
Foundational ideas of modern AI
هدف اصلی کتاب «لیست سوتسکوور» روشن ساختن پیوندها و ارتباطات میان دستاوردهای کلیدی و تحولات بنیادین است که انقلاب یادگیری عمیق در دهه ۲۰۱۰ و اوایل دهه ۲۰۲۰ را شکل دادند. این اثر به جای آنکه با مقالات علمی مانند دستاوردهای ایزوله و منفک از یکدیگر رفتار کند، آنها را در قالب یک داستان بزرگتر به هم میبافد؛ روایتی که نوآوریهای تکنولوژیک را به تغییر پارادایمها، نقاط عطف فرهنگی و فلسفههای در حال تکامل درون هوش مصنوعی متصل میسازد.
شما در صفحات این کتاب بررسی خواهید کرد که هر مقاله چه مسائلی را حل کرده، چه درهایی را به روی پژوهشگران گشوده و حتی چه پرسشها یا جنجالهایی را برانگیخته است. بررسی پژوهشهای برجسته از زاویه دید ایلیا سوتسکوور (یکی از برجستهترین دانشمندان و پیشگامان هوش مصنوعی)، چارچوبی انسجامیافته برای درک نحوه رسیدن به وضعیت امروز هوش مصنوعی و مسیر آینده آن ارائه میدهد. شما با پژوهشگرانی که مشعل یادگیری عمیق را به دوش کشیدند، مهندسانی که الگوریتمها را مقیاسپذیر کردند و حتی منتقدانی که ادعاهای بزرگ را به چالش کشیدند، آشنا خواهید شد.
یکی از ویژگیهای متمایزکننده این کتاب، سبک نگارش آن است. این اثر از آن دست کتابهایی است که افراد واقعاً از خواندنش لذت میبرند و آن را به پایان میرسانند؛ مشکلی که در اکثر کتابهای تخصصی یادگیری ماشین وجود دارد، چرا که معمولاً برای ارجاع نوشته میشوند نه برای مطالعه پیوسته.
یکی دیگر از برجستهترین ویژگیهای این اثر این است که هیچگونه برنامهنویسی یا اجرای کدی برای درک آن نیاز نیست. این کتاب یک راهنمای عملی برنامهنویسی نیست، بلکه یک سفر مفهومی و تاریخی در میان ایدهها است. شما به هیچ دانلود کد، کتابخانه یا محیط تست نیمی نیازی نخواهید داشت. تمام الگوریتمها و آزمایشهای مهم درون متن توضیح داده شدهاند، بنابراین نیازی به اجرای هیچ ابزاری بر روی کامپیوتر خود ندارید؛ خروجی اصلی این کتاب، درک عمیق علمی است.
محتوای کتاب بر اساس یک روند منطقی و تکاملی تنظیم شده است که خواندن متوالی آن به ویژه برای افراد تازهوارد توصیه میشود:
درک چگونگی غلبه شبکههای پیچشی (CNNs) بر چالشهای بینایی کامپیوتر که سنگبنای موفقیتهای اولیه یادگیری عمیق را بنا نهاد.
بررسی موانع فنی، ریاضی و محاسباتی که هنگام عمیقتر کردن شبکههای عصبی پدیدار شدند و راهکارهای مهندسی که برای عبور از آنها ابداع شد.
بررسی ساختارهای شبکه عصبی بازگشتی (RNNs) و حافظه کوتاهمدت طولانی (LSTMs) برای پردازش دادههای متوالی و متنی که زمینه را برای جهشهای بعدی آماده ساختند.
کشف نوآوری بزرگ مدلهای ترانسفورمر (Transformers) و نحوه کنار زدن ساختارهای قدیمی پردازش زبان طبیعی.
کلمات کلیدی:ورود به بحثهای پیشرفته پیرامون ایمنی سیستمهای هوشمند، چالشهای اخلاقی و بررسی افقهای آینده هوش مصنوعی عمومی و ابرهوش.
هر فصل بر روی یک موضوع مشخص و مجموعهای از مقالات کلیدی تمرکز دارد، بنابراین کتاب امکان مطالعه گزینشی را نیز فراهم میکند. مفاهیم کلیدی در صورت لزوم مجدداً بازنویسی شدهاند تا هر فصل بتواند به صورت مستقل نیز قابل درک باشد. همچنین پیوست کتاب شامل خلاصهای از نکات کلیدی و اصول مهندسی هر فصل است.
این کتاب برای طیف وسیعی از مخاطبان علاقهمند و تشنه دانش فنی نوشته شده است:
اگر با مدلهای هوش مصنوعی کار میکنید یا آنها را توسعه میدهید، این کتاب درک شما را از علت وجودی شکل فعلی این مدلها و الگوهای کلیدی مهندسی که آنها را ممکن ساختهاند بسیار غنیتر میسازد.
افراد مشتاقی که آشنایی پایهای با محاسبات و ریاضیات دارند و از خواندن داستانهای پشت پرده دستاوردهای علمی لذت میبرند، بدون آنکه نیاز باشد در کدهای پیچیده غرق شوند.
کتاب «لیست سوتسکوور» تنها مرور تاریخ نیست، بلکه یک قطبنما برای فهم فلسفه هوش مصنوعی مدرن است. در دنیایی که اخبار هوش مصنوعی روزانه تغییر میکند، درک اصول بنیادی که توسط پیشگامانی چون ایلیا سوتسکوور مطرح شده است، به شما دیدگاهی پایدار و عمیق میدهد. مطالعه نسخه چاپی این اثر به شما این امکان را میدهد که بدون درگیری با صفحهنمایش، داستان جذاب تبدیل شدن یادگیری عمیق به یک نیروی دگرگونکننده جهان را دنبال کنید و با فکری آمادهتر به استقبال آینده هوش مصنوعی بروید.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)