掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
自主AI設計:方法與實踐 版權信息
- ISBN：9787111756699
- 條形碼：9787111756699 ; 978-7-111-75669-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自主AI設計:方法與實踐 本書特色
早期基于規則的人工智能表現出了引人入勝的決策能力，但缺乏感知能力，也不會學習。如今的人工智能具備了機器學習感知和深度強化學習能力，可以針對特定任務執行超人的決策。本書告訴你如何將早期人工智能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Kence Anderson通過具體示例、*基本的理論和經過驗證的架構框架，展示了如何教授自主人工智能明確的技能和策略。你將了解何時以及如何使用和組合各種人工智能架構設計模式，以及如何設計高級人工智能，而無須操作神經網絡或機器學習算法。學生、流程操作員、數據科學家、機器學習算法專家以及工業流程管理工程師都可以使用本書中的方法來設計自主人工智能。本書探討了：? 自動決策、自主決策和人類決策之間的區別和局限性。? 自主人工智能在實時決策方面的獨特優勢，以及使用案例。? 如何利用模塊化組件設計自主人工智能系統并記錄設計。
自主AI設計:方法與實踐 內容簡介
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、*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，而無須操作神經網絡或機器學習算法。學生、流程操作員、數據科學家、機器學習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。
自主AI設計:方法與實踐 目錄
序1
前言3
導論：正確地運用大腦（為什么我們需要自主AI）13
**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31
第2章 追尋更類人的決策52
2.1 增強人類智能53
2.2 人類如何做出決策和掌握技能54
2.2.1 人類根據感知采取行動 56
2.2.2 人類在直覺和實踐中建立復雜的關聯 56
2.2.3 人類為復雜任務制定抽象策略 56
2.2.4 一種新型的AI正在流行 61
2.3 自主AI的強大力量65
2.3.1 自主AI能夠做出更類人的決策 66
2.3.2 自主AI感知，然后行動 66
2.3.3 感知和行動的區別 67
2.3.4 當事物發生變化時，自主AI進行學習并適應變化 68
2.3.5 自主AI可以識別模式 68
2.3.6 自主AI參考經驗進行推斷 69
2.3.7 自主AI即興發揮并制定策略 69
2.3.8 自主AI可以規劃長期未來 69
2.3.9 自主AI匯集了所有決策技術的精華 71
2.4 何時應該使用自主AI71
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72
第二部分 什么是機器教學
第3章 教學是AI及人類*好的學習方式77
3.1 同時學習多種技能對人類和AI來說都很困難77
3.2 明確地教授技能與策略78
3.3 教學使我們能夠信任AI81
3.4 機器教師的思維模式84
3.4.1 不會教學的程序員不是好的機器教師 84
3.4.2 愿意學習比成為專家更重要 85
3.5 什么是大腦設計86
3.5.1 決策是如何運作的 87
3.5.2 獲得技能就像在探索中學會導航 91
3.5.3 大腦設計是一個用地標指引探索的心智地圖 92
第4章 構建機器教學的模塊96
4.1 案例：走路很容易被教會，但很難通過自我進化學會99
4.1.1 為什么要以人類的方式走路 100
4.1.2 策略與進化 101
4.1.3 將行走拆解為三種技能進行教學 104
4.2 概念獲取知識107
4.3 技能是特殊的概念108
4.4 大腦是由技能構建的109
4.4.1 構建技能 109
4.4.2 由專家規則擴展成技能 110
4.4.3 感知性概念負責感知世界 114
4.4.4 指令性概念負責決策和行動 119
4.4.5 選擇性概念負責監督和分配 120
4.5 功能和策略構成了大腦122
4.5.1 功能性技能的順序執行或并行執行 123
4.5.2 策略的層次結構 130
4.6 大腦設計的可視化語言136
第三部分 如何開展機器教學
第5章 教AI大腦該做什么143
5.1 決定AI大腦會采取哪些行動144
5.1.1 感知是必要的，但我們需要的遠不止這些 144
5.1.2 連續決策 145
5.2 觸發AI大腦中的行動146
5.3 設置決策頻率147
5.4 處理AI大腦行動的延遲后果147
5.5 智能溫控器的行動149
第6章 為AI大腦設定目標150
6.1 總有權衡之道150
6.1.1 吞吐量與效率 152
6.1.2 負責人和員工有不同的目標 153
6.1.3 讓自主AI學會權衡目標 154
6.1.4 謹防將專家規則設置成目標 154
6.1.5 理想與現實 156
6.2 設定目標156
6.2.1 步驟1：識別場景 156
6.2.2 步驟2：匹配目標與場景 157
6.2.3 步驟3：教授場景策略 158
6.3 目標158
6.3.1 *大化 158
6.3.2 *小化 158
6.3.3 實現它 159
6.3.4 驅動它 159
6.3.5 避開它 160
6.3.6 統一它 160
6.3.7 穩住它 161
6.4 將目標包含在任務代數中161
6.5 為智能溫控器設定目標163
第7章 向AI大腦傳授技能164
7.1 教學聚焦并引導實踐（探索）164
7.2 技能可以發展和轉變168
7.3 技能適應場景168
7.4 四種不同復雜度的教學方法169
7.4.1 初級教師傳達事實和目標 169
7.4.2 教練安排技能練習的順序 169
7.4.3 導師教授策略 171
7.4.4 大師使新范式大眾化 171
7.5 大師如何使技術大眾化174
7.6 自主AI的架構層次175
7.6.1 機器學習與感知 175
7.6.2 單一大腦代表高級初學者階段 176
7.6.3 概念網絡代表勝任者階段 178
7.6.4 大規模概念網絡代表精通者階段 179
7.7 探索自主AI的專家技能獲取180
7.7.1 天生具備技能的大腦 181
7.7.2 能在學習中定義新技能的大腦 183
7.7.3 能自我組裝的大腦 184
7.7.4 能協調技能的大腦 185
7.8 構建AI大腦的步驟186
7.8.1 **步：確定想要教授的技能 186
7.8.2 第二步：精心設計這些技能如何協同工作 188
7.8.3 第三步：選擇合適的技術來執行每項技能 188
7.9 教授技能時要避免的陷阱189
7.9.1 陷阱1：將解決方案與問題混為一談 189
7.9.2 陷阱2：過于關注某個部分而忽視了全局 189
7.10 向AI大腦傳授技能的例子：橡膠廠189
7.11 智能溫控器的大腦設計191
第8章 給AI大腦提供信息193
8.1 傳感器：AI大腦的五種感官193
8.1.1 變量 194
8.1.2 代理變量 195
8.1.3 趨勢 195
8.2 模擬器：自主AI進行練習的虛擬環境196
8.2.1 利用物理和化學模擬現實環境 198
8.2.2 利用統計和事件模擬現實環境 198
8.2.3 利用機器學習模擬現實環境 199
8.2.4 利用專家規則模擬現實環境 199
8.3 智能溫控器的傳感器變量200
第四部分 實用工具箱
第9章 設計真正可以落地的AI大腦203
9.1 設計師和建造者協作融洽（在大部分時間里）203
9.1.1 自主AI的設計謬誤：設計但不迭代 204
9.1.2 自主AI的實現謬誤：缺少設計規劃的實現 206
9.2 AI大腦設計文檔規范206
9.3 機器教學平臺208
9.4 將多種技能連接成模塊的平臺208
9.5 機器教學會帶來哪些改變209
前言3
導論：正確地運用大腦（為什么我們需要自主AI）13
**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31
第2章 追尋更類人的決策52
2.1 增強人類智能53
2.2 人類如何做出決策和掌握技能54
2.2.1 人類根據感知采取行動 56
2.2.2 人類在直覺和實踐中建立復雜的關聯 56
2.2.3 人類為復雜任務制定抽象策略 56
2.2.4 一種新型的AI正在流行 61
2.3 自主AI的強大力量65
2.3.1 自主AI能夠做出更類人的決策 66
2.3.2 自主AI感知，然后行動 66
2.3.3 感知和行動的區別 67
2.3.4 當事物發生變化時，自主AI進行學習并適應變化 68
2.3.5 自主AI可以識別模式 68
2.3.6 自主AI參考經驗進行推斷 69
2.3.7 自主AI即興發揮并制定策略 69
2.3.8 自主AI可以規劃長期未來 69
2.3.9 自主AI匯集了所有決策技術的精華 71
2.4 何時應該使用自主AI71
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72
第二部分 什么是機器教學
第3章 教學是AI及人類*好的學習方式77
3.1 同時學習多種技能對人類和AI來說都很困難77
3.2 明確地教授技能與策略78
3.3 教學使我們能夠信任AI81
3.4 機器教師的思維模式84
3.4.1 不會教學的程序員不是好的機器教師 84
3.4.2 愿意學習比成為專家更重要 85
3.5 什么是大腦設計86
3.5.1 決策是如何運作的 87
3.5.2 獲得技能就像在探索中學會導航 91
3.5.3 大腦設計是一個用地標指引探索的心智地圖 92
第4章 構建機器教學的模塊96
4.1 案例：走路很容易被教會，但很難通過自我進化學會99
4.1.1 為什么要以人類的方式走路 100
4.1.2 策略與進化 101
4.1.3 將行走拆解為三種技能進行教學 104
4.2 概念獲取知識107
4.3 技能是特殊的概念108
4.4 大腦是由技能構建的109
4.4.1 構建技能 109
4.4.2 由專家規則擴展成技能 110
4.4.3 感知性概念負責感知世界 114
4.4.4 指令性概念負責決策和行動 119
4.4.5 選擇性概念負責監督和分配 120
4.5 功能和策略構成了大腦122
4.5.1 功能性技能的順序執行或并行執行 123
4.5.2 策略的層次結構 130
4.6 大腦設計的可視化語言136
第三部分 如何開展機器教學
第5章 教AI大腦該做什么143
5.1 決定AI大腦會采取哪些行動144
5.1.1 感知是必要的，但我們需要的遠不止這些 144
5.1.2 連續決策 145
5.2 觸發AI大腦中的行動146
5.3 設置決策頻率147
5.4 處理AI大腦行動的延遲后果147
5.5 智能溫控器的行動149
第6章 為AI大腦設定目標150
6.1 總有權衡之道150
6.1.1 吞吐量與效率 152
6.1.2 負責人和員工有不同的目標 153
6.1.3 讓自主AI學會權衡目標 154
6.1.4 謹防將專家規則設置成目標 154
6.1.5 理想與現實 156
6.2 設定目標156
6.2.1 步驟1：識別場景 156
6.2.2 步驟2：匹配目標與場景 157
6.2.3 步驟3：教授場景策略 158
6.3 目標158
6.3.1 *大化 158
6.3.2 *小化 158
6.3.3 實現它 159
6.3.4 驅動它 159
6.3.5 避開它 160
6.3.6 統一它 160
6.3.7 穩住它 161
6.4 將目標包含在任務代數中161
6.5 為智能溫控器設定目標163
第7章 向AI大腦傳授技能164
7.1 教學聚焦并引導實踐（探索）164
7.2 技能可以發展和轉變168
7.3 技能適應場景168
7.4 四種不同復雜度的教學方法169
7.4.1 初級教師傳達事實和目標 169
7.4.2 教練安排技能練習的順序 169
7.4.3 導師教授策略 171
7.4.4 大師使新范式大眾化 171
7.5 大師如何使技術大眾化174
7.6 自主AI的架構層次175
7.6.1 機器學習與感知 175
7.6.2 單一大腦代表高級初學者階段 176
7.6.3 概念網絡代表勝任者階段 178
7.6.4 大規模概念網絡代表精通者階段 179
7.7 探索自主AI的專家技能獲取180
7.7.1 天生具備技能的大腦 181
7.7.2 能在學習中定義新技能的大腦 183
7.7.3 能自我組裝的大腦 184
7.7.4 能協調技能的大腦 185
7.8 構建AI大腦的步驟186
7.8.1 **步：確定想要教授的技能 186
7.8.2 第二步：精心設計這些技能如何協同工作 188
7.8.3 第三步：選擇合適的技術來執行每項技能 188
7.9 教授技能時要避免的陷阱189
7.9.1 陷阱1：將解決方案與問題混為一談 189
7.9.2 陷阱2：過于關注某個部分而忽視了全局 189
7.10 向AI大腦傳授技能的例子：橡膠廠189
7.11 智能溫控器的大腦設計191
第8章 給AI大腦提供信息193
8.1 傳感器：AI大腦的五種感官193
8.1.1 變量 194
8.1.2 代理變量 195
8.1.3 趨勢 195
8.2 模擬器：自主AI進行練習的虛擬環境196
8.2.1 利用物理和化學模擬現實環境 198
8.2.2 利用統計和事件模擬現實環境 198
8.2.3 利用機器學習模擬現實環境 199
8.2.4 利用專家規則模擬現實環境 199
8.3 智能溫控器的傳感器變量200
第四部分 實用工具箱
第9章 設計真正可以落地的AI大腦203
9.1 設計師和建造者協作融洽（在大部分時間里）203
9.1.1 自主AI的設計謬誤：設計但不迭代 204
9.1.2 自主AI的實現謬誤：缺少設計規劃的實現 206
9.2 AI大腦設計文檔規范206
9.3 機器教學平臺208
9.4 將多種技能連接成模塊的平臺208
9.5 機器教學會帶來哪些改變209
展開全部
自主AI設計:方法與實踐 作者簡介
Kence Anderson是微軟自主AI應用總監。他率先將自主AI應用于工業領域，并為大型企業設計了150多個自主決策AI系統。他現在教授自主AI設計，并就如何建立自主系統組織和實踐為企業提供咨詢
書友推薦
- >
史學評論
- >
小考拉的故事-套裝共3冊
- >
月亮與六便士
- >
詩經-先民的歌唱
- >
唐代進士錄
- >
姑媽的寶刀
- >
中國歷史的瞬間
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
