新書推薦:
《
五凉王国的七张面孔
》
售價:HK$
79.4
《
掌控生活,从掌控时间开始
》
售價:HK$
55.2
《
物理光学漫步——衍射计算理论及应用研究故事
》
售價:HK$
193.2
《
人类起源简史:破译700万年人类进化的密码
》
售價:HK$
78.2
《
古典与现代 : 民国大学的潮与岸
》
售價:HK$
89.7
《
浮华梦醒:民国实业家的创业之路
》
售價:HK$
64.4
《
财之道丛书·后资本主义生活:财富的意义、经济的未来与货币的时间理论
》
售價:HK$
78.2
《
人文与社会译丛:自由意志、能动性与生命的意义
》
售價:HK$
79.4
編輯推薦:
早期基于规则的人工智能表现出了引人入胜的决策能力,但缺乏感知能力,也不会学习。如今的人工智能具备了机器学习感知和深度强化学习能力,可以针对特定任务执行超人的决策。本书告诉你如何将早期人工智能的实用性与深度学习能力和工业控制技术结合起来,在现实世界中做出稳健的决策。
作者Kence Anderson通过具体示例、最基本的理论和经过验证的架构框架,展示了如何教授自主人工智能明确的技能和策略。你将了解何时以及如何使用和组合各种人工智能架构设计模式,以及如何设计高级人工智能,而无须操作神经网络或机器学习算法。学生、流程操作员、数据科学家、机器学习算法专家以及工业流程管理工程师都可以使用本书中的方法来设计自主人工智能。
本书探讨了:
自动决策、自主决策和人类决策之间的区别和局限性。自主人工智能在实时决策方面的独特优势,以及使用案例。如何利用模块化组件设计自主人工智能系统并记录设计。
內容簡介:
本书将介绍如何将早期AI的实用性与深度学习能力和工业控制技术结合起来,在现实世界中做出稳健的决策。作者使用具体的例子、最基本的理论和经过验证的架构框架,展示了如何教授自主AI明确的技能和策略。读者将了解何时以及如何使用和组合各种AI架构设计模式,以及如何设计高级AI,而无须操作神经网络或机器学习算法。学生、流程操作员、数据科学家、机器学习算法专家以及拥有和管理工业流程的工程师都可以使用本书中的方法来设计自主AI。
關於作者:
Kence Anderson是微软自主AI应用总监。他率先将自主AI应用于工业领域,并为大型企业设计了150多个自主决策AI系统。他现在教授自主AI设计,并就如何建立自主系统组织和实践为企业提供咨询
目錄 :
序1
前言3
导论:正确地运用大脑(为什么我们需要自主AI)13
第一部分 当自动化不起作用时
第1章 机器有时会做出错误的决策31
第2章 追寻更类人的决策52
2.1 增强人类智能53
2.2 人类如何做出决策和掌握技能54
2.2.1 人类根据感知采取行动 56
2.2.2 人类在直觉和实践中建立复杂的关联 56
2.2.3 人类为复杂任务制定抽象策略 56
2.2.4 一种新型的AI正在流行 61
2.3 自主AI的强大力量65
2.3.1 自主AI能够做出更类人的决策 66
2.3.2 自主AI感知,然后行动 66
2.3.3 感知和行动的区别 67
2.3.4 当事物发生变化时,自主AI进行学习并适应变化 68
2.3.5 自主AI可以识别模式 68
2.3.6 自主AI参考经验进行推断 69
2.3.7 自主AI即兴发挥并制定策略 69
2.3.8 自主AI可以规划长期未来 69
2.3.9 自主AI汇集了所有决策技术的精华 71
2.4 何时应该使用自主AI71
2.5 自主AI就像一个聪明、好奇、蹒跚学步的孩子,需要被教导72
第二部分 什么是机器教学
第3章 教学是AI及人类最好的学习方式77
3.1 同时学习多种技能对人类和AI来说都很困难77
3.2 明确地教授技能与策略78
3.3 教学使我们能够信任AI81
3.4 机器教师的思维模式84
3.4.1 不会教学的程序员不是好的机器教师 84
3.4.2 愿意学习比成为专家更重要 85
3.5 什么是大脑设计86
3.5.1 决策是如何运作的 87
3.5.2 获得技能就像在探索中学会导航 91
3.5.3 大脑设计是一个用地标指引探索的心智地图 92
第4章 构建机器教学的模块96
4.1 案例:走路很容易被教会,但很难通过自我进化学会99
4.1.1 为什么要以人类的方式走路 100
4.1.2 策略与进化 101
4.1.3 将行走拆解为三种技能进行教学 104
4.2 概念获取知识107
4.3 技能是特殊的概念108
4.4 大脑是由技能构建的109
4.4.1 构建技能 109
4.4.2 由专家规则扩展成技能 110
4.4.3 感知性概念负责感知世界 114
4.4.4 指令性概念负责决策和行动 119
4.4.5 选择性概念负责监督和分配 120
4.5 功能和策略构成了大脑122
4.5.1 功能性技能的顺序执行或并行执行 123
4.5.2 策略的层次结构 130
4.6 大脑设计的可视化语言136
第三部分 如何开展机器教学
第5章 教AI大脑该做什么143
5.1 决定AI大脑会采取哪些行动144
5.1.1 感知是必要的,但我们需要的远不止这些 144
5.1.2 连续决策 145
5.2 触发AI大脑中的行动146
5.3 设置决策频率147
5.4 处理AI大脑行动的延迟后果147
5.5 智能温控器的行动149
第6章 为AI大脑设定目标150
6.1 总有权衡之道150
6.1.1 吞吐量与效率 152
6.1.2 负责人和员工有不同的目标 153
6.1.3 让自主AI学会权衡目标 154
6.1.4 谨防将专家规则设置成目标 154
6.1.5 理想与现实 156
6.2 设定目标156
6.2.1 步骤1:识别场景 156
6.2.2 步骤2:匹配目标与场景 157
6.2.3 步骤3:教授场景策略 158
6.3 目标158
6.3.1 最大化 158
6.3.2 最小化 158
6.3.3 实现它 159
6.3.4 驱动它 159
6.3.5 避开它 160
6.3.6 统一它 160
6.3.7 稳住它 161
6.4 将目标包含在任务代数中161
6.5 为智能温控器设定目标163
第7章 向AI大脑传授技能164
7.1 教学聚焦并引导实践(探索)164
7.2 技能可以发展和转变168
7.3 技能适应场景168
7.4 四种不同复杂度的教学方法169
7.4.1 初级教师传达事实和目标 169
7.4.2 教练安排技能练习的顺序 169
7.4.3 导师教授策略 171
7.4.4 大师使新范式大众化 171
7.5 大师如何使技术大众化174
7.6 自主AI的架构层次175
7.6.1 机器学习与感知 175
7.6.2 单一大脑代表高级初学者阶段 176
7.6.3 概念网络代表胜任者阶段 178
7.6.4 大规模概念网络代表精通者阶段 179
7.7 探索自主AI的专家技能获取180
7.7.1 天生具备技能的大脑 181
7.7.2 能在学习中定义新技能的大脑 183
7.7.3 能自我组装的大脑 184
7.7.4 能协调技能的大脑 185
7.8 构建AI大脑的步骤186
7.8.1 第一步:确定想要教授的技能 186
7.8.2 第二步:精心设计这些技能如何协同工作 188
7.8.3 第三步:选择合适的技术来执行每项技能 188
7.9 教授技能时要避免的陷阱189
7.9.1 陷阱1:将解决方案与问题混为一谈 189
7.9.2 陷阱2:过于关注某个部分而忽视了全局 189
7.10 向AI大脑传授技能的例子:橡胶厂189
7.11 智能温控器的大脑设计191
第8章 给AI大脑提供信息193
8.1 传感器:AI大脑的五种感官193
8.1.1 变量 194
8.1.2 代理变量 195
8.1.3 趋势 195
8.2 模拟器:自主AI进行练习的虚拟环境196
8.2.1 利用物理和化学模拟现实环境 198
8.2.2 利用统计和事件模拟现实环境 198
8.2.3 利用机器学习模拟现实环境 199
8.2.4 利用专家规则模拟现实环境 199
8.3 智能温控器的传感器变量200
第四部分 实用工具箱
第9章 设计真正可以落地的AI大脑203
9.1 设计师和建造者协作融洽(在大部分时间里)203
9.1.1 自主AI的设计谬误:设计但不迭代 204
9.1.2 自主AI的实现谬误:缺少设计规划的实现 206
9.2 AI大脑设计文档规范206
9.3 机器教学平台208
9.4 将多种技能连接成模块的平台208
9.5 机器教学会带来哪些改变209
內容試閱 :
序
非常荣幸能推荐由自主人工智能领域先锋肯斯 · 安德森撰写的这本书,肯斯在 新兴的自主人工智能领域具有丰富的实践经验。
作为微软负责新产品孵化的副总裁,我参与了微软的 VPN、实时通信以及自主 系统等新产品类别的创建过程,我深知创造新的产品类别并不容易。
成熟的产品类别及其底层技术和商业模式已经在现实世界中经过了精心打磨, 大家对于会遇到的问题和对应的解决方案都有清晰的认知。这些都是我们在日 常生活中会使用的产品。
基础研究对于新类别的创造很重要,但它一般只是抽象的科学概念,不易落地。 研究人员创造新颖的方法,并通过精心设计的实验来证明其可行性—人工智 能领域最近的突破就是一个很好的例子。
重要的是,并非研究人员创造的每种方法都足够实用或适用于现实世界。当这 些新方法中的一种或多种被进一步发展、扎根并应用于现实世界时,新的类别 就会被创造出来。
新类别的创造是一个混沌、原始的过程,需要不断地探索、学习和适应。这个 过程非常复杂且依赖于特定的领域,没有单一的公式。然而,新类别创造的核 心必然存在一个突破性的想法,可以成功地解决现实问题的最困难方面。
自主 AI 的新类别非常重要,以至于被称为第四次工业革命,由于对现实世界的 考量非常繁杂,因此它非常具有挑战性。在现实世界中构建足够安全且高效的系统并非易事,这就是我们还没有在窗外看到飞行汽车的重要原因之一。
对于自主 AI 来说,其中一个关键的突破性想法就是机器教学。就像语言和编译 器使曾经复杂烦琐的计算任务变得简单高效,并且可供数百万程序员使用一样, 机器教学使得任何领域专家(如机械、电气或航空工程等)无须拥有人工智能 或数据科学的博士学位,就能够轻松构建强大且易于使用的自主系统。
机器教学毫无疑问借鉴了所有人工智能思想流派已有的技术:连接主义、符号 主义和经验主义,以及教育学中已验证的方法。机器教学提供了一种简单的方 法来编码人类在不同领域的专业知识,并自动应用学习方法的力量,摆脱了晦 涩的人工智能算法的束缚。
肯斯 · 安德森亲身参与了机器教学的创造过程,这使得他能以清晰而权威的笔 调撰写关于机器教学的内容。
—Gurdeep Pall 2022 年于华盛顿西雅图
前言
有句话说:“能者行之,不能者为师。”也有人说:“只有那些不会教学的人,才 会尝试把知识点写下来。”然而这些观点都不适用于本书的由来。我花了四年时 间周游世界,走访了钢铁厂、矿山、工厂、测试设施、设计工作室、机械车间、 化工厂、油田、炼油厂、仓库和物流中心,向专业人士了解工业决策的挑战与 机遇,然后与他们一起设计有用的人工智能来帮助他们做出更好的决策。
什么是自主 AI
自主 AI 是由AI 驱动的自动化系统,可以通过实时感知和响应来优化设备与流程。
现代人工智能的伟大之处在于编写能够根据反馈调整和改变行为的算法。本书 的目标是向你展示如何通过教授 AI 在真实生产环境中做出成功的决策来使这些 学习算法发挥作用。
这并不是说 AI 大脑(我通常会将特定的自主 AI 称为大脑)能够达到人类的同 等水平或与人类能力旗鼓相当。我的意思是,当一个自主 AI 被正确设计,并且 充分地利用了现有的 AI 和自动化组件时,它可以远远超越那些仅根据已知数学 关系计算行动、使用客观标准搜索和选择行动,或依据录入的人类专业知识检 索行动的系统。让我们一起更深入地了解自主 AI 的各个属性。
在工业智能场景中,人工智能研究与实用的类人决策之间有着巨大的鸿沟需要 填补。因此,当人工智能研究表明 AI 可以学习如何执行复杂任务时,我承担起 了找出 AI 在现实世界中可以学会并做出哪些决策的任务。四年前我开始探索AI 决策能力时,学习型 AI 所能有效做出的决策仅限于视频游戏中并且大大简 化了简单控制问题(比如在大学物理或工程教科书中会遇到的那些问题),这些 问题已经被简化到学生可以把下一步做什么作为一个文字问题来计算。
快进到今天,我已经为大企业的现实应用程序设计了 150 多个自主 AI,其中许 多已经建成了,其中一些甚至做出了以往只有人类才能做出的有价值的、有效 的决策。这些自主 AI 都在企业流程中执行有用的、特定的、重要的任务。
在所有那些从控制推土机到仓库调度再到食品制造的 AI 项目中,我得出了这样 一个结论:真实的工业流程是复杂的,控制和优化这些过程的决策是模糊且充 满了权衡的。人类的专业知识推动着这些流程,这些知识规模庞大且具有深 度,无法被搜索解决方案的算法或先进的计算控制系统所取代。自主 AI 的确 能在控制和优化这些系统、流程方面产生实质性的改进。前提是你必须深入了 解这些流程的运作方式,并向领域专家学习,以设计出能产生这些突破性结果 的 AI。
如果你正在寻找有关 AI 是否被过分“炒作”或者 AI 是否有可能匹敌 人类大脑全部能力的文章,那么这本书不适合你。