MARC

 008260202s2022        xx            o                  0  eng  d
■001EBC7015897
■003MiAaPQ
■00520260202073946.0
■006m          o    d  |            
■007cr  cnu||||||||
■020    ▼a9781098110703▼q(electronic  bk.)
■020    ▼z9781098110758
■035    ▼a(MiAaPQ)EBC7015897
■035    ▼a(Au-PeEL)EBL7015897
■035    ▼a(OCoLC)1330934466
■040    ▼aMiAaPQ▼beng▼erda▼epn▼cMiAaPQ▼dMiAaPQ
■0820  ▼a006.3
■1001  ▼aAnderson,  Kence.
■24510▼aDesigning  Autonomous  AI
■250    ▼a1st  ed.
■264  1▼aSebastopol▼bO'Reilly  Media,  Incorporated▼c2022.
■264  4▼c?022.
■300    ▼a1  online  resource  (248  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■5050  ▼aCover  --  Copyright  --  Table  of  Contents  --  Foreword  --  Preface  --  What  Is  Autonomous  AI?  --  Who  Should  Read  This  Book?  --  Process  Experts  --  Data  Scientists  and  Software  Engineers  --  Innovation  Leaders  --  Teachers  --  Problem  Solvers  --  What  Can  You  Expect  to  Learn  from  This  Book?  --  Conventions  Used  in  This  Book  --  O'Reilly  Online  Learning  --  How  to  Contact  Us  --  Acknowledgments  --  Introduction:  The  Right  Brain  in  the  Right  Place  (Why  We  Need  Autonomous  AI)  --  The  Changing  World  Requires  Adapting  Skills  --  Problems  Need  Solutions,  Not  AI  --  What  Can  AI  Do  for  Me  in  Real  Life?  --  AI  Decision-Making  Is  Becoming  More  Autonomous  --  Beware  of  Data  Science  Colonialism  --  The  Changing  Workforce  Demands  Transferred  Skills  --  Expertise  Is  Hard  to  Acquire  --  Expertise  Is  Hard  to  Maintain  --  Expertise  Is  Simple  to  Teach,  but  Requires  Practice  --  Pressing  Problems  Demand  Completely  New  Skills  --  AI  Is  a  Tool  --  Use  It  for  Good  --  Part  I.  When  Automation  Doesn't  Work  --  Chapter  1.  Sometimes  Machines  Make  Bad  Decisions  --  Math,  Menus,  and  Manuals:  How  Machines  Make  Automated  Decisions  --  Control  Theory  Uses  Math  to  Calculate  Decisions  --  Optimization  Algorithms  Use  Menus  of  Options  to  Evaluate  Decisions  --  Expert  Systems  Recall  Stored  Expertise  --  Chapter  2.  The  Quest  for  More  Human-Like    Decision-Making  --  Augmenting  Human  Intelligence  --  How  Humans  Make  Decisions  and  Acquire  Skills  --  Humans  Act  on  What  They  Perceive  --  Humans  Build  Complex  Correlations  into  Their  Intuition  with  Practice  --  Humans  Abstract  to  Strategy  for  Complex  Tasks  --  There's  a  New  Kind  of  AI  in  Town  --  The  Superpowers  of  Autonomous  AI  --  Autonomous  AI  Makes  More  Human-Like  Decisions  --  Autonomous  AI  Perceives,  Then  Acts  --  The  Difference  Between  Perception  and  Action  in  AI  --  Autonomous  AI  Learns  and  Adapts  When  Things  Change  --  Autonomous  AI  Can  Spot  Patterns.
■5058  ▼aAutonomous  AI  Infers  from  Experience  --  Autonomous  AI  Improvises  and  Strategizes  --  Autonomous  AI  Can  Plan  for  the  Long-Term  Future  --  Autonomous  AI  Brings  Together  the  Best  of  All  Decision-Making  Technologies  --  When  Should  You  Use  Autonomous  AI?  --  Autonomous  AI  Is  like  a  Brilliant,  Curious  Toddler  That  Needs  to  Be  Taught  --  Part  II.  What  Is  Machine  Teaching?  --  Chapter  3.  How  Brains  Learn  Best:  Teaching  Humans  and  AI  --  Learning  Multiple  Skills  Simultaneously  Is  Hard  for  Humans  and  AI  --  Teaching  Skills  and  Strategies  Explicitly  --  Teaching  Allows  Us  to  Trust  AI  --  The  Mindset  of  a  Machine  Teacher  --  Teacher  More  Than  Programmer  --  Learner  More  Than  Expert  --  What  Is  a  Brain  Design?  --  How  Decision-Making  Works  --  Acquiring  Skill  Is  like  Learning  to  Navigate  by  Exploring  --  A  Brain  Design  Is  a  Mental  Map  That  Guides  Exploration    with  Landmarks  --  Chapter  4.  Building  Blocks  for  Machine  Teaching  --  Case  Study:  Learning  to  Walk  Is  Hard  to  Evolve,    Easier  to  Teach  --  So,  Why  Do  We  Walk?  --  Strategy  Versus  Evolution  --  Teaching  Walking  as  Three  Skills  --  Concepts  Capture  Knowledge  --  Skills  Are  Specialized  Concepts  --  Brains  Are  Built  from  Skills  --  Building  Skills  --  Expert  Rules  Inflate  into  Skills  --  Perceptive  Concepts  Discern  or  Recognize  --  Directive  Concepts  Decide  and  Act  --  Selective  Concepts  Supervise  and  Assign  --  Brains  Are  Organized  by  Functions  and  Strategies  --  Sequences  or  Parallel  Execution  for  Functional  Skills  --  Hierarchies  for  Strategies  --  Visual  Language  of  Brain  Design  --  Part  III.  How  Do  You  Teach  a  Machine?  --  Understanding  the  Process  --  Meet  with  Experts  --  Ask  the  Right  Questions  --  Case  Study:  Let's  Design  a  Smart  Thermostat  --  Chapter  5.  Teaching  Your  AI  Brain  What  to  Do  --  Determining  Which  Actions  the  Brain  Will  Take  --  Perception  Is  Required,  but  It's  Not  All  We  Need  --  Sequential  Decisions.
■5058  ▼aTriggering  the  Action  in  Your  AI  Brain  --  Setting  the  Decision  Frequency  --  Handling  Delayed  Consequences  for  Brain  Actions  --  Actions  for  Smart  Thermostat  --  Chapter  6.  Setting  Goals  for  Your  AI  Brain  --  There's  Always  a  Trade-off  --  Throughput  Versus  Efficiency  --  Supervisors  Have  Different  Goals  Than  Crews  Do  --  Don't  Prioritize  Goals  --  Balance  Them  Instead  --  Watch  Out  for  Expert  Rules  Disguised  as  Goals  --  Ideal  Versus  Available  --  Setting  Goals  --  Step  1:  Identify  Scenarios  --  Step  2:  Match  Goals  to  Scenarios  --  Step  3:  Teach  Strategies  for  Each  Scenario  --  Goal  Objectives  --  Maximize  --  Minimize  --  Reach,  like  the  Finish  Line  for  a  Race  --  Drive,  like  the  Temperature  for  a  Thermostat  --  Avoid,  like  Dangerous  Conditions  --  Standardize,  like  the  Heat  in  an  Oven  --  Smooth,  like  a  Line  --  Expanding  Task  Algebra  to  Include  Goal  Objectives  --  Setting  Goals  for  a  Smart  Thermostat  --  Chapter  7.  Teaching  Skills  to  Your  AI  Brain  --  Teaching  Focuses  and  Guides  Practice  (Exploration)  --  Skills  Can  Evolve  and  Transform  --  Skills  Adapt  to  the  Scenario  --  Levels  of  Teaching  Sophistication  --  The  Introductory  Teacher  Conveys  the  Facts  and  Goals  --  The  Coach  Sequences  Skills  to  Practice  --  The  Mentor  Teaches  Strategy  --  The  Maestro  Democratizes  New  Paradigms  --  How  Maestros  Democratize  Technology  --  Levels  of  Autonomous  AI  Architecture  --  Machine  Learning  Adds  Perception  --  Monolithic  Brains  Are  Advanced  Beginners  --  Concept  Networks  Are  Competent  Learners  --  Massive  Concept  Networks  Are  Proficient  Learners  --  Pursuing  Expert  Skill  Acquisition  in  Autonomous  AI  --  Brains  That  Come  with  Hardwired  Skills  --  Brains  That  Define  Skills  as  They  Learn  --  Brains  That  Assemble  Themselves  --  Brains  with  Skills  That  Coordinate  --  Steps  to  Architect  an  AI  Brain  --  Step  1:  Identify  the  Skills  That  You  Want  to  Teach  --  Step  2:  Orchestrate  How  the  Skills  Work  Together.
■5058  ▼aStep  3:  Select  Which  Technology  Should  Perform  Each  Skill  --  Pitfalls  to  Avoid  When  Teaching  Skills  --  Pitfall  1:  Confusing  the  solution  for  the  problem  --  Pitfall  2:  Losing  the  forest  for  the  trees  --  Example  of  Teaching  Skills  to  an  AI  Brain:  Rubber  Factory  --  Brain  Design  for  Our  Smart  Thermostat  --  Chapter  8.  Giving  Your  AI  Brain  the  Information  It  Needs  to  Learn  and  Decide  --  Sensors:  The  Five  Senses  for  Your  AI  Brain  --  Variables  --  Proxy  Variables  --  Trends  --  Simulators:  A  Gym  for  Your  Autonomous  AI  to  Practice  In  --  Simulating  Reality  Using  Physics  and  Chemistry  --  Simulating  Reality  Using  Statistics  and  Events  --  Simulating  Reality  Using  Machine  Learning  --  Simulating  Reality  Using  Expert  Rules  --  Sensor  Variables  for  Smart  Thermostat  --  Part  IV.  Tools  for  the  Machine  Teacher  --  Chapter  9.  Designing  AI  Brains  That  Someone    Can  Actually  Build  --  Designers  and  Builders  Working  Together  in    Harmony  (Mostly)  --  The  Autonomous  AI  Design  Fallacy  Designs  but  Won't  Iterate  --  The  Autonomous  AI  Implementation  Fallacy  Skips  Design  Altogether  --  Specification  for  Documenting  AI  Brain  Designs  --  Platform  for  Machine  Teaching  --  Platform  for  Wiring  Multiple  Skills  Together  as  Modules  --  What  Difference  Will  You  Make  with  Machine  Teaching?  --  Glossary  --  Index  --  About  the  Author  --  Colophon.
■520    ▼aEarly  rules-based  artificial  intelligence  demonstrated  intriguing  decision-making  capabilities  but  lacked  perception  and  didn't  learn.AI  today,  primed  with  machine  learning  perception  and  deep  reinforcement  learning  capabilities,  can  perform  superhuman  decision-making  for  specific  tasks.
■588    ▼aDescription  based  on  publisher  supplied  metadata  and  other  sources.
■590    ▼aElectronic  reproduction.  Ann  Arbor,  Michigan  :  ProQuest  Ebook  Central,  2026.  Available  via  World  Wide  Web.  Access  may  be  limited  to  ProQuest  Ebook  Central  affiliated  libraries.  
■655  4▼aElectronic  books.
■77608▼iPrint  version▼aAnderson,  Kence▼tDesigning  Autonomous  AI▼dSebastopol  :  O'Reilly  Media,  Incorporated,c2022▼z9781098110758
■7972  ▼aProQuest  (Firm)
■85640▼uhttps://ebookcentral.proquest.com/lib/baekseok-ebooks/detail.action?docID=7015897▼zClick  to  View

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서