E-book details

Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2

Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2

Stuart Russell, Peter Norvig

Ebook

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?

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

  • Title: Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
  • Author: Stuart Russell, Peter Norvig
  • Original title: Artificial Intelligence: A Modern Approach, 4th Edition (tom 2)
  • Translation: Andrzej Grażyński
  • ISBN: 978-83-283-7774-5, 9788328377745
  • Date of issue: 2023-01-10
  • Format: Ebook
  • Item ID: szti42
  • Publisher: Helion