دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [2024 ed.]
نویسندگان: Patrick Krauss
سری:
ISBN (شابک) : 3662689790, 9783662689790
ناشر: Springer
سال نشر: 2024
تعداد صفحات: 272
[258]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Artificial Intelligence and Brain Research: Neural Networks, Deep Learning and the Future of Cognition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی و تحقیقات مغز: شبکه های عصبی، یادگیری عمیق و آینده شناخت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
هوش مصنوعی (AI) چگونه کار می کند و آیا مشابهی با مغز انسان وجود دارد؟ هوش طبیعی و مصنوعی چه مشترکاتی دارند و چه تفاوت هایی با هم دارند؟ آیا مغز چیزی بیش از یک کامپیوتر بیولوژیکی نیست؟ شبکه های عصبی چیست و چگونه می توان اصطلاح یادگیری عمیق را به سادگی توضیح داد؟ از زمان انقلاب شناختی در اواسط قرن گذشته، هوش مصنوعی و تحقیقات مغز از نزدیک در هم تنیده شده اند. در سال های اخیر چندین پیشرفت چشمگیر در زمینه هوش مصنوعی از alphaGo گرفته تا DALL-E 2 و ChatGPT رخ داده است که تا همین اواخر کاملاً غیرقابل تصور بود. با این حال، محققان در حال حاضر روی نوآوریهای فردا، مانند یادگیری ماشین ترکیبی یا هوش مصنوعی عصبی-سمبلیک کار میکنند. اما این در واقع چه معنایی دارد؟ این کتاب غیرداستانی بر اساس یافتههای پژوهشی کنونی و مثالهای کاربردی هیجانانگیز، مقدمهای قابل درک از مبانی و چالشهای این رشتههای جذاب ارائه میدهد. شما خواهید آموخت که علوم اعصاب و روانشناسی در مورد نحوه عملکرد مغز و نحوه عملکرد هوش مصنوعی چه می دانند. همچنین خواهید آموخت که چگونه هوش مصنوعی درک ما از مغز را متحول کرده است و چگونه از یافته های تحقیقات مغز در علوم کامپیوتر برای توسعه بیشتر الگوریتم های هوش مصنوعی استفاده می شود. دنیای جذاب این دو رشته را کشف کنید. دریابید که چرا هوش مصنوعی و تحقیقات مغز دو روی یک سکه هستند و چگونه آینده ما را شکل خواهند داد.
How does artificial intelligence (AI) work and are there parallels to the human brain? What do natural and artificial intelligence have in common, and what are the differences? Is the brain nothing more than a biological computer? What are neural networks and how can the term deep learning be explained simply? Since the cognitive revolution in the middle of the last century, AI and brain research have been closely intertwined. There have been several spectacular breakthroughs in the field of AI in recent years, from alphaGo to DALL-E 2 and ChatGPT, which were completely unthinkable until recently. However, researchers are already working on the innovations of tomorrow, such as hybrid machine learning or neuro-symbolic AI. But what does this actually mean? Based on current research findings and exciting practical examples, this non-fiction book provides an understandable introduction to the basics and challenges of these fascinating disciplines. You will learn what neuroscience and psychology know about how the brain works and how artificial intelligence works. You will also learn how AI has revolutionized our understanding of the brain and how findings from brain research are used in computer science to further develop AI algorithms. Discover the fascinating world of these two disciplines. Find out why artificial intelligence and brain research are two sides of the same coin and how they will shape our future.
Preface Contents 1 Introduction ChatGPT Passes the Turing Test The Next Affront Artificial Intelligence and Brain Research Too Blind to See the Elephant Brain-Computer Analogy Computationalism Functionalism Conclusion References Part I Brain Research 2 The Most Complex System in the Universe The Brain in Numbers How Many Different Brains Can There Be? How Many Different Mental States are Possible? Conclusion References 3 Building Blocks of the Nervous System Neurons and Synapses Neuroplasticity Glia Cells Conclusion References 4 Organization of the Nervous System Modularity of the Nervous System Spinal Cord and Brainstem The Thalamus The Cortex The Hippocampus The Basal Ganglia The Cerebellum Conclusion References 5 Organization of the Cortex Division of the Cortex into Hemispheres and Lobes Columns: The Radial Organization of the Cortex Layers: The Vertical Organization of the Cortex Brodmann Areas Maps in the Head The Canonical Circuit of the Cortex Hierarchy of Cortical Areas Conclusion References 6 Methods of Brain Research Imaging Techniques: Watching the Brain Think CT PET MRI EEG and MEG Event-related Potentials and Fields Intracranial EEG Conclusion References 7 Memory Memory as an Information Processing System Sensory Memory Short-term Memory Working Memory Long-term Memory Conclusion References 8 Language How does Man Come to Language? Noam Chomsky’s Universal Grammar Cognitive Linguistics: Usage-Based Approaches Language in the Brain Conclusion References 9 Consciousness An age-old mystery Monism and Dualism What is it Like to be a Bat? Consciousness as a Useful Illusion? Limits of the Philosophy of Mind Neural Correlates of Consciousness Integrated Information Theory Is the Brain a Quantum Computer? Global Workspace Theory The feeling of what happens!—Damasio’s Model of Consciousness Emotions and Feelings Hierarchies of Consciousness Explanatory Power of Damasio’s Model Conclusion References 10 Free Will Is Free will Just a Pious Wish? The Libet Experiment Conclusion References Part II Artificial Intelligence 11 What is Artificial Intelligence? History of AI Concept Clarification Machine Learning and Pattern Recognition Deep Learning Conclusion References 12 How Does Artificial Intelligence Learn? Artificial Neuron Artificial Neural Networks Supervised Learning Unsupervised Learning Self-supervised Learning Neurons for Cats and Jennifer Aniston Reinforcement Learning Conclusion References 13 Game-playing Artificial Intelligence Video Games Go and Chess AlphaGo Achieves the Breakthrough Conclusion References 14 Recurrent Neural Networks Recurrence in the Brain Recurrence in Artificial Neural Networks LSTMs Elman Networks Highly Recurrent Neural Networks Difficulty in Training Recurrent Networks Conclusion References 15 Creativity: Generative Artificial Intelligence What is Creativity? Deep Dreaming: When the Input is Trained, Not the Network Style Transfer Generative Adversarial Networks Diffusion Models Conclusion References 16 Talking AI: ChatGPT and Co. A Brief History of Natural Language Processing Word Vectors Transformer The GPT Series ChatGPT Speech Interfaces Conclusion References 17 What are AI Developers Researching Today? Learning to Learn Few-Shot Learning One-Shot Learning Zero-Shot Learning Transfer Learning Meta-Learning Hybrid Machine Learning Conclusion References Part III Challenges 18 Challenges of AI It’s All About the Data Hallucinating Chatbots Dangerous Stickers and Other Attacks Alchemy, Reproducibility, and Black Boxes A Critical Appraisal Conclusion References 19 Challenges of Brain Research Three Major Challenges Can a Biologist Fix a Radio? The Story of the Neuroscientists and the Alien Computer Could a Neuroscientist Understand a Microprocessor? Conclusion: What Does It Mean to Understand a System? References Part IV Integration 20 AI as a Tool in Brain Research Big Data in Brain Research Analysis and Visualization of Sleep Stages Narratives, Audiobooks, and Mind Reading Inception Loops Conclusion References 21 AI as a Model for the Brain Cognitive Computational Neuroscience Visual Processing Spatial Navigation and Language Processing Conclusion References 22 Understanding AI Better with Brain Research Neuroscience 2.0 Lesions Visualization Network Visualization Feature Visualization Conclusion References 23 The Brain as a Template for AI Neuroscience-Inspired AI Noise in Networks Random Connections and Architectures Conclusion References 24 Outlook Conscious Machines? The Turing Test The Chinese Room The Grounding Problem Conclusion: Do we even want conscious machines? AI Apocalypse Who is Training Whom Here? Outlook: Singularity, Uploads, Holodecks References Glossary