真的有可信的AI吗
狭义 AI 与广义 AI
理想与现实之间的鸿沟
如何跨越 AI 鸿沟
第2章 当下AI的9个风险
机器人有暴力倾向吗
机器也会犯错
当下AI的9个风险
第3章 深度学习的好与坏
人工智能 > 机器学习 > 深度学习
什么是深度学习
深度学习的三个核心问题
深度学习是一个“美好”的悲剧
第4章 计算机若真有那么聪明，为什么还不会阅读
Talk to Books 无法回答一切问题
人是怎样阅读的
搜索引擎和语音虚拟助手的困惑
计算机不会阅读的三大原因
常识很重要
第5章 哪里有真正的机器人管家
从扫地机器人到机器人管家
机器人管家必备的四个能力
认知模型和深度理解才是关键
第6章 从认知科学中获得的 11 个启示
从认知科学中获得的 11 个启示
为机器赋予常识
第7章 常识，实现深度理解的关键
建立常识库的三种方法
知识表征
通用人工智能应具备的常识
推理能力
常识，深度理解的关键
第8章 创造可信的AI
优秀的工程实践
用深度理解取代深度学习
赋予机器道德价值观
重启 AI
后记
致谢
· · · · · · (收起)
具体描述
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。
用户评价
##在是个研究生就搞AI的“泡沫”时期，是时候审视基于深度学习的人工智能的鲁班性了。如何编码常识？如何构建推理引擎？
评分##就像递归函数一样，AI的构造，一旦越过了某个拐点，发展和潜力将是无法估量的。无需怀疑，这只是时间问题。
评分##很有多关于阅读推导的东西，会有一些启发。
评分##你免费了！
评分##喜马拉雅
评分##看完觉得啥也没讲
评分##在是个研究生就搞AI的“泡沫”时期，是时候审视基于深度学习的人工智能的鲁班性了。如何编码常识？如何构建推理引擎？
评分##很有多关于阅读推导的东西，会有一些启发。
评分##看了个寂寞 开头还行，感觉浅显易懂地让我这样的技术小白了解了深度学习的问题，感觉再跟公司技术同学对话容易很多。 后面磨磨唧唧不知道要说啥，需要找人推荐这方面的好书
相关图书
本站所有內容均為互聯網搜索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 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有