Охота на электроовец. Большая книга искусственного интеллекта - Сергей Сергеевич Марков
Охота на электроовец. Большая книга искусственного интеллекта читать книгу онлайн
Новый этап в области компьютерных технологий часто называют очередной «весной искусственного интеллекта». Её начало обычно отсчитывают с момента появления нейронной сети, сегодня известной под названием AlexNet, успех которой в распознавании зрительных образов возвестил о начале «революции глубокого обучения». В результате этой революции машинам удалось превзойти человеческий уровень при решении множества задач. Сегодня уже мало кого удивляют победы машин над сильнейшими игроками в го, создание ими музыки и картин, предсказание нейронными сетями пространственной структуры белков и другие вещи, которые десять лет назад мы посчитали бы чудесами. Алгоритмы искусственного интеллекта (ИИ) быстро вошли в нашу жизнь и стали её неотъемлемой частью. Например, каждый раз, когда вы делаете фотографию при помощи смартфона, её обработку выполняет нейронная сеть.
На смену весне искусственного интеллекта приходит лето. Эта книга рассказывает о том, какие события в истории науки привели к началу этого лета, о современных технологиях ИИ и их возможностях, а также пытается приоткрыть завесу, скрывающую от нас мир ближайшего будущего.
Мифы и заблуждения об искусственном интеллекте, страхи, насущные проблемы, перспективные направления исследований — обо всём этом вы узнаете из «Большой книги искусственного интеллекта».
1437
Kelleher J. D. (2019). Deep Learning. MIT Press // https://books.google.ru/books?id=ZU6qDwAAQBAJ
1438
Kharlamov A., Pilgun M. (2020). Neuroinformatics and Semantic Representations: Theory and Applications. Cambridge Scholars Publishing // https://books.google.ru/books?id=jEfhDwAAQBAJ
1439
Jain V. K. (2019). Machine Learning. Khanna Publishing House // https://books.google.ru/books?id=c6YEEAAAQBAJ
1440
Aizenberg I. N., Aizenberg N. N., Vandewalle J. (2000). Multi-Valued and Universal Binary Neurons: Theory, Learning and Applications. Springer Science & Business Media // https://books.google.ru/books?id=g9LlraAp2-8C
1441
Dertouzos M. L. (1965). Threshold Logic: A Synthesis Approach. M.I.T. Press // https://books.google.ru/books?id=u2ZqQgAACAAJ
1442
Muroga S. (1971). Threshold Logic and Its Applications. John Wiley & Sons, New York // https://books.google.ru/books?id=wvtQAAAAMAAJ
1443
Hinton G. E., Salakhutdinov R. R. (2006). Reducing the Dimensionality of Data with Neural Networks / Science. — 2006-07-28. — Vol. 313, iss. 5786, pp. 504–507 // https://dx.doi.org/10.1126%2Fscience.1127647
1444
Hinton G. E., Osindero S. (2006). A fast learning algorithm for deep belief nets // http://www.cs.toronto.edu/~hinton/absps/fastnc.pdf
1445
Horita T., Murata T., Takanami I. (2006). A Multiple-Weight-and-Neuron-Fault Tolerant Digital Multilayer Neural Network / 2006 21st IEEE International Symposium on Defect and Fault Tolerance in VLSI Systems // https://doi.org/10.1109/DFT.2006.8
1446
LeCun Y., Bengio Y., Hinton G. (2015). Deep learning / Nature, Vol. 521, pp. 436—444 // https://doi.org/10.1038/nature14539
1447
Raymond E. S., Steele G. L. (1996). The New Hacker's Dictionary. MIT Press // https://books.google.ru/books?id=g80P_4v4QbIC
1448
Levy S. (2010). Hackers: Heroes of the Computer Revolution. 25th Anniversary Edition. O'Reilly Media, Inc // https://books.google.ru/books?id=mShXzzKtpmEC
1449
Rosenblatt F. (1961). Principles of Neurodynamics. Perceptrons and the Theory of Brain Mechanisms. Cornell aeronautical lab inc., Buffalo, New York. Defense Technical Information Center // https://books.google.ru/books?id=Tk2tDAEACAAJ
1450
Pater J. (2017). Did Frank Rosenblatt invent deep learning in 1962? // https://blogs.umass.edu/comphon/2017/06/15/did-frank-rosenblatt-invent-deep-learning-in-1962/
1451
Rosenblatt F. (1964). Analytic Techniques for the Study of Neural Nets / IEEE Transactions on Applications and Industry, Vol. 83(74), pp. 285–292 // https://doi.org/10.1109/tai.1964.5407758
1452
Rosenblatt F. (1967). Recent Work on Theoretical Models of Biological Memory / Computer and Information Sciences, Vol. 2, pp. 33—56 // https://blogs.umass.edu/brain-wars/files/2016/01/rosenblatt-1967.pdf
1453
Roberts P. A. (1992). Neuroanatomy. Springer-Verlag, p. 86 // https://books.google.ru/books?id=7zywoAEACAAJ
1454
Toro R., Perron M., Pike B., Richer L., Veillette S., Pausova Z., Paus T. (2008). Brain Size and Folding of the Human Cerebral Cortex / Cerebral Cortex, Vol. 18, Iss. 10, pp. 2352—2357 // https://doi.org/10.1093/cercor/bhm261
1455
Woolsey C. N., Marshall W. H., Bard P. (1942). Representation of cutaneous tactile sensibility in the cerebral cortex of the monkey as indicated by evoked potentials / Bulletin of the Johns Hopkins Hospital, Vol. 70, pp. 399—441.
1456
Adrian E. D. (1943). Afferent areas in the brain of ungulates / Brain, Vol. 66, Iss. 2, pp. 89—103 // https://doi.org/10.1093/brain/66.2.89
1457
Catania K. C. (2007). Evolution of the Somatosensory System — Clues from Specialized Species / Kaas J. S. (2007). Evolution of Nervous Systems: a comprehensive reference // https://books.google.ru/books?id=UX1PAQAAIAAJ
1458
Hubel D. H., Wiesel T. N. (1979). Brain Mechanisms of Vision / Scientific American, 241(3), pp. 150–162 // https://doi.org/10.1038/scientificamerican0979-150
1459
Minsky M., Papert S. A. (1969). Perceptrons: An Introduction to Computational Geometry. MIT Press // https://books.google.ru/books?id=KhI-uwEACAAJ
1460
Block H. D. (1970). A review of 'Perceptrons' / Information and Control, Vol. 17, pp. 510—522 // https://doi.org/10.1016/S0019-9958(70)90409-2
1461
Павлов И. П. (1923). Двадцатилетний опыт объективного изучения высшей нервной деятельности животных. Государственное издательство Москва—Петроград.
1462
Nicholls J. G., Martin A. R., Fuchs P. A., Brown D. A., Diamond M. E., Weisblat D. A. (2012). From Neuron to Brain. Sinauer // https://books.google.ru/books?id=eTLzXwAACAAJ
1463
Erling N. (2016). Nobel Prizes And Notable Discoveries. World Scientific // https://books.google.ru/books?id=IU4tDQAAQBAJ
1464
Nicholls J. G., Martin A. R., Fuchs P. A., Brown D. A., Diamond M. E., Weisblat D. A. (2012). From Neuron to Brain. Sinauer // https://books.google.ru/books?id=eTLzXwAACAAJ
1465
Цит. по: Николлс Д., Мартин Р., Валлас Б., Фукс П. (2017). От нейрона к мозгу / изд. 4-е. — М.: УРРС: Книжный дом «Либерком».
1466
Hubel D. H., Wiesel T. N. (1959). Receptive fields of single neurons in the cat's striate cortex / Journal of Physiology, 1959, vol. 148, pp. 574—591 // https://doi.org/10.1113/jphysiol.1959.sp006308
1467
Rosenblatt F. (1961). Principles of Neurodynamics. Perceptrons and the Theory of Brain Mechanisms. Cornell aeronautical lab inc., Buffalo, New York. Defense Technical Information Center // https://books.google.ru/books?id=Tk2tDAEACAAJ
1468
Contributors (1983) / IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-13, No. 5, September/October 1983
1469
Fukushima K. (1975). Cognitron: A self-organizing multilayered neural network / Biological Cybernetics, 20(3-4), 121–136 // https://doi.org/10.1007/bf00342633
1470
Draelos R. (2019). Convolution vs. Cross-Correlation / GLASS BOX: Machine Learning and Medicine, by Rachel Lea Ballantyne Draelos, July 26, 2019 // https://glassboxmedicine.com/2019/07/26/convolution-vs-cross-correlation/
1471
Rosebrock A. (2021). Convolution and cross-correlation in neural networks / pyimagesearch, May 14, 2021 // https://www.pyimagesearch.com/2021/05/14/convolution-and-cross-correlation-in-neural-networks/
1472
Yann LeCun (2018) / Heidelberg Laureate Forum // https://www.heidelberg-laureate-forum.org/laureate/yann-lecun.html
1473
Lecun Y. Fun stuff / Yann LeCun home page // http://yann.lecun.com/ex/fun/
1474
