSTM se describió como el botón "SET" en dispositivos digitales. Lectura altamente recomendada.
05/11/2020
Shugart Sapienza

Este libro hace un excelente trabajo al explicar el contenido para el laico. No se traduce bien a un audiolibro. Esa es la razón de tres estrellas. Hay ilustraciones en la versión de texto que harán que el contenido sea más comprensible. Esto no se puede transmitir a través de un audiolibro.
05/11/2020
Collayer Knetsch

Lo disfruté mejor como un audiolibro. Básicamente es aprendizaje automático para poetas. No deseo ser codificador, así que a todos los efectos, también podría ser poeta. Un buen libro le da una idea de lo que está sucediendo en el campo y un poco de lo que entra en la tecnología y qué esperar de ella. Incluso mejor que la primera vez con este libro.
05/11/2020
Luo Fannell

Buena visión general de los conceptos clave en aprendizaje automático y IA. Probablemente no sea el mejor libro para escuchar, ya que fue lo suficientemente técnico como para que el espacio por un minuto signifique que te has perdido algo importante.
05/11/2020
Reynolds Seehusen

Razonablemente bien escrito. Presenta a las figuras prominentes / incondicionales que hicieron posibles los avances en el aprendizaje automático. Pero el libro no ofrece mucho a los lectores que ya tienen un conocimiento mínimo sobre AI / ML.
05/11/2020
Talia Cori

Cuenta altamente legible y técnicamente precisa de los éxitos de la IA, el aprendizaje automático y el aprendizaje profundo en los últimos años. El autor logra un buen equilibrio entre explicaciones técnicas detalladas y narraciones convincentes. 5 de 5.
05/11/2020
Ilyse Poissant

Libro bien escrito sobre los avances en ML / AI en las últimas dos décadas. También proporciona explicaciones y ejemplos de términos utilizados en el campo. Este no es un libro de texto, más un libro de aprendizaje.
05/11/2020
Helbona Bittinger

El título lo dice todo. Muy recomendable para cualquiera que quiera aprender en profundidad sobre cuán lejos hemos llegado y aún no hemos llegado al mundo del aprendizaje automático.
05/11/2020
Gavrilla Espenscheid

Una visión general muy atractiva de la teoría de vanguardia y las aplicaciones del aprendizaje automático.
05/11/2020
Garvin Dingfelder

Si alguien está buscando una motivación o una visión general de qué esperar al ingresar al Aprendizaje automático, este es el libro para leer.
05/11/2020
Haggai Hjalmarson

Libro maravilloso, una muy buena visión de cómo funciona realmente el aprendizaje automático, la historia reciente del aprendizaje automático y cómo se nos ocurrieron muchos tipos de algoritmos para resolver el problema del mundo real ...
05/11/2020
Lindley Cosby




Indice de contenido
Prólogo de Kevin Scott, CTO, Microsoft
Prefacio


1. El secreto del autómata
2. Autos sin conductor y el gran desafío DARPA
3. Mantenerse dentro de los carriles: percepción en los autos sin conductor
4. Ceder el paso en las intersecciones: el cerebro de un auto sin conductor
5. Netflix y la recomendación – Motor Challenge


6. Conjuntos de equipos: ganadores del premio Netflix
7. Enseñando computadoras dándoles golosinas
8. Cómo vencer a los juegos de Atari usando redes neuronales
9. Visión del mundo de las redes neuronales artificiales
10. Mirando bajo el capó de las redes neuronales profundas


11. Redes neuronales que pueden escuchar, hablar y recordar
12. Comprensión del lenguaje natural (y ¡Peligro! Preguntas)
13. Minería el mejor peligro! Responder
14. La fuerza bruta busca tu camino hacia una buena estrategia
15. Juego de nivel experto para el juego Go


16. AI en tiempo real y StarCraft
17. Cinco décadas (o más) a partir de ahora

05/11/2020
Lemmy Boocock

Se lee como un grupo de artículos relacionados de Wired o Ars Technica sobre los principales hitos en la IA. Es una lectura rápida y fácil que Sean pone en términos y analogías fáciles de entender.

Deje una calificación para Cómo piensan las máquinas inteligentes