春节AI充电推荐: 最受专家推崇的8本AI有趣书籍都在这里了!

来源 | The Verge

翻译 | 高璇
编辑 | 宇多田

这份书单或许不会帮你在谷歌找到工作, 但却能让你不被科技大潮抛下。

技术专家们已经在构建一个充满人工智能的未来世界，但目前我们大多数人仍在努力弄清楚 AI 究竟是什么。

这项技术将影响我们生活的方方面面，从工作到娱乐再到医疗保健，但同时也涉及关于人类终极意义的基本问题。

诸如「创造力的本质是什么？」和「我们如何定义意识？」，「我如何理解 AI？」……这样的问题几乎和「生命的意义是什么？」一样令人心生敬畏。

但就像生活中让人棘手的问题一样，一件太过复杂的事物并不代表我们不应该去尝试。

因此，近日科技媒体 The Verge 整理了一份阅读清单，包含各类精炼书籍。这些书全部由 AI 领域的知名人士精心挑选，只为了帮助大家更好地理解人工智能。

这份书单包罗万象，从实用的说明文再到黄金时代的科幻小说，虽然阅读下面的所有内容可能不会让你在谷歌得到工作（当然它肯定没有什么坏处），但它会为你在这个光怪陆离的时代提供一些你需要了解的基本信息。

因此，阅读吧，欢迎进入 AI 的迷人世界。

1.《Profiles of the Future》（未来的轮廓）

作者：Arthur C. Clarke 

由 OpenAI 的联合创始人 Greg Brockman 和 Ilya Sutskever 推荐：

「《Profiles of the Future》改变了我们对人工智能可能对世界产生多大影响的看法。

我们曾经认为技术变革是一个渐进的、缓慢的过程。这些小创新的总和如果不断膨胀，只会产生技术快速变革的假象。

而这本书让我们意识到一些非常重要的例外。

虽然后面的章节描述了 Arthur C. Clarke 关于未来的预测，但前面的章节分析了其他人对飞机、太空旅行和核电等技术发展前的预测。

这类技术每次都是由为数不多的乐观主义者预测而来的，这些乐观主义者大都是一批直言不讳、才华横溢的专家，他们相信那些特别引人瞩目的技术进步永远不会实现（至少在实际的时间尺度上不会实现）。

因此，即使对大多数专家来说，大规模的技术变革也似乎都是「凭空而来」。

AI 的长期发展前景如何？它是否会遵循可预测的轨迹发展？该领域是否对未来 5-10 年的前景有一个清晰的认识？或者我们是否在会人工智能领域意外取得能改变世界的惊人进展？

本书中的观点引发了对这些问题的深思。」

2.《THE BOOK OF WHY》

作者：JUDEA PEARL、DANA MACKENZIE

由 Accenture 的人工智能负责人 Rumman Chowdhury 推荐：

「这是一本没有机器人、没有世界末日、没有对未来的伟大预测的 AI 书，令人耳目一新。

本书含蓄但引人入胜的写作风格掩盖了一个深刻的假设：

我们当前的预测建模系统本质是错误的。

据作者说，我们缺乏因果关系的语言，即一个事物引起另一个事物的可量化证明。这是统计学中的一个根本上的薄弱点，它妨碍了我们提出问题和寻求答案。

用于预测的机器学习方法和人工智能中，我们秘而不宣的是，它们无法确切地告诉我们某个因素是否会导致另一个因素，而是依靠数百万次重复来为我们提供高质的相关性。

在人工智能系统中产生许多有偏差结果的问题，源于对相关变量（例如竞赛和编码，或社会经济地位和教育）的理解不充分。

 虽然仍存在争议（参见 Pearl 与统计学家 Andrew Gelman 在推特上的争论），但是《为什么》一书中提出一种新的叙述方式，质疑并重新定义了人工智能系统的构建模块。」

3.《Franchise》（来自 If 杂志的短篇小说）

作者：Isaac Asimov 

哈佛-麻省理工学院人工智能伦理与管理部门主任 Tim Hwang 推荐：

「阿西莫夫（Asimov）的机器人法则可能是谈论人工智能的社会影响时的陈词滥调。『机器人三法则』都是老生常谈了，但它明确地说明了，构建智能机器的梦想由来已久。

但是，这个陈词滥调并没有提纲挈领。

在阿西莫夫的全部作品中，最能体现当今机器学习现实的故事是以大量的、非人的 Multivac 系列为主线的故事，而非机器人系列。

与机器人故事中会行走、会聊天的机器人相比，Multivac 是一个笨重的服务器群，需要专门的技术人员来操作，还会经常产生无法解释的输出。

我发现自己反复重温的一个故事是阿西莫夫的『Franchise』，该短篇小说于 1955 年 8 月在《If》杂志上出版。

书中提到，未来的美国（2008 年）决定将投票缩变成一个统计模型，该模型根据一个极具代表性的人回答的一组问题推断所有选举的结果。

『Franchise』巧妙地捕捉了预测中难以言明的递归性质，以及作为算法分析焦点的个人压力。

重要的是，这个故事说明了可预测性和合法性之间微妙的矛盾性。

即使我们能够完美的预测投票，或累犯人员或就业绩效，那这属于一个自动化流程还是一个人的过程？

这意味着什么？不妨一读。」

4.《Weapons of Math Destruction》（数字杀伤性武器）

作者：Cathy O'Neil

由麻省理工学院媒体实验室研究专家 Kate Darling 推荐：

「起初，我想推荐一本预测性的科幻小说。但有时我们的现实反而是一个更有趣的反乌托邦。

2019 年 1 月，美国国会女议员 Alexandria Ocasio-Cortez 因声称算法可能存在偏差而遭到嘲笑。

无论你的政治派别如何，我认为每个人都可以从对当今人工智能系统误区的基本理解中受益。

本书以迷人（可怕）的现实世界为例进行了说明，是一本关于我们正在使用的算法和数据的极好入门书，它描述了将权力下放给那些能以灾难性方式破坏人们生命的系统的场景。

Cathy O'Neil 是一位数学家和数据科学家，她从学术界进入商界，后来参与了「占领华尔街」运动。

她的著作广受好评，涵盖了金融业的算法问题，也涉及刑事司法、就业、教育等领域。

我们目前及不久的将来，很多使用和即将使用的许多人工智能系统都将遇到她强调的问题。这本书应该是任何对人工智能感兴趣的人必读的基础读物。」

5.《The Diamond Age: Or, A Young Lady』s Illustrated Primer》

作者：Neal Stephenson

由 Fast.ai（一家 AI 教育创业公司）的联合创始人 Jeremy Howard 推荐：

「书名中的'Primer'指的是一本皮制装订书。本书设定是共有三本 Primers，每本都由一个小女孩拥有。

这本入门书是 Neal Stephenson 最伟大的作品，他是世界上最成功的软件公司的顶级软件工程师。

这不是一本普通的书；它能够实现交互，可以时刻向读者展示他们所需内容，并以读者最感兴趣的方式呈现内容。

主角 Nell 是拥有 Primer 的三个女孩之一，她无家可归后，发现 Primer 一直在教她生存所需的所有技能，并让她茁壮成长。

我们跟随她的脚步，从一个一无所有的小女孩，变成一个可能改变世界的成功女性。

我 20 年前第一次阅读《Diamond Age》，有一项书中透露的信息一直萦绕我的脑海：科技可以为原本没有科技的人提供机会。

与所有新技术一样，当今人们对儿童利用『屏幕』科技受教育有一种下意识的支持反应。但却没有完备的现代研究来声援这种反应。

如果我们剥夺了在教育中利用技术的机会，那么最好的教育资源只能局限地投放在那些享有特权、能够接触到最好的教师的儿童身上。

我还没有看到人工智能如《Primer》一样被用于创建高度专门化的教育体验。基础技术现在已经基本实现，只需要有人把它们合成即可。

当这一切变为现实时，像 Nell 这样的故事可能会真的发生。」

6.《Machine Learning for Humans》（机器学习之强化学习概览）

作者：Vishal Maini 和 Samer Sabri 

由 DeepMind 的联合创始人兼首席执行官 Demis Hassabis 推荐：

「推荐一本既不太专业化又不太哲学化的人工智能书籍是很难的，特别是还能展现一些 AI 的细节，但我预测未来几年这类的书会越来越多。

我比较推荐《Machine Learning for Humans》，它作为一个很好的入门书籍，阅读时不需要太多的先验知识，而且是免费的。

它给我们留下了深刻的印象，最终我们（Deepmind）聘请了其中的一名作者！

了解 AI 的另一种方法是使从你更熟悉的主题入门。

例如，大多数人都知道国际象棋的基本规则，即使他们没玩过几局。

两位专业的国际象棋选手 Matthew Sadler 和 Natasha Regan 刚刚写了一本名为《Game Changer》的书，讲述了 DeepMind 最近的一项研究突破，即 AlphaZero。

AlphaZero 通过与自己对弈，从零开始学习国际象棋，最终成为世界上最强的棋手。

该书是迄今为止对高级人工智能程序进行的最全面的分析之一，会让你对 AlphaZero 等人工智能系统的工作方式有更深刻的了解。」

7.《Sorting Things Out: Classification and its Consequences》

作者 Geoffrey C. Bowker 和 Susan Leigh Star

由纽约大学 AI Now 研究所的联合创始人兼主任 Meredith Whittaker 推荐：

「对于任何想解决人工智能偏差、公平和正义问题的人来说，这都是必不可少的必读书目。

AI 系统归根结底都是分类系统。

简而言之，他们从数据中『学习』他们所知道的东西，并且利用学到的东西来对他们『看到』的内容进行分类。

例如，通过输入关于『优秀员工』的大量视频，用于招聘的人工智能系统可以知道『有前途的求职者』的样子。向这个人工智能系统展示一段应征者的视频，它会将视频与它认为的『优秀员工』进行比较，将应征人员分为『有前途的』和『没有前途的』两类。

这样的系统已经在使用，但风险很高：

例如，如果黑人女性没有出现在『优秀员工』的训练视频中，那么系统不太可能将她们归类为『有前途员工』中，她们也不太可能被录用。

Sorting Things Out 涉及到这种分类的策略和结果，将『分类』视为历史、文化和权力的产物，而不是『自然类别』的反映，『每个类别都有自己独特的观点，并且不认同其他观点』。

这本书探讨的分类系统包括南非的种族隔离，它严格地将种族类别应用于各个人种，以及世界卫生组织的国际疾病分类，这需要一个庞大的官方机构来使人们对于疾病与健康的文化差异正常化。

通过关注这些历史，作者揭示了我们通常认为理所当然的『分类方法』的偶然性，为理解、批判目前在核心社会领域自动分类的 AI 系统提供了基础资源。」

8.《The Master Algorithm》（终极算法）

作者： Pedro Domingos

中文版

由 The Verge AI 线记者 James Vincent 推荐：

「我显然不是 AI 世界的杰出人物，但作为一个以报道此领域为生的人，我已经阅读了许多书来引导自己，所以我在这方面确实有一些经验。

有两本书特别吸引我，我会一直推荐：Pedro Domingos 的《The Master Algorithm》和 Nick Bostrom 的《Superintelligence》（超级智能）。

《Superintelligence》是由牛津大学哲学教授 Bostrom 撰写的关于『通用人工智能（Artificial General Intelligence，AGI）会构成威胁』的书。

这使技术领导者发表了一些对『杀手机器人产生威胁』的质疑言论（在我看来，真可能造成威胁），但这是我读过的关于『如何让智能机器更安全』的最好的书了。无论他们是超级聪明还是非常愚蠢都适用。

尽管话题不甚乐观，但这部非小说类书籍可读性非常强，给人感觉更像科幻小说。

同时，《The Master Algorithm》可以作为泛读书籍，它提供了对 AI 技术方面的介绍。

它介绍了从进化算法到贝叶斯概率的所有基础知识和概念，同时展示了机器学习如何与神经科学和心理学等学科进行交叉。

我认为 Domingos 偶尔会夸大人工智能的力量（它们不是魔法系统；也经常存在严重缺陷，正如阅读清单中的其他书籍提到的），但即便如此，它也告诉了我们，这项技术潜力无穷，令人着迷。」

推荐阅读