Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Katowice

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 MASZYNOWERozdział 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 DZIAŁANIERozdział 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. KONKLUZJERozdział 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