Sztuczna inteligencja. Nowe spojrzenie. Wydanie 4. Tom 2 - ebook
Sztuczna inteligencja. Nowe spojrzenie. Wydanie 4. Tom 2 - 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?
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
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-283-7774-5 |
| Rozmiar pliku: | 50 MB |
