Jak myślą inteligentne maszyny

Książka przedstawia wciągający i dostępny przegląd rewolucyjnych odkryć w obszarze nienaturalnej inteligencji i uczenia maszynowego, które uczyniły dzisiejsze maszyny tak inteligentnymi. Autor Sean Gerrish opisuje: architekturę oprogramowania, która pozwala samochodom autonomicznym pozostać na drodze i poruszać się po zatłoczonym środowisku miejskim, konkurs Netflix’a z nagrodą w wysokości miliona dolarów na ulepszony silnik rekomendacji, w jaki sposób programiści wyszkolili komputery, by wykonywały określone zachowania, proponując im smakołyki, tak jakby trenowali psa, sławne zwycięstwo Watsona w Jeopardy!

i przygląda się temu, jak komputery grają w gry na przykładzie AlphaGo i Deep Blue, które pokonały ówczesnych mistrzów świata w grach strategicznych go i szachach. Komputery nie opanowały jeszcze jednak wszelkiego.

Autor pokazuje trudności w tworzeniu inteligentnych agentów, którzy mogą z powodzeniem grać w gry strategiczne takie jak StarCraft. Entuzjaści nauki i technologii uznają tę książkę za konieczny przewodnik po przyszłości, w której maszyny mogą przechytrzyć ludzi.

Sean Gerrish jest menedżerem w zespole ds. Inżynierii oprogramowania w Google. W swojej obecnej firmie pracował na zróżnicowanych stanowiskach w zakresie uczenia maszynowego i inżynierii danych. Wcześniej zajmował się tym jeszcze w Teza Technologies.

Uzyskał tytuł doktora w dziedzinie uczenia maszynowego na Uniwersytecie Princeton. „W tym klarownym i dostępnym przewodniku Gerrish demonstruje swoją niezwykłą zdolność do wyjaśniania działania najmocniej imponujących, złożonych aplikacji AI...

równocześnie dla specjalistów, jak i niespecjalistów". - Business Digest „Jeśli kiedykolwiek zastanawiałeś się, jak działają samochody autonomiczne, w jaki sposób Netflix stworzył swój system rekomendacji i jak Watson autorstwa IBM pokonał mistrzów w Jeopardy!, ta książka jest dla Ciebie." - Robotics Business Review „Świeże i współczesne spojrzenie na sztuczną inteligencję, uczenie maszynowe i głębokie uczenie".

- Inside Big Data