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。
##经典AI有点像演绎法,深度学习有点则像归纳法。前者设不全前提,后者找不尽规律,而常识和理解并不能仅依靠类似康德的先天知性范畴可以推导出来。“人在世界中存在”,AI真的能做到对这世界的理解吗?
评分##警惕A.I. Hype
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
评分##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。 Gary Marcus和Ernest Davis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。最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。
评分##慢一点,请再慢一点。也许,现在这种看似偏离了“真正”的AI方向,给了人类多一点点自救的时间呢。AI是不是创造一个人,AI是生产力。
评分##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。 Gary Marcus和Ernest Davis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。最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。
评分##水也不水
评分##经典AI有点像演绎法,深度学习有点则像归纳法。前者设不全前提,后者找不尽规律,而常识和理解并不能仅依靠类似康德的先天知性范畴可以推导出来。“人在世界中存在”,AI真的能做到对这世界的理解吗?
评分##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。 Gary Marcus和Ernest Davis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。最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。
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