جلد سخت رنگی_کتاب The Myth of Artificial Intelligence: Why Computers Can’t Think the Way We Do

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 8,000,000 ریال

قیمت: 7,600,000 ریال

Product details

Publisher ‏ : ‎ Belknap Press: An Imprint of Harvard University Press (April 6, 2021)
Language ‏ : ‎ English
Hardcover ‏ : ‎ 320 pages
ISBN-10 ‏ : ‎ 0674983513
ISBN-13 ‏ : ‎ 978-0674983519

“If you want to know about AI, read this book…It shows how a supposedly futuristic reverence for Artificial Intelligence retards progress when it denigrates our most irreplaceable resource for any future progress: our own human intelligence.”―Peter Thiel

A cutting-edge AI researcher and tech entrepreneur debunks the fantasy that superintelligence is just a few clicks away―and argues that this myth is not just wrong, it’s actively blocking innovation and distorting our ability to make the crucial next leap.

Futurists insist that AI will soon eclipse the capacities of the most gifted human mind. What hope do we have against superintelligent machines? But we aren’t really on the path to developing intelligent machines. In fact, we don’t even know where that path might be.

A tech entrepreneur and pioneering research scientist working at the forefront of natural language processing, Erik Larson takes us on a tour of the landscape of AI to show how far we are from superintelligence, and what it would take to get there. Ever since Alan Turing, AI enthusiasts have equated artificial intelligence with human intelligence. This is a profound mistake. AI works on inductive reasoning, crunching data sets to predict outcomes. But humans don’t correlate data sets: we make conjectures informed by context and experience. Human intelligence is a web of best guesses, given what we know about the world. We haven’t a clue how to program this kind of intuitive reasoning, known as abduction. Yet it is the heart of common sense. That’s why Alexa can’t understand what you are asking, and why AI can only take us so far.

Larson argues that AI hype is both bad science and bad for science. A culture of invention thrives on exploring unknowns, not overselling existing methods. Inductive AI will continue to improve at narrow tasks, but if we want to make real progress, we will need to start by more fully appreciating the only true intelligence we know―our own.

منابع کتاب جلد سخت رنگی_کتاب The Myth of Artificial Intelligence: Why Computers Can’t Think the Way We Do

"اگر می خواهید در مورد AI بدانید، این کتاب را بخوانید ... این نشان می دهد که چگونه یک احترام ظاهری آینده ای برای هوش مصنوعی پیشرفت می کند، زمانی که منابع غیر قابل تعویض ما را برای پیشرفت های آینده ما می بخشد: هوش انسانی خود ما" - پیتر تیل

یک محقق پیشرفته AI AI، فانتزی را فانتزی می کند که SuperTintelligence فقط چند کلیک دور است و استدلال می کند که این اسطوره فقط اشتباه نیست، به طور فعال، نوآوری را مسدود می کند و توانایی ما را برای ایجاد جهش های مهم دیگر مسدود می کند.

آینده گرایان اصرار دارند که AI به زودی ظرفیت های ذهنی انسانی را به زودی گرفت. ما امیدواریم ما در برابر ماشین های Superintelligent داشته باشیم؟ اما ما واقعا در مسیر توسعه ماشین های هوشمند نیستیم. در واقع، ما حتی نمی دانیم کجا این مسیر ممکن است.

اریک لارسون، یک کارآفرینی فناوری و دانشمند تحقیقاتی پیشگام که در خط مقدم پردازش زبان طبیعی کار می کند، اریک لارسون ما را در یک تور از منظر AI به ما می برد تا نشان دهد که چقدر ما از Superintelligence هستیم و آنچه را که می توان آن را به دست آورد، نشان داد. از زمان آلن تورینگ، علاقه مندان به هوش مصنوعی هوش مصنوعی با هوش انسانی معادل هستند. این یک اشتباه عمیق است. AI بر اساس استدلال القایی کار می کند، مجموعه داده ها را برای پیش بینی نتایج انجام می دهد. اما انسان ها مجموعه داده ها را همبستگی نمی کنند: ما گمان ها را با توجه به زمینه و تجربه آگاه می کنیم. هوش انسانی یک وب سایت از بهترین حدس ها است، با توجه به آنچه که ما در مورد جهان می دانیم. ما نحوه برنامه ریزی این نوع استدلال بصری، شناخته شده به عنوان ربودن نیستیم. با این حال قلب عقل سلیم است. به همین دلیل الکسا نمی تواند درک آنچه را که شما می پرسید، و چرا AI تنها می تواند ما را تا کنون.

لارسون استدلال می کند که Hype AI هر دو علم بد و بد برای علم است. یک فرهنگ اختراع بر کاوش ناشناخته ها رشد می کند و روش های موجود را از بین نمی برد. AI Inductive ادامه خواهد داد تا در وظایف باریک بهبود یابد، اما اگر ما بخواهیم پیشرفت واقعی را انجام دهیم، ما باید از طریق اطلاعات واقعی که ما می دانیم، به طور کامل قدردانی کنیم، باید شروع کنیم.