Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет

Терренс Сейновски. Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет
Предисловие
Часть I. Переосмысление интеллекта: хронология
Глава 1. Развитие машинного обучения
Учим водить
Учим переводить
Учим слушать
Учим ставить диагноз
Учим зарабатывать деньги
Учим играть в покер
Учим играть в го
Учим становиться умнее
Изменение рынка труда
Искусственный интеллект – реальная угроза?
Назад в будущее
Глава 2. Перерождение искусственного интеллекта
Детская игра?
Почему компьютерное зрение – трудная задача?
Экспертная система
В логове льва
Глава 3. Спад нейронных сетей
Первооткрыватели
Обучение на примерах
SEXNET
Закат перцептронов
Глава 4. Обработка данных как в человеческом мозге
Как работает мозг
Первые успехи
Прапраправнук Джорджа Буля
Проект «Шалтай-Болтай»
Чему я научился в Вудс-Хоуле
Недостающее звено
Глава 5. Понимание зрительной системы
Схема работы зрения
Зрительная система в коре мозга
Пластичность синапса
Восстановление формы объекта по теням
Иерархическая организация визуальных карт коры головного мозга
Появление когнитивной нейробиологии
Часть II. Множество способов обучения: хронология
Глава 6. Проблема коктейльной вечеринки
Независимый компонентный анализ[132]
Независимый компонент в мозге
За рамками ICA
Глава 7. Нейронная сеть Хопфилда и машина Больцмана
Джон Хопфилд
Сеть с ассоциативной памятью
Поиск глобального энергетического минимума
Машины Больцмана
Теория синаптической пластичности Хебба
Изучение зеркальной симметрии
Распознавание почтовых индексов, написанных вручную
Неконтролируемое обучение и развитие коры головного мозга
Глава 8. Метод обратного распространения ошибки
Оптимизация
NETtalk
Возрождение нейронных сетей
Понимание глубокого обучения
Ограничения нейронных сетей
Продвижение
Глава 9. Сверточные сети
Устойчивый прогресс в машинном обучении
Сверточные нейронные сети
Столкновение глубокого обучения и визуальной иерархии
Рабочая память и долговременное хранение данных
Порождающие состязательные сети[233]
Все дело в масштабировании
Глава 10. Обучение с подкреплением
Учим играть в нарды
Обучение мозга методом вознаграждения
Мотивация и базальные ганглии
Учим парить
Учим петь
Другие формы обучения
Чего не хватает?
Глава 11. Нейронные системы обработки информации
Глубокое обучение за игровым столом
Подготовка к будущему
Часть III. Технические и научные последствия: хронология
Глава 12. Будущее машинного обучения
Жизнь в XXI веке
Будущее идентичности
Рассвет социальных роботов
Руби
Выражение лица – окно в вашу душу
Наука об обучении
Научитесь учиться
Тренировка мозга
Искусственный интеллект и бизнес
Глава 13. Эпоха алгоритмов
Сложные системы
Клеточный автомат
Мозг – это компьютер?
Пространство алгоритмов
Глава 14. Привет, мистер Чип
Горячие чипы
Холодные чипы
Нейроморфная инженерия
Конец закона Мура?
Глава 15. Внутренняя информация
Информационная теория
Теория чисел
Прогностическое кодирование
Глобальный мозг
Операционные системы
Информация на всех уровнях
Играть в долгую игру[416]
Глава 16. Сознание[418]
Нейронные корреляты сознания
Бабушкины клетки
Когда воспринимается время визуального события?
Где в мозгу воспринимается зрительный образ?
Учим смотреть
Переходы
Глава 17. Природа умнее нас
Второй закон Орджела
Дело против А. Н. Хомского
Бедность воображения
Дело против «черных ящиков»
Дело против М. Л. Минского
Шаги
Глава 18. Глубокий интеллект
Франциск Крик в раю
Эволюция интеллекта
Откуда мы вообще взялись?
Логика жизни
Дополнительная литература
Введение в нейробиологию
Биологический интеллект
Машинное обучение
Благодарности
Глоссарий
Примечания
Примечания
Примечания