我们的 HAI 社区提供了他们正在阅读的最好的人工智能书籍。

2022 年 8 月 3 日
作者 Shana Lynch 莎娜·林奇
译者 Xiaohu Zhu 朱小虎

今年夏天我们问我们跨社交媒体渠道的 HAI 社区他们会推荐哪些关于人工智能的书籍。下次您访问当地书商时，这里有一些书可供您阅读，从一般兴趣到从业者的深入研究以及一些来自小说过道的书籍。

通用人工智能

• 病毒正义（Viral Justice）作者 Ruha Benjamin

本杰明是一位专注于种族、技术和正义的开创性学者。在这本书中，她提供了对可以产生重大影响的小决定的个人观点 我们的生活和社会。

• 天才创客（Genius Makers）作者 Cade Metz

Metz 曾为《纽约时报》和《连线》杂志报道科技行业，将 AI 研究人员和企业领导人竞相引领这一新兴技术的故事编织在一起，突出了商业激励与科学和国家利益之间的冲突和人类的担忧。

• 人类兼容（Human Compatible）作者 Stuart Russell

中文版已经引进出版

计算机科学家 Russell 说，如果我们重新考虑如何构建这些机器，人类和 AI 之间的冲突是可以避免的。他建议建立一个新的基础来创造无私的人工智能。

• 对齐问题（The Alignment Problem）作者 Brian Cristian

中文版已经引进，将出版

在本书中，Cristian 详细介绍了对齐问题（当我们训练的 AI 系统没有按照我们的预期运行时）、所有可能出错的可怕事情以及修复它们的运动。

• 奇点临近（The Singularity is Nearer）作者 Ray Kurzweil

中文版已经引进出版

作为他 2005 年著作的后续，未来学家 Kurzweil 评估了他早期的预测并解决了包括激进的寿命延长、纳米机器人、人工智能的影响在内的主题 关于失业、自动驾驶汽车等。

• 生命3.0（Life 3.0: Being Human in the Age of AI）作者 Max Tegmark

中文版已经引进出版

麻省理工学院的 Tegmark 解决了 AI 中的一些最大问题。它将如何影响工作？会有人工智能军备竞赛吗？它将如何影响犯罪？他要求我们考虑随着这项技术变得越来越普遍，我们想要什么样的未来。

• 人工智能：人类思维指南（Artificial Intelligence: A Guide for Thinking Humans）作者 Melanie Mitchell

当今的系统有多智能？计算机科学家 Mitchell 向读者展示了他们实际上可以做什么以及我们的想象认为他们可以做什么，对这项技术、它的成就和它的问题提供了有用的概述。

• 爱的机器：人类和机器人之间的共同点的追求（Machines of Loving Grace: The Quest for Common Ground Between Humans and Robots）作者 John Markoff

机器会帮助还是取代我们？纽约时报记者和前斯坦福大学 HAI 研究员 Markoff 着眼于人类与机器之间的历史关系，并表明我们正处于技术新时代的边缘 革命，我们必须非常仔细地考虑如何将机器人融入我们的生活。

• Cybernetic Revolutionaries: Technology and Politics in Allende’s Chile, by Eden Medina

印第安纳大学的麦地那写了关于智利两场失败的革命——一场是萨尔瓦多·阿连德领导下的社会主义政权更迭，另一场被称为 Cybersyn 计划，试图通过智能计算机系统管理经济.

• 预测机器（Prediction Machines）作者 Ajax Agrawal、Joshua Gans 和 Avi Goldfarb

三位经济学家将 AI 定义为预测，并展示了公司、政策制定者和投资者如何将其用于战略、新业务结构和更好的决策工具。

• 第二个机器时代：辉煌技术时代的工作、进步和繁荣 （The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies）作者 Erik Brynjolfsson 和 Andrew McAfee

斯坦福数字经济实验室主任 Brynjolfsson 和麻省理工学院科学家 McAfee 展示了数字技术如何颠覆了我们的工作方式和生活方式，并且正在迅速发展正如我们所知，改变经济 它。

人工智能和人类智能

• 心智社会（The Society of Mind）作者 Marvin Minsky

什么是心智，它是如何工作的？在 1986 年的这本书中，麻省理工学院人工智能实验室的联合创始人明斯基提供了一个人类认知模型，即一系列与简单部分的交互，并深入研究了包括语言、记忆和意识在内的主题。

• Gödel, Escher, Bach: An Eternal Golden Braid, 作者 Douglas R. Hofstadter

这本 1979 年获得普利策奖的书探讨了数学、对称性和智能，并讨论了系统如何在由无意义的部分组成时获得有意义的上下文。 “这可能很困难，但绝对值得付出努力，”推荐人说。

• 思想是什么（What is thought），作者 Eric Baum

学者 Baum 提出了思想的计算解释，并探索了计算机科学家可以从理解人类智能的进化中学到什么。

教科书/实践者

• 人工智能的政治哲学导引（The Political Philosophy of AI: An Introduction）作者 Mark Coeckelbergh

虽然这本书是推荐给我们的学生读者的，但任何人都可以在探索与人工智能相关的政治挑战中找到从歧视和监视到有效的民主的价值。

• Grokking Deep Reinforcement Learning，作者 Miguel Morales

在深入探讨深度强化学习的过程中，Morales 提供了该方法的概述，并附有插图、练习和实际应用。微软研究院 AI4Science 主任 Christopher M. Bishop Bishop 撰写的模式识别和机器学习在这本教科书中详细介绍了贝叶斯方法的发展，同时还介绍了模式识别和机器学习。

• 深度学习（Deep Learning） 作者 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville

三位作者探讨了深度学习的数学背景、从表示学习到深度生成模型的几个研究视角，以及工业中使用的技术，包括 NLP、计算机视觉和优化算法。

• 从零开始学习神经网络（Neural Networks from Scratch） 作者 Harrison Kinsley 和 Daniel Kukieła

学习编码神经元、创建层、计算损失和进行反向传播，以及一些有关 ML 算法结构的一般背景知识。

• 强化学习：智能体的工业应用（Reinforcement Learning Industrial Applications of Intelligent Agents）作者 Phil Winder

为专业人士编写的这本书探讨了强化学习的状态、各种算法和框架以及现实生活中的工业应用。

• 可信机器学习（Trustworthy Machine Learning） 作者 Kush Varshney

IBM 杰出研究员 Varshney 表示，当您为重要应用程序训练 ML 系统时，准确性是不够的。模型必须是公平的、可理解的、透明的、包容的，并且不能在不同的条件下分崩离析。

小说

• 阿尔杰农之花（Flowers for Algernon）作者 Daniel Keyes

在这部小说中，一个智商低的人参加了一项旨在提高他的智力的实验，他发现自己正在努力对自己的人际关系、过去和现在的自己进行新的思考。 “这是探索生命力的最迷人的书籍之一 通过人工智能了解人类大脑，”我们的推荐人指出。

• 人工智能 2041：我们未来的十个愿景（AI 2041: Ten Visions for our Future），作者陈楸帆和李开复

人工智能将给我们的生活和社会带来不可思议的变化，也带来不可思议的危险。这 10 个短篇小说以可怕和迷人的方式想象了 2041 年由人工智能塑造的世界。