Il mondo dell’intelligenza artificiale può intimidire a causa della terminologia e dei diversi algoritmi di apprendimento automatico disponibili. Dopo aver letto oltre 50 dei libri più consigliati sull’apprendimento automatico, ho compilato la mia lista personale di libri da leggere assolutamente.
I libri che sono stati scelti si basano sui tipi di idee introdotte e su come vengono presentati concetti diversi come l’apprendimento profondo , l’ apprendimento per rinforzo e gli algoritmi genetici. La cosa più importante è che l’elenco si basa sui libri che meglio aprono la strada a futuristi e ricercatori verso la costruzione di un’IA dimostrabile responsabile e spiegabile.
#5. Life 3.0 di Max Tegmark
” Life 3.0 ” ha un obiettivo ambizioso ed è quello di esplorare le possibilità di come coesistere con l’IA in futuro. L’intelligenza artificiale generale (AGI) è l’eventuale e inevitabile conseguenza dell’argomento dell’esplosione dell’intelligenza fatto dal matematico britannico Irving Good nel 1965. Questo argomento stabilisce che l’intelligenza sovrumana sarà il risultato di una macchina in grado di auto-migliorarsi continuamente. La famosa citazione per l’esplosione dell’intelligenza è la seguente:
“Si definisca una macchina ultraintelligente una macchina che può superare di gran lunga tutte le attività intellettuali di qualsiasi uomo per quanto intelligente. Poiché la progettazione di macchine è una di queste attività intellettuali, una macchina ultraintelligente potrebbe progettare macchine ancora migliori; ci sarebbe allora senza dubbio una “esplosione di intelligenza”, e l’intelligenza dell’uomo sarebbe rimasta molto indietro. Quindi la prima macchina ultraintelligente è l’ultima invenzione di cui l’uomo abbia bisogno”.
Max Tegmark lancia il libro in un futuro teorico della vita in un mondo controllato da un’AGI. Da questo momento in poi vengono poste domande esplosive come che cos’è l’intelligenza? Che cos’è la memoria? Che cos’è il calcolo? e cosa sta imparando? In che modo queste domande e le possibili risposte alla fine portano al paradigma di una macchina che può utilizzare vari tipi di apprendimento automatico per ottenere le scoperte nell’auto-miglioramento necessarie per raggiungere l’intelligenza a livello umano e l’inevitabile superintelligenza risultante?
Questi sono il tipo di lungimiranza e le domande importanti che Life 3.0 esplora. La vita 1.0 sono forme di vita semplici come i batteri che possono cambiare solo attraverso l’evoluzione che modifica il suo DNA. Life 2.0 sono forme di vita che possono riprogettare il proprio software come l’apprendimento di una nuova lingua o abilità. Life 3.0 è un’intelligenza artificiale che non solo può modificare il proprio comportamento e le proprie abilità, ma può anche modificare il proprio hardware, ad esempio aggiornando il proprio sé robotico.
Solo quando comprendiamo i vantaggi e le insidie di un’AGI, possiamo iniziare a rivedere le opzioni per assicurarci di costruire un’IA amichevole che possa allinearsi con i nostri obiettivi. Per fare questo potremmo anche aver bisogno di capire cos’è la coscienza? E in che modo la coscienza dell’IA differirà dalla nostra?
Ci sono molti argomenti caldi che vengono esplorati in questo libro e dovrebbe essere una lettura obbligatoria per chiunque desideri veramente capire come l’AGI sia una potenziale minaccia, oltre ad essere una potenziale ancora di salvezza per il futuro della civiltà umana.
#4. Compatibilità umana: l’intelligenza artificiale e il problema del controllo di Stuart Russell
Human Compatible: Artificial Intelligence and the Problem of Control
Cosa succede se riusciamo a costruire un agente intelligente, qualcosa che percepisce, che agisce e che è più intelligente dei suoi creatori? Come convinceremo le macchine a raggiungere i nostri obiettivi anziché i loro obiettivi?
Quanto sopra è ciò che porta a uno dei concetti più importanti del libro ” Compatibile con l’uomo: l’intelligenza artificiale e il problema del controllo ” è che dobbiamo evitare di “mettere uno scopo nella macchina”, come disse una volta Norbert Wiener. Una macchina intelligente che è troppo certa dei suoi obiettivi fissi è l’ultimo tipo di IA pericolosa. In altre parole, se l’IA non è disposta a considerare la possibilità che sia sbagliata nell’eseguire il suo scopo e la sua funzione preprogrammati, allora potrebbe essere impossibile far spegnere il sistema di IA.
La difficoltà, come delineato da Stuart Russell, sta nell’istruire l’IA/robot che nessun comando istruito deve essere ottenuto ad ogni costo. Non va bene sacrificare la vita umana per prendere un caffè o grigliare il gatto per fornire il pranzo. Va inteso che “portami all’aeroporto il più velocemente possibile”, non implica che le leggi sull’eccesso di velocità possano essere violate, anche se questa istruzione non è esplicita. Se l’IA dovesse sbagliare quanto sopra, allora il fail safe è un certo livello di incertezza pre-programmato. Con qualche incertezza, l’IA può sfidare se stessa prima di completare un compito, magari per cercare conferme verbali.
In un articolo del 1965 intitolato ” Speculazioni sulla prima macchina ultraintelligente “, IJ Good, un brillante matematico che ha lavorato al fianco di Alan Turing, ha dichiarato: “La sopravvivenza dell’uomo dipende dalla costruzione iniziale di una macchina ultraintelligente”. È del tutto possibile che per salvarci dal disastro ecologico, biologico e umanitario dobbiamo costruire l’IA più avanzata possibile.
Questo documento fondamentale spiega l’esplosione dell’intelligenza, questa teoria è che una macchina ultraintelligente può progettare macchine ancora migliori e superiori ad ogni iterazione, e questo porta inevitabilmente alla creazione di un AGI. Sebbene l’AGI possa inizialmente avere la stessa intelligenza di un essere umano, supererebbe rapidamente gli umani in un breve lasso di tempo. A causa di questa conclusione scontata, è importante che gli sviluppatori di intelligenza artificiale attualizzino i principi fondamentali condivisi in questo libro e imparino come applicarli in modo sicuro alla progettazione di sistemi di intelligenza artificiale che siano in grado non solo di servire gli umani, ma di salvare gli umani da se stessi .
Come sottolineato da Stuart Russell, ritirarsi dalla ricerca sull’intelligenza artificiale non è un’opzione, dobbiamo andare avanti. Questo libro è una tabella di marcia per guidarci verso la progettazione di sistemi di intelligenza artificiale sicuri, responsabili e dimostrabilmente vantaggiosi.
#3. Come creare una mente di Ray Kurzweil How to create a MInd
Ray Kurzweil è uno dei principali inventori, pensatori e futuristi del mondo, è stato definito “il genio irrequieto” dal Wall Street Journal e “l’ultima macchina pensante” dalla rivista Forbes. È anche co-fondatore della Singularity University ed è meglio conosciuto per il suo libro rivoluzionario “The Singularity is Near”. ” Come creare una mente ” affronta meno i problemi della crescita esponenziale che sono i tratti distintivi del suo altro lavoro, ma si concentra su come dobbiamo comprendere il cervello umano per decodificarlo per creare la macchina pensante definitiva.
Uno dei principi fondamentali delineati in questo lavoro seminale è come funziona il riconoscimento dei modelli nel cervello umano. In che modo gli esseri umani riconoscono i modelli nella vita di tutti i giorni? Come si formano queste connessioni nel cervello? Il libro inizia con la comprensione del pensiero gerarchico, questa è la comprensione di una struttura composta da diversi elementi disposti in uno schema, questa disposizione rappresenta quindi un simbolo come una lettera o un carattere, e quindi questo è ulteriormente organizzato in uno schema più avanzato come una parola, ed eventualmente una frase. Alla fine questi modelli formano idee e queste idee si trasformano nei prodotti che gli esseri umani sono responsabili della costruzione.
Dato che si tratta di un libro di Ray Kurzweil, ovviamente non ci vuole molto prima che venga introdotto il pensiero esponenziale. La ” Legge dei rendimenti accelerati ” è un segno distintivo di questo libro fondamentale. Questa legge mostra come le tecnologie e il ritmo dell’accelerazione stiano accelerando a causa della tendenza dei progressi ad autoalimentarsi, aumentando ulteriormente il tasso di progresso. Questo pensiero può quindi essere applicato alla velocità con cui stiamo imparando a comprendere e decodificare il cervello umano. Questa comprensione accelerata dei sistemi di riconoscimento dei modelli nel cervello umano può quindi essere applicata alla costruzione di un sistema AGI.
Questo libro è stato così trasformativo per il futuro dell’intelligenza artificiale, che Eric Schmidt ha reclutato Ray Kurzweil per lavorare su progetti di intelligenza artificiale dopo aver finito di leggere questo libro fondamentale. È impossibile delineare tutte le idee e i concetti discussi in un breve articolo, tuttavia è un libro strumentale da leggere per comprendere meglio come funzionano le reti neurali umane per progettare una rete neurale artificiale avanzata .
Il riconoscimento del modello è l’elemento chiave per l’apprendimento profondo e questo libro ne illustra il motivo.
#2. Il Maestro Algoritmo di Pedro Domingos
L’ipotesi centrale di The Master Algorithm è che tutta la conoscenza – passata, presente e futura – può essere derivata dai dati da un singolo algoritmo di apprendimento universale che è quantificato come un algoritmo master. Il libro descrive alcune delle migliori metodologie di apprendimento automatico, fornisce spiegazioni dettagliate su come funzionano i diversi algoritmi, come possono essere ottimizzati e come possono lavorare in modo collaborativo per raggiungere l’obiettivo finale della creazione dell’algoritmo Master. Questo è un algoritmo in grado di risolvere qualsiasi problema che gli alimentiamo, e questo include la cura del cancro.
Il lettore inizierà imparando Naïve Bayes , un semplice algoritmo che può essere spiegato in una semplice equazione. Da lì accelera a tutta velocità verso tecniche di apprendimento automatico più interessanti. Per comprendere le tecnologie che ci stanno accelerando verso questo algoritmo master, apprendiamo i fondamenti convergenti. In primo luogo, dalle neuroscienze apprendiamo la plasticità del cervello, le reti neurali umane. In secondo luogo, passiamo alla selezione naturale in una lezione per capire come progettare un algoritmo genetico che simuli l’evoluzione e la selezione naturale. Con un algoritmo genetico una popolazione di ipotesi in ogni generazione si incrocia e muta, da lì gli algoritmi più adatti producono la generazione successiva. Questa evoluzione offre il massimo dell’auto-miglioramento.
Altri argomenti provengono dalla fisica, dalla statistica e, naturalmente, dal meglio dell’informatica. È impossibile rivedere in modo completo tutte le diverse sfaccettature toccate da questo libro, a causa dell’ambizioso scopo del libro di definire la struttura per la costruzione del Master Algorithm. È questa struttura che ha spinto questo libro al secondo posto, poiché tutti gli altri libri sull’apprendimento automatico si basano su questo in qualche forma o forma.
#1. Mille cervelli di Jeff Hawkins
” A Thousand Brains ” si basa sui concetti discussi nel precedente libro di Jeff Hawkins intitolato “On Intelligence”. “On Intelligence” ha esplorato la struttura per comprendere come funziona l’intelligenza umana e come questi concetti possono quindi essere applicati alla costruzione dei sistemi AI e AGI definitivi. Analizza fondamentalmente il modo in cui il nostro cervello prevede ciò che sperimenteremo prima di sperimentarlo.
Sebbene “A Thousand Brains” sia un ottimo libro autonomo, sarà apprezzato e apprezzato al meglio se ” On Intelligence ” viene letto per primo.
“A Thousand Brains” si basa sulle ultime ricerche di Jeff Hawkins e della società da lui fondata chiamata Numenta . Numenta ha l’obiettivo primario di sviluppare una teoria su come funziona la neocorteccia, l’obiettivo secondario è come questa teoria del cervello può essere applicata all’apprendimento automatico e all’intelligenza artificiale.
La prima grande scoperta di Numenta nel 2010 riguarda il modo in cui i neuroni fanno previsioni, e la seconda scoperta nel 2016 ha coinvolto quadri di riferimento simili a mappe nella neocorteccia. Il libro spiega innanzitutto cos’è la “teoria dei mille cervelli”, quali sono i frame di riferimento e come funziona la teoria nel mondo reale. Uno dei componenti più fondamentali alla base di questa teoria è capire come la neocorteccia si è evoluta fino alle sue dimensioni attuali.
La neocorteccia iniziò piccola, simile ad altri mammiferi, ma divenne esponenzialmente più grande (essendo limitata solo dalle dimensioni del canale del parto) non creando nulla di nuovo, ma copiando ripetutamente un circuito di base. In sostanza, ciò che differenzia gli esseri umani non è il materiale organico del cervello ma il numero di copie degli elementi identici che formano la neocorteccia.
La teoria si evolve ulteriormente in come si forma la neocorteccia con circa 150.000 colonne corticali che non sono visibili al microscopio in quanto non vi sono confini visibili tra di loro. Il modo in cui queste colonne corticali comunicano tra loro, è l’implementazione di un algoritmo fondamentale che è responsabile di ogni aspetto della percezione e dell’intelligenza.
Ancora più importante, il libro svela come questa teoria può essere applicata alla costruzione di macchine intelligenti e le possibili implicazioni future per la società. Ad esempio, il cervello apprende un modello del mondo osservando come gli input cambiano nel tempo, specialmente quando viene applicato il movimento. Le colonne corticali richiedono un frame di riferimento fissato a un oggetto, questi frame di riferimento consentono a una colonna corticale di apprendere le posizioni delle caratteristiche che definiscono le realtà di un oggetto. In sostanza, i quadri di riferimento possono organizzare qualsiasi tipo di conoscenza. Questo porta alla parte più importante di questo libro seminale, i frame di riferimento possono essere potenzialmente l’anello mancante vitale verso la costruzione di un’IA più avanzata o addirittura di un sistema AGI? Lo stesso Jeff crede in un futuro inevitabile in cui un AGI imparerà modelli del mondo usando quadri di riferimento simili a mappe simili alla neocorteccia, e fa un lavoro notevole illustrando perché lo crede.
