幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

自主AI設計(方法與實踐)

  • 作者：(美)肯斯·安德森|責編:王春華//馮潤峰|譯者:杜凱欣//項英英//黎聲//胡宇彤
  • 出版社：機械工業
  • ISBN：9787111756699
  • 出版日期：2024/07/01
  • 裝幀：平裝
  • 頁數：209
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書將介紹如何將早期AI的實用性與深度學習能力和工業控制技術結合起來，在現實世界中做出穩健的決策。作者使用具體的例子、最基本的理論和經過驗證的架構框架，展示了如何教授自主AI明確的技能和策略。讀者將了解何時以及如何使用和組合各種AI架構設計模式，以及如何設計高級AI，而無須操作神經網路或機器學習演算法。學生、流程操作員、數據科學家、機器學習演算法專家以及擁有和管理工業流程的工程師都可以使用本書中的方法來設計自主AI。
作者介紹
(美)肯斯·安德森|責編:王春華//馮潤峰|譯者:杜凱欣//項英英//黎聲//胡宇彤
目錄
序
前言
導論：正確地運用大腦（為什麼我們需要自主AI）
第一部分 當自動化不起作用時
  第1章  機器有時會做出錯誤的決策
  第2章  追尋更類人的決策
    2.1  增強人類智能
    2.2  人類如何做出決策和掌握技能
      2.2.1  人類根據感知採取行動
      2.2.2  人類在直覺和實踐中建立複雜的關聯
      2.2.3  人類為複雜任務制定抽象策略
      2.2.4  一種新型的AI正在流行
    2.3  自主AI的強大力量
      2.3.1  自主AI能夠做出更類人的決策
      2.3.2  自主AI感知，然後行動
      2.3.3  感知和行動的區別
      2.3.4  當事物發生變化時，自主AI進行學習並適應變化
      2.3.5  自主AI可以識別模式
      2.3.6  自主AI參考經驗進行推斷
      2.3.7  自主AI即興發揮並制定策略
      2.3.8  自主AI可以規劃長期未來
      2.3.9  自主AI彙集了所有決策技術的精華
    2.4  何時應該使用自主AI
    2.5  自主AI就像一個聰明、好奇、蹣跚學步的孩子，需要被教導
第二部分 什麼是機器教學
  第3章  教學是AI及人類最好的學習方式
    3.1  同時學習多種技能對人類和AI來說都很困難
    3.2  明確地教授技能與策略
    3.3  教學使我們能夠信任AI
    3.4  機器教師的思維模式
      3.4.1  不會教學的程序員不是好的機器教師
      3.4.2  願意學習比成為專家更重要
    3.5  什麼是大腦設計
      3.5.1  決策是如何運作的
      3.5.2  獲得技能就像在探索中學會導航
      3.5.3  大腦設計是一個用地標指引探索的心智地圖
  第4章  構建機器教學的模塊
    4.1  案例：走路很容易被教會，但很難通過自我進化學會
      4.1.1  為什麼要以人類的方式走路
      4.1.2  策略與進化
      4.1.3  將行走拆解為三種技能進行教學
    4.2  概念獲取知識
    4.3  技能是特殊的概念
    4.4  大腦是由技能構建的
      4.4.1  構建技能
      4.4.2  由專家規則擴展成技能
      4.4.3  感知性概念負責感知世界
      4.4.4  指令性概念負責決策和行動
      4.4.5  選擇性概念負責監督和分配
    4.5  功能和策略構成了大腦

      4.5.1  功能性技能的順序執行或並行執行
      4.5.2  策略的層次結構
    4.6  大腦設計的可視化語言
第三部分 如何開展機器教學
  第5章  教AI大腦該做什麼
    5.1  決定AI大腦會採取哪些行動
      5.1.1  感知是必要的，但我們需要的遠不止這些
      5.1.2  連續決策
    5.2  觸發AI大腦中的行動
    5.3  設置決策頻率
    5.4  處理AI大腦行動的延遲後果
    5.5  智能溫控器的行動
  第6章  為AI大腦設定目標
    6.1  總有權衡之道
      6.1.1  吞吐量與效率
      6.1.2  負責人和員工有不同的目標
      6.1.3  讓自主AI學會權衡目標
      6.1.4  謹防將專家規則設置成目標
      6.1.5  理想與現實
    6.2  設定目標
      6.2.1  步驟1：識別場景
      6.2.2  步驟2：匹配目標與場景
      6.2.3  步驟3：教授場景策略
    6.3  目標
      6.3.1  最大化
      6.3.2  最小化
      6.3.3  實現它
      6.3.4  驅動它
      6.3.5  避開它
      6.3.6  統一它
      6.3.7  穩住它
    6.4  將目標包含在任務代數中
    6.5  為智能溫控器設定目標
  第7章  向AI大腦傳授技能
    7.1  教學聚焦並引導實踐（探索）
    7.2  技能可以發展和轉變
    7.3  技能適應場景
    7.4  四種不同複雜度的教學方法
      7.4.1  初級教師傳達事實和目標
      7.4.2  教練安排技能練習的順序
      7.4.3  導師教授策略
      7.4.4  大師使新範式大眾化
    7.5  大師如何使技術大眾化
    7.6  自主AI的架構層次
      7.6.1  機器學習與感知
      7.6.2  單一大腦代表高級初學者階段
      7.6.3  概念網路代表勝任者階段
      7.6.4  大規模概念網路代表精通者階段
    7.7  探索自主AI的專家技能獲取
      7.7.1  天生具備技能的大腦

      7.7.2  能在學習中定義新技能的大腦
      7.7.3  能自我組裝的大腦
      7.7.4  能協調技能的大腦
    7.8  構建AI大腦的步驟
      7.8.1  第一步：確定想要教授的技能
      7.8.2  第二步：精心設計這些技能如何協同工作
      7.8.3  第三步：選擇合適的技術來執行每項技能
    7.9  教授技能時要避免的陷阱
      7.9.1  陷阱1：將解決方案與問題混為一談
      7.9.2  陷阱2：過於關注某個部分而忽視了全局
    7.10  向AI大腦傳授技能的例子：橡膠廠
    7.11  智能溫控器的大腦設計
  第8章  給AI大腦提供信息
    8.1  感測器：AI大腦的五種感官
      8.1.1  變數
      8.1.2  代理變數
      8.1.3  趨勢
    8.2  模擬器：自主AI進行練習的虛擬環境
      8.2.1  利用物理和化學模擬現實環境
      8.2.2  利用統計和事件模擬現實環境
      8.2.3  利用機器學習模擬現實環境
      8.2.4  利用專家規則模擬現實環境
    8.3  智能溫控器的感測器變數
第四部分 實用工具箱
  第9章  設計真正可以落地的AI大腦
    9.1  設計師和建造者協作融洽（在大部分時間里）
      9.1.1  自主AI的設計謬誤：設計但不迭代
      9.1.2  自主AI的實現謬誤：缺少設計規劃的實現
    9.2  AI大腦設計文檔規範
    9.3  機器教學平台
    9.4  將多種技能連接成模塊的平台
    9.5  機器教學會帶來哪些改變

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032