Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 i Tom 2
Stuart Russell, Peter Norvig
Sztuczna inteligencja budzi zachwyt i kontrowersje. W porównaniu z innymi gałęziami nauki jest stosunkowo młoda: liczy około siedemdziesięciu lat, mimo że czerpie ze znacznie starszych idei. Jednak błyskawiczny rozwój sztucznej inteligencji i przeobrażanie osiągnięć nauki w działające technologie sprawiają, że wyrobienie poglądu na całokształt tej dziedziny jest trudnym zadaniem. Warto więc spojrzeć na historię rozwoju sztucznej inteligencji z perspektywy jej współczesnych osiągnięć i dzięki temu lepiej zrozumieć, czym ta nauka jest w swojej istocie i dokąd podąża.
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technologii. Zawiera ogrom rzetelnej wiedzy przekazanej w niezbyt sformalizowany sposób. Opisy, formuły matematyczne i algorytmy, pokazane w formie czytelnego pseudokodu, cechują się przejrzystością i precyzją. Zaprezentowano tu wszystkie ważne idee i koncepcje sztucznej inteligencji, zgodnie z najnowszymi trendami i osiągnięciami.
W tomie pierwszym między innymi:
- koncepcje sztucznej inteligencji
- różne podejścia do rozwiązywania problemów z wykorzystaniem sztucznej inteligencji
- reprezentacja wiedzy i modelowanie, a także wyszukiwanie i planowanie
- wnioskowanie w warunkach niepewności
- podejmowanie złożonych decyzji, również w środowisku wieloagentowym
Sztuczna inteligencja: to się staje na naszych oczach!
O autorach:
Stuart Russell jest profesorem na Uniwersytecie Kalifornijskim w Berkeley, dyrektorem Center for Human-Compatible AI i profesorem inżynierii z ramienia fundacji Smitha-Zadeha. Laureat wielu prestiżowych nagród. Autor kilkuset publikacji dotyczących sztucznej inteligencji.
Peter Norvig jest dyrektorem do spraw badań w Google i członkiem kilku amerykańskich stowarzyszeń akademickich. Był szefem Wydziału Nauk Obliczeniowych NASA Ames Research Center. Napisał kilka cenionych książek dotyczących praktycznych aspektów sztucznej inteligencji.
Spis treści:
ZANIM PRZEMÓWIĄ AUTORZY...
PRZEDMOWA
O AUTORACH
I. SZTUCZNA INTELIGENCJA
Rozdział 1. WSTĘP
- 1.1. Czym jest sztuczna inteligencja?
- 1.2. Podstawy sztucznej inteligencji
- 1.3. Historia sztucznej inteligencji
- 1.4. Stan obecny
- 1.5. Spodziewane korzyści i ryzyko
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 2. INTELIGENTNI AGENCI
- 2.1. Agenci i ich środowiska
- 2.2. Właściwe zachowanie - koncepcja racjonalności
- 2.3. Natura środowiska
- 2.4. Struktura agenta
- Podsumowanie
- Bibliografia i uwagi historyczne
II. ROZWIĄZYWANIE PROBLEMÓW
Rozdział 3. ROZWIĄZYWANIE PROBLEMÓW ZA POMOCĄ WYSZUKIWANIA
- 3.1. Agent rozwiązujący problem
- 3.2. Przykładowe problemy
- 3.3. Algorytmy wyszukiwania
- 3.4. Strategie wyszukiwania niedoinformowanego
- 3.5. Strategie wyszukiwania poinformowanego (heurystycznego)
- 3.6. Funkcje heurystyczne
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 4. WYSZUKIWANIE W ZŁOŻONYCH ŚRODOWISKACH
- 4.1. Wyszukiwanie lokalne i problemy optymalizacyjne
- 4.2. Wyszukiwanie lokalne w przestrzeniach ciągłych
- 4.3. Wyszukiwanie z niedeterministycznymi akcjami
- 4.4. Wyszukiwanie w środowiskach częściowo obserwowalnych
- 4.5. Wyszukiwanie online i nieznane środowiska
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 5. WYSZUKIWANIE ANTAGONISTYCZNE I GRY
- 5.1. Teoria gier
- 5.2. Optymalne decyzje w grach
- 5.3. Heurystyczne wyszukiwanie alfa-beta
- 5.4. Wyszukiwanie Monte Carlo
- 5.5. Gry stochastyczne
- 5.6. Gry z częściową obserwowalnością
- 5.7. Ograniczenia algorytmów wyszukiwania w grach
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 6. PROBLEMY SPEŁNIANIA OGRANICZEŃ
- 6.1. Definiowanie problemów spełniania ograniczeń
- 6.2. Propagacja ograniczeń - wnioskowanie w CPS
- 6.3. Wyszukiwanie z nawrotami w CPS
- 6.4. Wyszukiwanie lokalne na usługach CSP
- 6.5. Struktura problemów CSP
- Podsumowanie
- Bibliografia i uwagi historyczne
III. WIEDZA, WNIOSKOWANIE I PLANOWANIE
Rozdział 7. LOGICZNI AGENCI
- 7.1. Agent bazujący na wiedzy
- 7.2. Świat Wumpusa
- 7.3. Podstawy logiki
- 7.4. Rachunek zdań - bardzo prosta logika
- 7.5. Dowodzenie twierdzeń w rachunku zdań
- 7.6. Efektywne sprawdzanie modeli w rachunku zdań
- 7.7. Agent na gruncie rachunku zdań
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 8. LOGIKA PIERWSZEGO RZĘDU
- 8.1. Ponownie o reprezentacji
- 8.2. Składnia i semantyka logiki pierwszego rzędu
- 8.3. Wykorzystywanie logiki pierwszego rzędu
- 8.4. Inżynieria wiedzy w logice pierwszego rzędu
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 9. WNIOSKOWANIE W LOGICE PIERWSZEGO RZĘDU
- 9.1. Wnioskowanie w rachunku zdań a wnioskowanie w logice pierwszego rzędu
- 9.2. Unifikacja a wnioskowanie w logice pierwszego rzędu
- 9.3. Łańcuchowanie progresywne
- 9.4. Łańcuchowanie regresywne
- 9.5. Rezolucja
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 10. REPREZENTACJA WIEDZY
- 10.1. Inżynieria ontologii
- 10.2. Kategorie i obiekty
- 10.3. Zdarzenia
- 10.4. Obiekty mentalne i logika modalna
- 10.5. Systemy wnioskowania dla kategorii
- 10.6. Wnioskowanie na podstawie domniemań
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 11. AUTOMATYCZNE PLANOWANIE
- 11.1. Klasyczne planowanie - co to jest?
- 11.2. Algorytmy klasycznego planowania
- 11.3. Heurystyki w planowaniu
- 11.4. Planowanie hierarchiczne
- 11.5. Planowanie i działanie w domenach niedeterministycznych
- 11.6. Czas, harmonogramy i zasoby
- 11.7. Analiza podejść planistycznych
- Podsumowanie
- Bibliografia i uwagi historyczne
IV. WNIOSKOWANIE W WARUNKACH NIEPEWNOŚCI
Rozdział 12. KWANTYFIKOWANIE NIEPEWNOŚCI
- 12.1. Działając w warunkach niepewności
- 12.2. Notacja probabilistyczna
- 12.3. Wnioskowanie z pełnych wspólnych rozkładów
- 12.4. Niezależność
- 12.5. Reguła Bayesa i jej wykorzystywanie
- 12.6. Naiwne modele bayesowskie
- 12.7. Odwiedzamy świat Wumpusa
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 13. WNIOSKOWANIE PROBABILISTYCZNE
- 13.1. Reprezentowanie wiedzy w niepewnej domenie
- 13.2. Semantyka sieci bayesowskich
- 13.3. Ścisłe wnioskowanie w sieciach bayesowskich
- 13.4. Aproksymowane wnioskowanie w sieciach bayesowskich
- 13.5. Sieci przyczynowe
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 14. PROBABILISTYCZNE WNIOSKOWANIE W CZASIE
- 14.1. Czas a niepewność
- 14.2. Wnioskowanie w modelach temporalnych
- 14.3. Ukryte modele Markowa
- 14.4. Filtrowanie Kalmana
- 14.5. Dynamiczne sieci bayesowskie (DBN)
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 15. PROGRAMOWANIE PROBABILISTYCZNE
- 15.1. Relacyjne modele probabilistyczne
- 15.2. Modele probabilistyczne otwartego wszechświata
- 15.3. Śledzenie skomplikowanego świata
- 15.4. Programy jako modele probabilistyczne
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 16. PODEJMOWANIE PROSTYCH DECYZJI
- 16.1. Przekonania i pragnienia w warunkach niepewności
- 16.2. Podstawy teorii użyteczności
- 16.3. Funkcje użyteczności
- 16.4. Wieloatrybutowe funkcje użyteczności
- 16.5. Sieci decyzyjne
- 16.6. Wartość informacji
- 16.7. Nieznane preferencje
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 17. PODEJMOWANIE ZŁOŻONYCH DECYZJI
- 17.1. Sekwencyjne problemy decyzyjne
- 17.2. Algorytmy dla problemów MDP
- 17.3. Problem bandyty i jego warianty
- 17.4. Częściowo obserwowalne problemy MDP (POMDP)
- 17.5. Algorytmy rozwiązywania problemów POMDP
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 18. PODEJMOWANIE DECYZJI W ŚRODOWISKU WIELOAGENTOWYM
- 18.1. Właściwości środowisk wieloagentowych
- 18.2. Teoria gier niekooperatywnych
- 18.3. Teoria gier kooperatywnych
- 18.4. Kolektywne podejmowanie decyzji
- Podsumowanie
- Bibliografia i uwagi historyczne
DODATKI
Dodatek A. KOMPENDIUM MATEMATYCZNE
- A.1. Analiza złożoności i notacja "dużego O"
- A.2. Wektory, macierze i algebra liniowa
- A.3. Rozkłady prawdopodobieństwa
- A.4. Wybrane operacje na zbiorach
- Bibliografia i uwagi historyczne
Dodatek B. KONWENCJE NOTACYJNE I PSEUDOKOD
- B.1. Definiowanie składni za pomocą notacji BNF
- B.2. Algorytmy w formie pseudokodu
- B.3. Uzupełniające materiały online
SKOROWIDZ
Praktycznie codziennie korzystamy z osiągnięć sztucznej inteligencji. Mimo to jej potencjał wciąż jest zagadką: nie wiemy, gdzie leżą granice jej rozwoju i jakie jeszcze technologie przyniesie nam ta relatywnie młoda dziedzina nauki. Równocześnie niektóre zastosowania sztucznej inteligencji budzą niepokój i zmuszają do zadawania trudnych pytań. Jakakolwiek próba odpowiedzi jednak wymaga wiedzy o tym, czym w istocie jest sztuczna inteligencja i jakie są jej ograniczenia.
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i koncepcje nauki o sztucznej inteligencji. Najnowsze technologiczne osiągnięcia zostały pokazane na tle rozwijającej się wiedzy, również z innych dziedzin inżynierii. Sporo miejsca poświęcono zagadnieniom, które budzą wątpliwości. Mowa tu o wyrafinowanych technikach uczenia maszynowego, modelach językowych czy widzeniu komputerowym, a także o sprawach, które już dziś wymagają najwyższej troski: o etycznych aspektach sztucznej inteligencji, bezpieczeństwie związanych z nią technologii i jej perspektywach.
W drugim tomie:
- różne modele i koncepcje uczenia maszynowego
- przetwarzanie języka naturalnego i modele językowe
- widzenie komputerowe, w tym generowanie obrazów
- roboty: percepcja, działanie, uczenie
- perspektywy sztucznej inteligencji
Sztuczna inteligencja: dokąd zmierzasz, technologio?
Spis treści:
V. UCZENIE MASZYNOWE
Rozdział 19. UCZENIE MASZYNOWE Z PRZYKŁADOWYCH DANYCH
- 19.1. Formy uczenia maszynowego
- 19.2. Uczenie nadzorowane
- 19.3. Drzewa decyzyjne w uczeniu maszynowym
- 19.4. Selekcja modelu i optymalizacja
- 19.5. Teoria uczenia maszynowego
- 19.6. Regresja liniowa i klasyfikacja
- 19.7. Modele nieparametryczne
- 19.8. Uczenie zespołowe
- 19.9. Budowanie systemów uczenia maszynowego
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 20. UCZENIE MODELI PROBABILISTYCZNYCH
- 20.1. Uczenie statystyczne
- 20.2. Uczenie z kompletnych danych
- 20.3. Uczenie z ukrytymi zmiennymi: algorytm EM
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 21. GŁĘBOKIE UCZENIE
- 21.1. Proste sieci ze sprzężeniem w przód
- 21.2. Grafy obliczeniowe dla głębokiego uczenia
- 21.3. Konwolucyjne sieci neuronowe (CNN)
- 21.4. Algorytmy głębokiego uczenia
- 21.5. Generalizacja
- 21.6. Rekurencyjne sieci neuronowe (RNN)
- 21.7. Nienadzorowane uczenie transferowe
- 21.8. Zastosowania
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 22. UCZENIE ZE WZMACNIANIEM
- 22.1. Uczenie się dla nagród
- 22.2. Pasywne uczenie ze wzmacnianiem
- 22.3. Aktywne uczenie ze wzmacnianiem
- 22.4. Generalizacja w uczeniu ze wzmacnianiem
- 22.5. Wyszukiwanie polityki
- 22.6. Uczenie praktykanckie i odwrotne uczenie ze wzmacnianiem
- 22.7. Zastosowania uczenia ze wzmacnianiem
- Podsumowanie
- Bibliografia i uwagi historyczne
VI. KOMUNIKACJA, PERCEPCJA I DZIAŁANIE
Rozdział 23. PRZETWARZANIE JĘZYKA NATURALNEGO
- 23.1. Modele językowe
- 23.2. Gramatyka
- 23.3. Parsowanie
- 23.4. Gramatyki augmentowane
- 23.5. Komplikacje języków naturalnych
- 23.6. Zadania NLP
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 24. GŁĘBOKIE UCZENIE W PRZETWARZANIU JĘZYKA NATURALNEGO
- 24.1. Embeddingi słów
- 24.2. Rekurencyjne sieci neuronowe w NLP
- 24.3. Modele "sekwencja na sekwencję"
- 24.4. Architektura transformerów
- 24.5. Trenowanie wstępne i uczenie transferowe
- 24.6. Obecny stan sztuki
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 25. WIDZENIE KOMPUTEROWE
- 25.1. Wstęp
- 25.2. Formowanie obrazów
- 25.3. Podstawowe cechy obrazów
- 25.4. Klasyfikowanie obrazów
- 25.5. Wykrywanie obiektów
- 25.6. Rzeczywistość 3D
- 25.7. Widzenie komputerowe w praktyce
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 26. ROBOTYKA
- 26.1. Wstęp
- 26.2. Sprzęt robotów
- 26.3. Jakie rodzaje problemów rozwiązywać może robotyka?
- 26.4. Percepcja robotów
- 26.5. Planowanie i sterowanie
- 26.6. Planowanie ruchu w warunkach niepewności
- 26.7. Uczenie ze wzmacnianiem w robotyce
- 26.8. Ludzie i roboty
- 26.9. Alternatywne frameworki robotyczne
- 26.10. Domeny zastosowań robotyki
- Podsumowanie
- Bibliografia i uwagi historyczne
VII. KONKLUZJE
Rozdział 27. BEZPIECZEŃSTWO ORAZ ETYCZNE I FILOZOFICZNE ASPEKTY SZTUCZNEJ INTELIGENCJI
- 27.1. Granice sztucznej inteligencji
- 27.2. Czy maszyny mogą naprawdę myśleć?
- 27.3. Sztuczna inteligencja a etyka
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 28. PRZYSZŁOŚĆ SZTUCZNEJ INTELIGENCJI
- 28.1. Komponenty sztucznej inteligencji
- 28.2. Architektury sztucznej inteligencji
BIBLIOGRAFIA
SKOROWIDZ