لیستی از خواندنی‌های AI

هشدار: متن طولانی
منبع:
این متن ترجمه‌ای است از این مقاله سایت The Verge با کمی مخلفات اضافه.

از کتاب‌های مقدماتی کاربردی تا داستان‌های کوتاه علمی-تخیلی

سایت دوست‌داشتنی The Verge (البته بعد از Ars Technicaی عزیزترین) پرونده ویژه‌ای را در زمینه هوش مصنوعی کار کرده است که همین‌جا توصیه می‌کنم حداقل نگاهی به عنوان‌ مقاله‌های آن بیاندازید. قطعا خواندنی‌های جالبی را می‌توانید آن‌جا بیابید. از میان همه آن‌ها به نظرم این مطلب (که به معرفی برترین کتاب‌های هوش مصنوعی می‌پرداخت) هم به لحاظ محتوایی و هم به لحاظ فرصتی که داشتم، گزینه خوبی برای بازنشر بود. تنها کاری که علاوه بر ترجمه مقاله انجام داده‌ام این است که کتاب‌ها را هم از این‌طرف و آن‌طرف اینترنت پیدا کرده و لیک دانلودشان را هم اضافه کرده‌ام. امیدوارم به کارتان بیایند.

۱- برش‌هایی از آینده (Profiles of the Future)
نوشته آرتور سی. کلارک (Arthur C. Clarke)

توصیه شده توسط: گرگ بروک‌من (Greg Brockman) و ایلیا سوتسکور (Ilya Sutskever) بنیان گذاران OpenAI

این کتاب دیدگاه ما را نسبت به سرعت تغییراتی که هوش مصنوعی در دنیای ما به وجود می‌آورد، تغییر داد. ما تغییرات فناورانه را فرآیندهایی تدریجی و کند تصور می‌کردیم: جمع تعداد زیادی از نوآوری‌های کوچک که وقتی از دور به آن نگریسته شود، تنها توهم تغییر سریع فناوری را ایجاد خواهد کرد.

این کتاب ما را متوجه کرد که در این میان استثناهای مهمی وجود دارد. گرچه آخرین فصل‌های کتاب پیش‌بینی‌های خود کلارک درباره آینده را شرح می‌دهد، فصل‌های نخست آن به تحلیل پیش‌بینی‌های دیگران درباره فناوری (مواردی نظیر هواپیما، مسافرت فضایی، نیروی اتمی) پیش از توسعه واقعی این فناوری‌ها می‌پردازد. در هر مورد، فناوری مورد بحث توسط عده اندکی از افراد خوش‌بین پیش‌بینی شده بود که صدای‌شان در میان جمع عظیمی از متخصصان که مطمئن بودند آن فناوری (حداقل نه در یک بازه زمانی عملی) قابل دست‌یابی نیست گم شده بود. در نتیجه، به نظر می‌رسد که حتی برای غالب متخصصان هم تغییرات عظیم فناورانه از ناکجاآباد سر برآورده‌اند.

فرآیند درازمدت پیشرفت هوش مصنوعی چگونه خواهد بود؟ آیا از مسیری قابل پیش‌بینی پیروی خواهد کرد؟ مسیری که در آن دید واضحی از آن‌چه در ۵ تا ۱۰ سال آینده رخ خواهد داد، وجود دارد؟ یا به پیشرفتی شگفت‌آور در زمینه هوش مصنوعی برخواهیم خورد که دنیا را به سرعت عوض می‌کند؟ برش‌هایی از آینده به ما می‌گوید که این سوال‌ها ارزش پرسیدن و پی‌گیری را دارند.

(دانلود کتاب با فرمت epub)

۲- کتاب چرا (The Book of Why)
نوشته جودیا پرل و دانا مکنزی (Judea Pearl & Dana Mackenzie)

توصیه شده توسط: رومن چاودهری (Rumman Chowdhury) سرپرست بخش AI در Accenture

یک کتاب در حوزه هوش مصنوعی بدون ربات‌ها، بدون سناریوهای آخرالزمانی و بدون پیش‌بینی‌های عجیب و غریب؟ چه خوشحال‌کننده! لحن متواضعانه و برانگیزاننده این کتاب فرضیه‌ای عمیق را در خود دارد: ریشه‌های بنیادین سیستم‌های مدل‌سازی پیش‌بینی فعلی غلط هستند. به اعتقاد نویسندگان، ما به یک زبان علت و معلولی (در واقع دلایل قابل سنجش این که چیزی علت چیزی دیگر است) احتیاج داریم. این ضعفی بنیادین است که در تاریخ علم آمار وجود داشته و همواره شیوه پرسیدن سوالات و جست‌وجوی پاسخ را تحت تاثیر قرار داده است.

مشکل آزاردهنده شیوه‌های کنونی هوش مصنوعی و یادگیری ماشینی که ما برای پیش‌بینی به کار می‌بریم این است که دقیقا نمی‌توانند به ما بگویند که آیا یک موضوع علت موضوع دیگری است یا خیر. در عوض آن‌ها تنها با تکیه بر میلیون‌ها تکرار می‌توانند همبستگی شدید بین دو موضوع را مشخص کنند. بسیاری از مشکلات ما با خروجی‌های پیش‌فرض‌دار (Biased) سیستم‌های هوش مصنوعی نتیجه درک ناقص یا ضعیف ما از متغیرهای مرتبط (به عنوان مثال رابطه نژاد و کدپستی یا رابطه وضعیت اقتصادی جامعه و آموزش) است. گرچه این فرضیه هنوز محل مجادله است، اما «کتاب چرا» روایتی جدید را مطرح می‌کند که عناصر سازنده سیستم هوش مصنوعی کنونی ما را به چالش کشیده و از نو تعریف می‌کند.

(دانلود کتاب با فرمت epub)

۳- فرانشیز (Franchise)
نوشته آیزاک آسیموف (Isaac Asimov)

توصیه شده توسط: تیم هوانگ (Tim Hwang) مدیر کمیته مشترک MIT و هاروارد برای اخلاقیات و مدیریت هوش مصنوعی

زمانی که از تاثیر اجتماعی هوش مصنوعی صحبت می‌کنیم، سری ربات‌های آسیموف یکی از کلیشه‌هایی است که بلافاصله به ذهن متبادر می‌شود. و قطعا بهترین بهانه است تا صحبت را به قوانین سه‌گانه ربات‌ها بکشیم و اشاره کنیم که رویای ساختن ماشین‌های هوشمند سابقه‌ای طولانی دارد.

اما در این کلیشه هدف اصلی از یاد رفته است. در میان آثار ادبی آسیموف این Multivac (و نه سری ربات‌ها) است که وضعیت کنونی یادگیری ماشینی را به بهترین شکل ممکن نشان می‌دهد. در تقابل با داستان‌هایی که در آن‌ها ربات‌ها راه می‌روند و حرف می‌زنند، Multivac یک سرور فارم نه‌چندان گسترده است که کار کردن با آن احتیاج به تخصص دارد و به تناوب خروجی‌هایی تولید می‌کند که حتی برای تکنسین‌هایی که آن را کنترل می‌کنند قابل تفسیر نیست.

یکی از داستان‌هایی که من دوباره و دوباره به سراغش می‌روم، داستان فرانشیز است که در سال ۱۹۵۵ به صورت داستانی کوتاه در شماره آگوست مجله If به چاپ رسیده است. در این داستان آمریکای آینده (۲۰۰۸)، تصمیم می‌گیرد که سیستم رای‌گیری را به یک مدل آماری تقلیل دهد که نتیجه تمام انتخابات را با تعمیم‌دهی پاسخ‌هایی که یک فرد (به عنوان نمونه‌ای از جامعه) به مجموعه‌ای از پرسش‌ها می‌دهد، پیش‌بینی کند.

فرانشیز به شکلی ماهرانه طبیعت بازگشتی فرآیند پیش‌بینی و همین‌طور استرس ناشی از قرار گرفتن در نقطه تمرکز تحلیل الگوریتمی را به نمایش می‌گذارد. نکته مهم دیگر این‌که این داستان، تعادل واقعی و شکننده میان قابل پیش‌بینی بودن و درست بودن نتایج پیش‌بینی را نشان می‌دهد. حتی اگر ما بتوانیم با کاری دقیق و کامل رفتار رای‌دهندگان، بازگشت به خلاف‌کاری مجرمان یا کارایی کارمندان را پیش‌بینی کنیم، خودکار کردن این فرآیند به جای انجام آن توسط عامل انسانی چه نتایج و چه معنایی در پی خواهد داشت؟ حتما نگاهی به این داستان بیاندازید.

(دانلود کتاب با فرمت pdf)

۴- سلاح‌های کشتار ریاضیات (Weapons of Math Destruction)
نوشته کتی اونیل (Cathy O’Neil)

توصیه شده توسط: کیت دارلینگ (Kate Darling) متخصص تحقیقات در لابراتوارهای رسانه‌ای MIT

اول کار می‌خواستم داستانی علمی-تخیلی را پیشنهاد کنم. اما گاهی واقعیات کنونی ما دیستوپیای جذاب‌تری را به نمایش می‌گذارد! در ژانویه ۲۰۱۹ خانم الکساندرا اوکازیو کورتز (از اعضای کنگره آمریکا) مورد تمسخر قرار گرفت، چرا که ادعا کرده بود که الگوریتم‌ها می‌توانند پیش‌فرض (bias) داشته باشند. مهم نیست چه گرایش سیاسی داشته باشید، از دید من داشتن درکی مقدماتی از حفره‌ها و مشکلات سیستم‌های کنونی هوش مصنوعی می‌تواند برای همه مفید باشد. این کتاب که پر است از مثال‌های جذاب (و ترسناک) دنیای واقعی، برای درک چند موضوع راهنمای گام‌به‌گام خوبی به حساب می‌آید:

نخست درک الگوریتم‌ها و داده‌هایی که مورد استفاده قرار می‌دهیم. دوم درک قدرتی که به تدریج به سیستم‌ها منتقل می‌کنیم و این قدرت می‌تواند زندگی افراد را بسازد یا ویران کند. و از همه مهم‌تر درک تمام تصورات غلط و ویران‌کننده‌ای که در مورد این سیستم‌ها داریم.

کتی اونیل، ریاضیدان و دانشمند داده‌ای است که از دنیای آکادمیک به دنیای وال‌استریت آمده و پس از آن به جنبش اشغال وال‌استریت پیوسته است. این کتاب او به بررسی مشکلات الگوریتم‌های مورد استفاده در صنعت بانکداری و امور مالی، جرایم و مجازات‌ها، استخدام، آموزش و پرورش و بسیاری حوزه‌های دیگر می‌پردازد. بسیاری از سیستم‌های هوش مصنوعی که در حال حاضر پیاده‌سازی می‌کنیم و در آینده نزدیک قرار است وارد عمل شوند، با مشکلاتی که اونیل بیان کرده است مواجه خواهند شد. این کتاب باید به عنوان یکی از متون الزامی اولیه برای تمام کسانی که به پیاده‌سازی هوش مصنوعی علاقه دارند، در نظر گرفته شود.

(دانلود کتاب با فرمت pdf)

۵- عصر الماس: یا کتاب راهنمای مقدماتی مصور یک خانم جوان (The Diamond Age: Or, A Young Lady’s Illustrated Primer)
نوشته نیل استفنسن (Neal Stephenson)

توصیه شده توسط: جرمی هوارد (Jeremy Howard) یکی از بنیان‌گذاران fast.ai

کلمه «کتاب راهنما» در عنوان کتاب اشاره به کتابی با جلد چرمی است. تنها سه «کتاب راهنما» در کل دنیا وجود دارد که هر کدام از آن‌ها در اختیار یک دختر جوان است. کتاب راهنما عظیم‌ترین و مهم‌ترین اثر نویسنده/خالق آن است. خالق این کتاب‌ها یکی از رده‌بالاترین مهندسین نرم‌افزار در یکی از موفق‌ترین شرکت‌های نرم‌افزاری دنیا است. همان‌طور که در داستان خواهید دید، این راهنماها کتاب‌هایی معمولی نیستند، این کتاب‌ها کاملا تعاملی بوده و به خواننده دقیقا همان چیزی را نشان می‌دهند که در آن لحظه به آن احتیاج دارد. و این محتوا به‌گونه‌ای توضیح داده می‌شود که بیشترین جذابیت را برای خواننده داشته باشد. یکی از دخترهایی که یکی از این کتاب‌ها را در اختیار دارد نل است. نل پس از بی‌خانمان شدن در‌می‌یابد که این کتاب به تدریج تمام مهارت‌هایی را که برای بقا و پیشرفت به آن‌ها احتیاج دارد، به او آموزش می‌دهد. در این کتاب ما سفری را که نل با راهنمایی‌های کتابش به پایان می‌برد دنبال می‌کنیم؛ از زمانی که دختری کوچک است که همه چیزش را از دست داده تا زمانی که به دختری جوان تبدیل می‌شود که ممکن است دنیا را عوض کند.

من اولین بار عصر الماس را ۲۰ سال پیش خواندم و از آن زمان این پیام را همیشه به یاد دارم: از فناوری می‌توان برای فراهم کردن فرصت برای افرادی استفاده کرد که بدون فناوری هیچ‌گاه این فرصت‌ها را نخواهند داشت.

درست مانند همه فناوری‌های نوین، واکنش‌های منفی زیادی در برابر استفاده کوکان از صفحات نمایش شکل گرفته است. اما هیچ تحقیق مدرنی با طراحی درست وجود ندارد که این واکنش‌ها را تایید کند. اگر ما از فرصتی که استفاده از فناوری در آموزش بوجود می‌آورد استفاده نکنیم، درواقع آموزش را تنها به کسانی محدود کرده‌ایم که به معلمان خوب دسترسی دارند.

ماموریت ما در fast.ai فراهم کردن امکان دسترسی به هوش مصنوعی و آموزش برای همگان است. فناوری نیازی حیاتی برای دستیابی به این هدف است. بدون آن، کاربران یا دانش‌آموزان ما نمی‌توانند به جوامع و درس‌های آنلاین (یا پردازش ابری که که ما به آن متکی هستیم) دسترسی داشته باشند. هرچند من هنوز ندیده‌ام که از هوش مصنوعی برای خلق تجربه آموزشی سفارشی‌شده‌ای مانند «کتاب راهنمای» این داستان استفاده شود. شالوده‌های فناوری در حال حاضر در جای خود مستحکم شده‌اند. فقط لازم است کسی قطعات مناسب را کنار هم جفت‌وجور کند. هرگاه چنین اتفاقی بیافتد، ممکن است بتوانیم شاهد داستان‌هایی واقعی شبیه سرگذست نل باشیم.

(دانلود کتاب با فرمت pdf)

[[در حاشیه بگویم که خود من از این آقای نیل استفنسن، کتاب دیگری با نام Snowcrash را خوانده‌ام و لذت زیادی برده‌ام. بخصوص این که انتشار این کتاب در سال ۱۹۹۲ بود که باعث شد اصطلاح آواتار همه‌گیر شده و رواج پیدا کند. این کتاب را هم می‌توانید از این‌جا با فرمت epub و به زیان اصلی دانلود کنید یا ترجمه جادی عزیز را پیگیری کنید که تا فصل ۵۰ کتاب پیش رفته است.]]

۶- یادگیری ماشینی برای انسان‌ها (Machine Learning for Humans)
نوشته ویشال ماینی (Vishal Maini) و سامر صبری (Samer Sabri)

توصیه شده توسط: دمیس هاسابیس (Demis Hassabis) مدیرعامل و یکی از بنیان‌گذاران DeepMind

توصیه یک کتاب در باب زیر و بم هوش مصنوعی که زیادی فنی یا زیادی فیلسوفانه نباشد، به شدت سخت است. به اعتقاد من در چند سال آینده شاهد انتشار تعداد زیادی از این کتاب‌ها خواهیم بود. من کتاب «یادگیری ماشینی برای انسان‌ها» را به عنوان کتابی مقدماتی که احتیاج به معلومات قبلی چندانی ندارد، پیشنهاد می‌کنم. علاوه بر این، نسخه آنلاین کتاب را می‌توانید به صورت رایگان و آزاد مطالعه کنید. ما در DeepMind به شدت تحت تاثیر این کتاب قرار گرفتیم. تا حدی که یکی از نویسندگان آن را استخدام کردیم!

راه دیگری که برای درک و فهم هوش مصنوعی وجود دارد، این است که از سوژه‌ای که با آن آشناتر هستید به عنوان دروازه ورود استفاده کنید. به عنوان مثال، بیشتر افراد مبانی بازی شطرنج را می‌دانند حتی اگر چندان خود بازی را انجام نداده باشند. دو بازیکن حرفه‌ای شطرنج یعنی متیو سدلر (Matthew Sadler) و ناتاشا ریگان (Natasha Regan) کتابی با عنوان «تغییر دهنده بازی» نوشته‌اند که به یکی از تحقیقات اخیر DeepMind که پیشرفتی شگرف در این حوزه بود می‌پردازد. آلفازیرو، شطرنج را از ابتدا و تنها با بازی کردن علیه خودش یاد گرفت تا در نهایت توانست بهترین بازیکن شطرنج جهان شود. این کتاب یکی از کامل‌ترین تحلیل‌هایی است که روی یک برنامه هوش مصنوعی پیشرفته انجام شده است و چشم‌اندازی هیجان‌انگیز از شیوه کارکرد سیستم‌هایی مانند آلفازیرو برای شما فراهم می‌کند.

(دانلود کتاب با فرمت pdf)

۷- مرتب کردن چیزها: طبقه‌بندی و نتایج آن (Sorting Things Out: Classification and Its Consequences)
نوشته جافری سی. بوکر (Geoffrey C. Bowker) وسوزان لی استار (Susan Leigh Star)

توصیه شده توسط: مردیت ویت‌تیکر (Meredith Whittaker) یکی از بنیان‌گذاران و مدیران انستیتوی AI Now در دانشگاه نیویورک

این کتاب یکی از متون پایه برای کسانی است که با پیش‌فرض‌ها (Bias)، انصاف و عدالت هوش مصنوعی درگیر هستند.

سیستم‌های هوش مصنوعی، از هر نوع و شکلی که باشند، در نهایت نوعی سیستم طبقه‌بندی محسوب می‌شوند. به طور خلاصه، آن‌ها چیزی که «می‌دانند» را از داده‌ها یاد می‌گیرند، و از چیزی که یاد گرفته‌اند برای دسته‌بندی چیزهایی که «می‌بینند» استفاده می‌کنند. برای مثال، یک سیستم هوش مصنوعی که در زمینه استخدام افراد مورد استفاده قرار می‌گیرد، با دریافت ویدیوهایی از «کارکنان موفق» آموزش می‌بیند که تشخیص دهد یک کاندیدای مناسب جهت استخدام، چه خصوصیاتی باید داشته باشد. حال اگر ویدیویی از یک متقاضی کار را به این سیستم نشان بدهیم، آن را با ترکیب ویدیوهای «کارکنان موفق» مقایسه کرده و در یکی از دو دسته «مناسب» یا «نامناسب» طبقه‌بندی می‌کند. چنین سیستم‌هایی مدت‌هاست که در حال استفاده هستند و البته ریسک استفاده از آن‌ها هم بسیار بالاست. به عنوان مثال اگر زنان سیاه‌پوست در میان ویدیوهای کارکنان موفق نشان داده نشوند، خیلی بعید است که سیستم آن‌ها را در دسته کاندیداهای مناسب طبقه‌بندی کند و به این ترتیب بعید است که هیچ زن سیاه‌پوستی استخدام شود.

کتاب «مرتب کردن چیزها» با سیاست و نتایج حاصل از چنین دسته‌بندی‌هایی سروکار دارد و با مفهوم طبقه‌بندی نه به عنوان انعکاسی از «دسته‌بندی‌های طبیعی» بلکه به عنوان نتیجه‌ای حاصل از تاریخ، فرهنگ و قدرت برخورد می‌کند که هر شکلی از آن دیدگاه خاصی را تقویت کرده و دیدگاه‌های دیگری را مسکوت می گذارد. کتاب طیف وسیعی از سیستم‌های طبقه‌بندی را مورد مطالعه قرار می‌دهد: از سیستم جواز تردد نژادپرستانه رژیم آپارتاید آفریقای جنوبی (که سعی می‌کرد دسته‌بندی‌های نژادی خاصی را به بدن انسان‌ها اعمال کند) گرفته تا سیستم دسته‌بندی بیماری‌های انسانی در سازمان بهداشت چهانی (که در تلاش برای نرمال کردن تفاوت‌های فرهنگی در درک بیماری و سلامتی میان ملت‌های مختلف احتیاج به بوروکراسی گسترده‌ای دارد) در این کتاب بررسی شده‌اند. با توجه به این زمینه‌های تاریخی، نویسنده سعی می‌کند نتایج احتمالی طبقه‌بندی‌هایی را به ما نشان دهد که غالبا آن‌ها را بدیهی می‌پنداریم. از این طریق می‌توانیم به منبعی بنیادین برای درک، نقد و مقایسه سیستم‌های هوش مصنوعی برسیم که در حال حاضر به صورت خودکار وظیفه طبقه‌بندی را در بسیاری از حوزه‌های اجتماعی ما برعهده گرفته‌اند. 

(دانلود کتاب با فرمت pdf)

۸- الگوریتم اصلی (The Master Algorithm)
نوشته پدرو دومینیگوس (Pedro Domingos)

توصیه شده توسط: جیمز وینسنت (James Vincent) گزارشگر هوش مصنوعی و روباتیک The Verge

مسلماً من فردی پیشرو در حوزه هوش مصنوعی نیستم، اما به عنوان کسی که با پوشش دادن اخبار دنیای هوش مصنوعی امرار معاش می‌کنم، کتاب‌های مختلفی را برای پیدا کردن راه، مطالعه کرده‌ام و در نتیجه در این زمینه تجربه‌ای اندک دارم. در واقع می‌خواهم دو کتاب را به شما معرفی کنم. یکی الگوریتم اصلی نوشته پدرو دومینیگوس است و دیگری فراهوش (Superintelligence) نوشته نیک باستروم (Nick Bostrom).

فراهوش کتابی است که توسط باستروم، استاد فلسفه دانشگاه آکسفورد، در زمینه خطرات ناشی از هوش عمومی مصنوعی (AGI سرنام Artificial General Intelligence) نوشته شده است. موضع‌گیری‌های (البته قابل تردید) بسیاری از رهبران دنیای فناوری در برابر خطراتی نظیر ربات‌های قاتل الهام‌گرفته از نظریات باستروم در این کتاب است. در عین حال این کتاب بهترین متنی است که مساله ساختن ماشین‌های هوشمند امن را تشریح می‌کند. مساله‌ای که چه ماشین‌ها بسیار باهوش باشند و چه کودن، در هر صورت وجود خواهد داشت. خواندن این کتاب غیرداستانی، به رغم موضوع نگران‌کننده‌ای که دارد، جذاب و لذت‌بخش است بخصوص جاهایی که به رمان‌های علمی-تخیلی نزدیک می‌شود.

(دانلود کتاب با فرمت pdf)

اما کتاب الگوریتم اصلی، متنی گسترده‌تر است که جنبه‌های تکنیکی و فنی هوش مصنوعی را به شکلی عالی معرفی و تشریح می‌کند. شما را گام‌به‌گام با ایده‌ها و اجزای اولیه هوش مصنوعی (از الگوریتم‌های تکاملی تا احتمالات بیزی) آشنا کرده و در عین حال به شما نشان می‌دهد که یادگیری ماشینی به عنوان حوزه‌ای میان‌رشته‌ای چگونه با روان‌شناسی و نوروساینس ارتباط پیدا می‌کند. به نظر من دومینیگوس گاه گاه قدرت خام هوش مصنوعی را زیادتر از حد برآورد می‌کند. این ماشین‌ها در هر حال جادویی نیستند و همان‌طور که برخی کتاب‌های همین لیست هم اشاره کرده‌اند، مشکلات و باگ‌هایی هم دارند. اما همین موضوع هم می‌تواند به ما یادآوری کند که پتانسیل‌های این فناوری تا چه حد می تواند ما را هیپنوتیزم کند.

(دانلود کتاب با فرمت pdf یا epub)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *