Книги про штучний інтелект для ІТ-спеціалістів: вибір фахівців

У 2022 році ми зробили рейтинг ІТ-книжок і з’ясували, скільки видань на рік читають айтівці. А тепер вирішили розпитати, що почитати про штучний інтелект і машинне навчання? Знаннями поділилися інженери сервісних і продуктових компаній, міністр цифрової трансформації, керівники ІТ-відділів та інші експерти.

До вашої уваги добірка, де є фундаментальні видання про математику й роботу нейромереж, історичні огляди та посібники про те, як використовувати ШІ для програмування й бізнесу. Обирайте, що вам до смаку, і пишіть свої рекомендації в коментарях!

Олексій Молчановський, голова комітету з регулювання ШІ

💡 Human Compatible: Artificial Intelligence and the Problem of Control by Stuart Russel

Книга порушує важливе питання в галузі штучного інтелекту: чи буде ШІ слугувати потребам людини? Ця проблема відома також під назвою Alignment Problem — наскільки цінності ШІ (тобто «цільова функція» таких систем в широкому розумінні) узгоджується з цінностями та потребами людини.

Стюарт Рассел є знаним дослідником та професором Каліфорнійського університету в Берклі, США. Він є також співавтором класичного підручника з ШІ Artificial Intelligence: A Modern Approach. В університеті він очолює наукову лабораторію, яка вивчає згадану проблему. По суті, Рассел пропонує заміну трьом «законам робототехніки Азімова» у вигляді принципів:

1. Єдина мета машини — максимально реалізувати людські вподобання.

2. Машина спочатку не знає, якими є ці вподобання.

3. Кінцевим джерелом інформації про людські вподобання є людська поведінка.

💡 Machines Who Think by Pamela McCorduck

Це книжка про становлення галузі штучного інтелекту. Памела МакКордак працювала в університетах Берклі та Стенфорду. Вона працювала разом з такими «батьками-засновниками ШІ», як Герберт Саймон та Алан Ньюман (обидва отримали премію Тюринга за одну з перших систем ШІ Logic Theorist), Едвард Фейгенбаум (премія Тюринга за розробку експертних систем, зокрема першої подібної системи MYCIN) та іншими.

Перша редакція книжки вийшла 1979 року у часи зростання популярності ШІ, яке була обумовлено появою експертних систем. У 2004 році вийшла друга доповнена редакція, в якій додалися розділи про історію ШІ у період 1980-2000 рр.

Книжка цінна тим, що передає дух становлення галузі, яка нині має черговий вибух інтересу та впливу. Ще вона змушує замислитися, наскільки нинішня хвиля розвитку ШІ буде тривалою, які інструменти та технології залишаться у широкому вжитку. Коли пік інтересу та інвестицій в експертні системи у 1980-х спав, то ШІ відійшов на маргінес. Чи може схоже статися з генеративним ШІ? Нині про таке неможливо помислити, але ніщо не вічно.

💡 On Intelligence by Jeff Hawkins

Це книжка про альтернативний сценарій розвитку технологій штучного інтелекту. Сучасний ШІ ґрунтується на технологіях глибокого навчання, штучних нейронних мережах. Його бум розпочався у 2010-2012 роках. Але основні алгоритми були розроблені у 1980-х (за що дали цьогорічну Нобелівську премію з фізики), а базові принципи почали створювали від початку 1950-х (наприклад, алгоритм перцептрона).

Штучні нейронні мережі дуже поверхово відтворюють біологічні нейронні мережі, які є в нашому мозку. З часу становлення цих технологій нейронаука дізналася значно більше про будову мозку, і ця книжка пропонує подивитися на те, чи можемо ми взяти щось нове з цих знань про мозок і реалізувати це в ШІ?

Джефф Гокінс є підприємцем, у 2005 році створив компанію Numenta, яка намагається зробити «реінжиніринг неокортексу та створити технологію машинного інтелекту на основі теорії мозку». Numenta розробила свій фреймворк і пропонує дослідникам використовувати його для створення систем ШІ нового покоління.

У книжці описуються фундаментальні принципи роботи мозку, які, зокрема, не враховані при створенні сучасних штучних нейронних мереж, а також показано, як вони можуть бути реалізовані алгоритмічно. Книга On Intelligence написана 2004-го, а у 2021 році вийшла інша книжка автора A Thousand Brains: A New Theory of Intelligence, яка дає більш актуальну інформацію. Втім, з погляду рівня занурення в теорію, я б рекомендував саме On Intelligence.

Михайло Федоров, міністр цифрової трансформації

💡 Brave New Words: How AI Will Revolutionize Education (and Why That’s a Good Thing) by Salman Khan

Я активно вивчаю, як впроваджують штучний інтелект інші країни і як інтегрувати штучний інтелект у ключові державні цифрові продукти — «Дію» та «Мрію», а також у військові проєкти. Наша мета — до 2030 року увійти до трійки країн світу за рівнем розробки та впровадження рішень на основі ШІ.

Одна з останніх прочитаних книг про ШІ — «Brave New Words: How AI Will Revolutionize Education (and Why That’s a Good Thing)» Салмана Хана. Автор книжки — засновник однієї з найбільших освітніх платформ Khan Academy. Салман був одним з ранніх бета-тестувальників ChatGPT-4. Коли він побачив цю технологію, то сказав, що це справжня революція для сфери освіти.

Книжка Салмана про те, як штучний інтелект може трансформувати систему освіти. Робити навчання персоналізованим і доступним. Не замінювати вчителів, а допомагати їм. Кожна дитина не може мати окремого тьютора, але ШІ допомагає розв’язати цю проблему. Зокрема, створювати індивідуальні освітні траєкторії, адаптовані до потреб і темпу кожного учня. Водночас ШІ сприяє розвитку критичного мислення, креативності та інших м’яких навичок, звільняє вчителів від рутинних завдань і дає змогу сфокусуватися на важливому — навчанні дітей.

Я сам тестував ChatGPT як тьютора. І він це робив так, як жоден учитель у моїй школі. Тож інтеграція штучного інтелекту — це точка зростання, де ми можемо зробити революцію. Раджу кожному досліджувати можливості ШІ й тестувати інновації.

Владислава Тищенко, Data Scientist у SoftServe

💡 The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI by Fei Fei Li

Ця книжка гармонійно поєднує біографію однієї з найвпливовіших науковців галузі з історією розвитку машинного навчання. Від днів, коли метод опорних векторів давав найкращі результати, і до часів, коли алгоритми стали потребувати десятки відеокарт. Вона розповідає неймовірну історію неочікуваних відкриттів у нашій галузі, наслідки яких ми продовжуємо спостерігати сьогодні.

Деякі моменти викликають мурахи по шкірі, коли розумієш, скільки зусиль було докладено, щоб нині ми могли робити звичайні речі. Наприклад, за секунди викликати метод AutoModel.from_pretrained() в бібліотеці transformers.

Рекомендую прочитати її експертам з Computer Vision і NLP, які хочуть заглибитись в історію інструментів, якими вони користуються щодня. А також всім, хто розглядає для себе або вже на шляху до побудови кар’єри в науковій гілці машинного навчання. Ця книга повинна дати справжнє натхнення!

💡 Build a Large Language Model (From Scratch) by Sebastian Raschka

Книжка є чарівною паличкою у світі великих мовних моделей (LLM). Вона містить покрокову інструкцію для кожного етапу створення LLM — від алгоритмів токенізації, імплементації механізму Attention і архітектури Transformer до стратегій генерації більш оригінального тексту і налаштування моделі під специфічну задачу.

Як бонус кожен читач реалізує архітектуру моделі GPT-2! Навіть думка про відтворення власними руками близького пращура ChatGPT викликає захоплення :) Ця книжка варта того, щоб прочитати її не один раз.

Раджу її всім NLP-спеціалістам, які щоденно використовують генеративні моделі (GenAI) і хочуть більше їх розуміти. А також усім, хто готується до технічних співбесід, пов’язаних з GenAI.

Назарій Попов, керівник делівері EPAM Україна

💡 Neural Networks and Deep Learning

Ця книжка доступно пояснює технології побудови простих нейронних мереж і основні принципи їхньої роботи. По суті, всі сучасні нейронні мережі є ускладненими версіями того, про що йдеться на сторінках видання. Після прочитання ви зможете створити власну нейронну мережу та натренувати її для розпізнавання рукописного вводу.

Вона написана легкою та зрозумілою мовою з чіткими поясненнями. Тож я б рекомендував прочитати Neural Networks and Deep Learning кожному програмісту, щоб зрозуміти суть машинного навчання.

Андрій Бродецький, інвестиційний аналітик Horizon Capital

💡 Co-Intelligence: Living and Working with AI by Ethan Mollick

Ітан Моллік викладає підприємництво в одній з провідних бізнес-шкіл світу Wharton. Він один з «найкорисніших» ШІ-ентузіастів, за якими я стежу. Обов’язково підпишіться на його LinkedIn і Substack, де він ділиться рефлексіями та власним досвідом використання ШІ.

Його книжка Co-Intelligence — практичний і виважений посібник для роботи зі штучним інтелектом. Без технічного жаргону і наукової фантастики. Моллік ділиться практичними ідеями про те, як насправді працює штучний інтелект і як ми можемо найкраще використовувати його в повсякденному житті.

Мені подобається приземлений підхід автора — він показує, як штучний інтелект може бути одночасно неймовірно потужним і напрочуд обмеженим, часто несподіваним чином. Книжка допомагає зрозуміти, чому штучний інтелект чудово справляється з одними завданнями, але жахливо виконує інші. І як отримати максимальну віддачу від цієї технології, не повторюючи типових помилок. Якщо ви намагаєтеся зрозуміти, як адаптуватися до світу, де штучний інтелект стає частиною всього, що ми робимо, Co-Intelligence — чудове місце для початку.

Максим Шамрай, Research Scientist в MacPaw

💡 Mathematics for Machine Learning by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong

Ця книжка про математичні основи, без яких буде складно розуміти та стежити за розвитком ШІ. Тут є все, що так чи інакше стосується ML. Від базової лінійної алгебри, аналітичної геометрії, математичного аналізу, теорії ймовірності та статистики — до того, як працюють моделі на кшталт Gaussian Mixture Model.

Видання буде корисне тим, у кого не викладали математику у виші (вища математика не рахується), але все одно хоче розуміти, чому працює той sklearn. А також буде корисна просто як довідник, щоб щось згадати коли треба.

💡 Computer Vision: Algorithms and Applications by Richard Szeliski

Тут є майже все про класичний компʼютерний зір, навіть трохи Deep Learning. За цією книжкою викладають у таких університетах, як Корнелльський університет, MIT, Берклі тощо. І я викладаю по ній теж :)

Ця книжка буде корисна тим, хто хоче розібратися в Computer Vision загалом.

💡 Understanding Deep Learning by Simon J.D. Prince

Це свіжа книжка з Deep Learning (2023 рік). У ній є все: від Single Layer Perceptron до GPT, StyleGAN, VAE, Diffusion. Описано доволі детально, з математикою, що не може не радувати.

Machine Learning без Deep Learning уже не мислиться. Тому раджу прочитати книжку всім, хто займається або планує займатися ML.

P.S. До речі, усі ці книжки абсолютно безплатні в електронному форматі.

Назарій Друщак, Data Scientist у SoftServe

💡 The Alignment Problem: Machine Learning and Human Values by Brian Christian

Ця книжка справила на мене неабияке враження. Вона детально розкриває недоліки штучного інтелекту, демонструючи реальні приклади проблем і їхні наслідки. Автор показує, як боротися з цими викликами, тож видання буде цікавим для всіх ентузіастів штучного інтелекту.

💡 Responsible AI: Best Practices for Creating Trustworthy AI Systems by Qinghua Lu

Автор детально аналізує підходи до створення відповідального штучного інтелекту, охоплюючи основні концепти та найкращі практики. Мені сподобалась її практична спрямованість та конкретні рекомендації для реалізації етичних принципів у розробці ШІ-систем.

Андрій Яворський, старший віцепрезидент з технологій у GlobalLogic

На мою думку, вартими уваги є книжки:

Художня література теж корисна. Наприклад, «Кінець веселок» Вернора Вінджа чи «Сліпобачення» Пітера Воттса досліджують вплив технологій на людство та ставлять етичні питання.

Також рекомендую:

Все про українське ІТ в телеграмі — підписуйтеся на канал DOU

👍ПодобаєтьсяСподобалось11
До обраногоВ обраному12
LinkedIn



8 коментарів

Підписатись на коментаріВідписатись від коментарів Коментарі можуть залишати тільки користувачі з підтвердженими акаунтами.

Знайшли, у кого питати — хведора! Краще б спитали у цього слуги зеленого, куди він подів грощі на дрони.

Andriy Burkov “The Hundred-Page Machine Learning Book”

Справа в тому, що більшість інформації про AI скоро стане застарілою, бо AI розвивається шаленими темпами. AI еволюціонує, і взаємодія з ним стане кардинально іншою, ніж те, що ми маємо зараз. Багато з того, що ми знали про AI, просто втратить свою актуальність.

Технічних книг кілька і не самих фундаментальних. Список літератури майже повністю складається з гуманітарних та етичних питань навколо ШІ. Це що, список для гуманітаріїв?

Вітаю! У цьому матеріалі ми не робили розмежування на технічні і нетехнічні видання. Можливо, вам буде цікавим наш рейтинг ІТ-книжок, де є добірки видань про алгоритми, ООП та про окремі мови програмування: dou.ua/...​/articles/top-books-2022

Ну почалиби тоді з классики для початківців, скажімо Таріка Рашида. А так продукт менеджери пишуть якісь свої думки, наслідуючи Білу Гейцу з «Бізнес зі швидкістю мислі». Тим не менше та книга зчинила цифрову революцію, сьогодні ми живемо по ній справі зайшла значно далі.
А от скажімо пан Шамрай — видав книги, які вже вимагають певного рівня знань та підготовки.

Раптом усі стали Айзеками Азімовими — коли це знову стало модно, зусиллями американских маркетологів. Коротше — ми живемо в світі хайпу.

З мого досвіду інженери що не цікавляться «гуманітарними» ідеями витрачають час на задачі, які потім мало кому потрібні. Інженер що знає навіщо потрібна технологія коштує більше ніж той, що тільки розбирається як вона працює.

Підписатись на коментарі