欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 自主AI设计(方法与实践)
      • 作者:(美)肯斯·安德森|责编:王春华//冯润峰|译者:杜凯欣//项英英//黎声//胡宇彤
      • 出版社:机械工业
      • ISBN:9787111756699
      • 出版日期:2024/07/01
      • 页数:209
    • 售价:39.6
  • 内容大纲

        本书将介绍如何将早期AI的实用性与深度学习能力和工业控制技术结合起来,在现实世界中做出稳健的决策。作者使用具体的例子、最基本的理论和经过验证的架构框架,展示了如何教授自主AI明确的技能和策略。读者将了解何时以及如何使用和组合各种AI架构设计模式,以及如何设计高级AI,而无须操作神经网络或机器学习算法。学生、流程操作员、数据科学家、机器学习算法专家以及拥有和管理工业流程的工程师都可以使用本书中的方法来设计自主AI。
  • 作者介绍

  • 目录


    前言
    导论:正确地运用大脑(为什么我们需要自主AI)
    第一部分 当自动化不起作用时
      第1章  机器有时会做出错误的决策
      第2章  追寻更类人的决策
        2.1  增强人类智能
        2.2  人类如何做出决策和掌握技能
          2.2.1  人类根据感知采取行动
          2.2.2  人类在直觉和实践中建立复杂的关联
          2.2.3  人类为复杂任务制定抽象策略
          2.2.4  一种新型的AI正在流行
        2.3  自主AI的强大力量
          2.3.1  自主AI能够做出更类人的决策
          2.3.2  自主AI感知,然后行动
          2.3.3  感知和行动的区别
          2.3.4  当事物发生变化时,自主AI进行学习并适应变化
          2.3.5  自主AI可以识别模式
          2.3.6  自主AI参考经验进行推断
          2.3.7  自主AI即兴发挥并制定策略
          2.3.8  自主AI可以规划长期未来
          2.3.9  自主AI汇集了所有决策技术的精华
        2.4  何时应该使用自主AI
        2.5  自主AI就像一个聪明、好奇、蹒跚学步的孩子,需要被教导
    第二部分 什么是机器教学
      第3章  教学是AI及人类最好的学习方式
        3.1  同时学习多种技能对人类和AI来说都很困难
        3.2  明确地教授技能与策略
        3.3  教学使我们能够信任AI
        3.4  机器教师的思维模式
          3.4.1  不会教学的程序员不是好的机器教师
          3.4.2  愿意学习比成为专家更重要
        3.5  什么是大脑设计
          3.5.1  决策是如何运作的
          3.5.2  获得技能就像在探索中学会导航
          3.5.3  大脑设计是一个用地标指引探索的心智地图
      第4章  构建机器教学的模块
        4.1  案例:走路很容易被教会,但很难通过自我进化学会
          4.1.1  为什么要以人类的方式走路
          4.1.2  策略与进化
          4.1.3  将行走拆解为三种技能进行教学
        4.2  概念获取知识
        4.3  技能是特殊的概念
        4.4  大脑是由技能构建的
          4.4.1  构建技能
          4.4.2  由专家规则扩展成技能
          4.4.3  感知性概念负责感知世界
          4.4.4  指令性概念负责决策和行动
          4.4.5  选择性概念负责监督和分配
        4.5  功能和策略构成了大脑

          4.5.1  功能性技能的顺序执行或并行执行
          4.5.2  策略的层次结构
        4.6  大脑设计的可视化语言
    第三部分 如何开展机器教学
      第5章  教AI大脑该做什么
        5.1  决定AI大脑会采取哪些行动
          5.1.1  感知是必要的,但我们需要的远不止这些
          5.1.2  连续决策
        5.2  触发AI大脑中的行动
        5.3  设置决策频率
        5.4  处理AI大脑行动的延迟后果
        5.5  智能温控器的行动
      第6章  为AI大脑设定目标
        6.1  总有权衡之道
          6.1.1  吞吐量与效率
          6.1.2  负责人和员工有不同的目标
          6.1.3  让自主AI学会权衡目标
          6.1.4  谨防将专家规则设置成目标
          6.1.5  理想与现实
        6.2  设定目标
          6.2.1  步骤1:识别场景
          6.2.2  步骤2:匹配目标与场景
          6.2.3  步骤3:教授场景策略
        6.3  目标
          6.3.1  最大化
          6.3.2  最小化
          6.3.3  实现它
          6.3.4  驱动它
          6.3.5  避开它
          6.3.6  统一它
          6.3.7  稳住它
        6.4  将目标包含在任务代数中
        6.5  为智能温控器设定目标
      第7章  向AI大脑传授技能
        7.1  教学聚焦并引导实践(探索)
        7.2  技能可以发展和转变
        7.3  技能适应场景
        7.4  四种不同复杂度的教学方法
          7.4.1  初级教师传达事实和目标
          7.4.2  教练安排技能练习的顺序
          7.4.3  导师教授策略
          7.4.4  大师使新范式大众化
        7.5  大师如何使技术大众化
        7.6  自主AI的架构层次
          7.6.1  机器学习与感知
          7.6.2  单一大脑代表高级初学者阶段
          7.6.3  概念网络代表胜任者阶段
          7.6.4  大规模概念网络代表精通者阶段
        7.7  探索自主AI的专家技能获取
          7.7.1  天生具备技能的大脑

          7.7.2  能在学习中定义新技能的大脑
          7.7.3  能自我组装的大脑
          7.7.4  能协调技能的大脑
        7.8  构建AI大脑的步骤
          7.8.1  第一步:确定想要教授的技能
          7.8.2  第二步:精心设计这些技能如何协同工作
          7.8.3  第三步:选择合适的技术来执行每项技能
        7.9  教授技能时要避免的陷阱
          7.9.1  陷阱1:将解决方案与问题混为一谈
          7.9.2  陷阱2:过于关注某个部分而忽视了全局
        7.10  向AI大脑传授技能的例子:橡胶厂
        7.11  智能温控器的大脑设计
      第8章  给AI大脑提供信息
        8.1  传感器:AI大脑的五种感官
          8.1.1  变量
          8.1.2  代理变量
          8.1.3  趋势
        8.2  模拟器:自主AI进行练习的虚拟环境
          8.2.1  利用物理和化学模拟现实环境
          8.2.2  利用统计和事件模拟现实环境
          8.2.3  利用机器学习模拟现实环境
          8.2.4  利用专家规则模拟现实环境
        8.3  智能温控器的传感器变量
    第四部分 实用工具箱
      第9章  设计真正可以落地的AI大脑
        9.1  设计师和建造者协作融洽(在大部分时间里)
          9.1.1  自主AI的设计谬误:设计但不迭代
          9.1.2  自主AI的实现谬误:缺少设计规划的实现
        9.2  AI大脑设计文档规范
        9.3  机器教学平台
        9.4  将多种技能连接成模块的平台
        9.5  机器教学会带来哪些改变