Здесь представлен перевод книги Anil Ananthaswamy - Why machines learn: the elegant math behind modern AI.

Глубокое и увлекательное повествование о математических основах, которые привели нас к машинному обучению и нынешнему взрывному развитию искусственного интеллекта. Системы машинного обучения принимают за нас судьбоносные решения: одобряют ипотечные кредиты, определяют, является ли опухоль злокачественной, или решают, отпускать ли человека под залог. Сегодня они влияют на прогресс и открытия в химии, биологии и физике — от изучения геномов и поиска экзопланет до раскрытия тонкостей квантовых систем. И все это произошло еще до того, как на сцене появились большие языковые модели, такие как ChatGPT. Мы переживаем революцию в области искусственного интеллекта на базе машинного обучения, которая и не думает замедляться. Эта технология основана на относительно простых математических идеях, некоторым из которых уже не один век, включая линейную алгебру и математический анализ, составлявшие основу математики семнадцатого и восемнадцатого веков. Однако потребовались зарождение и развитие компьютерных наук, а также появление в 1990-х годах компьютерных чипов, изначально разработанных для видеоигр, чтобы разжечь тот колоссальный взрыв технологий ИИ, который мы наблюдаем сегодня. Книга известного научного журналиста Анила Анантасвами приоткрывает завесу тайны над «черным ящиком» искусственного интеллекта, показывая, как сложные алгоритмы строятся на элегантных математических концепциях. Это идеальный путеводитель для всех, кто хочет понять не просто социальные последствия ИИ, а реальные принципы его внутренней работы.

Машинное обучение (МО) — это обширная область, наполненная алгоритмами, использующими относительно простую математику с многовековой историей, которую изучают в старших классах школы или на первых курсах университета. Это, конечно же, элементарная алгебра. Другим чрезвычайно важным краеугольным камнем машинного обучения является математический анализ, в создание которого внес вклад не кто иной, как великий эрудит Исаак Ньютон. Эта область также во многом опирается на труды Томаса Байеса, английского статистика и священника XVIII века, который подарил нам одноименную теорему Байеса — ключевой вклад в теорию вероятностей и статистику. Машинное обучение также пронизано трудами немецкого математика Карла Фридриха Гаусса о гауссовом распределении (и колоколообразной кривой). И наконец, линейная алгебра, составляющая основу машинного обучения. Самое раннее изложение этой математической дисциплины встречается в древнекитайском трактате двухтысячелетней давности «Математика в девяти книгах».

Поэтому мы без колебаний обратимся к уравнениям и концепциям как минимум из четырех основных областей математики — линейной алгебры, математического анализа, теории вероятностей и статистики, а также теории оптимизации,— чтобы получить необходимый минимум теоретических и концептуальных знаний и по достоинству оценить колоссальную мощь, которой мы наделяем машины. И только когда мы осознаем неизбежность появления обучающихся машин, мы будем готовы встретить будущее, в котором ИИ станет повсеместным — как во благо, так и во вред. Проникновение в математическую суть машинного обучения имеет решающее значение для понимания не только возможностей этой технологии, но и ее ограничений.

Название: Почему машины учатся: элегантная математика в основе современного искусственного интеллекта
Автор: Анил Анантасвами
Издательство: Самиздат
Год: 2024
Страниц: 578
Язык: русский
Формат: pdf, epub
Размер: 13.9 MB

Скачать Почему машины учатся: элегантная математика в основе современного искусственного интеллекта