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:
نویسندگان: Brian Christian
سری:
ISBN (شابک) : 9780393635836, 9780393635829
ناشر: W. W. Norton & Company
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب The Alignment Problem 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 مشکل تراز 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.
کاوشی شگفتانگیز از همه چیزهایی که هنگام ساختن سیستمهای هوش مصنوعی و حرکت برای تعمیر آنها اشتباه پیش میرود. سیستمهای «یادگیری ماشینی» امروزی که توسط دادهها آموزش داده شدهاند، آنقدر مؤثر هستند که از آنها دعوت کردهایم ببینند و بشنوند - و از طرف ما تصمیم بگیرند. اما زنگ خطر به صدا در می آید. سالهای اخیر با پیشرفت حوزه یادگیری ماشینی، شاهد فوران نگرانیها بودهایم. وقتی سیستمهایی که ما سعی در آموزش آنها را داریم، در نهایت آنچه را که ما میخواهیم یا انتظار داریم انجام نمیدهند، خطرات اخلاقی و بالقوه وجودی ظاهر میشوند. محققان به این مشکل هم ترازی می گویند. سیستمها رزومهها را جمعآوری میکنند تا اینکه سالها بعد متوجه میشویم که آنها دارای تعصبات جنسی ذاتی هستند. الگوریتمها وثیقه و آزادی مشروط را تعیین میکنند - و به نظر میرسد که متهمان سیاه و سفید را متفاوت ارزیابی میکنند. ما دیگر نمی توانیم فرض کنیم که درخواست وام مسکن ما یا حتی آزمایش های پزشکی ما با چشم انسان دیده می شود. و همانطور که وسایل نقلیه خودران خیابان های ما را به اشتراک می گذارند، ما به طور فزاینده ای زندگی خود را در دست آنها می گذاریم. مدلهای ریاضی و محاسباتی که این تغییرات را هدایت میکنند، دارای پیچیدگی هستند، از چیزی که میتواند در یک صفحهگسترده قرار بگیرد تا یک سیستم پیچیده که بهطور باورپذیری میتوان آن را «هوش مصنوعی» نامید. آنها به طور پیوسته جایگزین قضاوت انسانی و نرم افزارهای برنامه ریزی شده صریح می شوند. در گزارش پرفروش برایان کریستین، نویسنده پرفروش برایان کریستین، با «اولین پاسخ دهندگان» مشکل همترازی روبرو میشویم و برنامه بلندپروازانه آنها را برای حل آن قبل از اینکه دستمان کاملاً از چرخش خارج شود، یاد میگیریم. کریستین در ترکیبی استادانه از تاریخ و گزارشهای روی زمین، رشد انفجاری در زمینه یادگیری ماشینی را دنبال میکند و مرزهای کنونی و گسترده آن را بررسی میکند. خوانندگان با رشتهای مواجه میشوند که در میان پیشرفتهای هیجانانگیز و گاه وحشتناک، پاهای خود را پیدا میکند. این که آیا آنها - و ما - در حل مشکل همسویی موفق می شوند یا شکست می خورند، یک داستان تعیین کننده برای انسان خواهد بود. مشکل همسویی یک محاسبه سرسخت با سوگیری ها و نقاط کور بشریت، مفروضات بیان نشده و اهداف اغلب متناقض ما ارائه می دهد. این اثر خیرهکنندهای بین رشتهای است که نه تنها به فناوری بلکه به فرهنگ ما نگاه میکند و داستانی دلخراش و امیدوارکننده پیدا میکند.
A jaw-dropping exploration of everything that goes wrong when we build AI systems and the movement to fix them. Today’s “machine-learning” systems, trained by data, are so effective that we’ve invited them to see and hear for us—and to make decisions on our behalf. But alarm bells are ringing. Recent years have seen an eruption of concern as the field of machine learning advances. When the systems we attempt to teach will not, in the end, do what we want or what we expect, ethical and potentially existential risks emerge. Researchers call this the alignment problem. Systems cull résumés until, years later, we discover that they have inherent gender biases. Algorithms decide bail and parole—and appear to assess Black and White defendants differently. We can no longer assume that our mortgage application, or even our medical tests, will be seen by human eyes. And as autonomous vehicles share our streets, we are increasingly putting our lives in their hands. The mathematical and computational models driving these changes range in complexity from something that can fit on a spreadsheet to a complex system that might credibly be called “artificial intelligence.” They are steadily replacing both human judgment and explicitly programmed software. In best-selling author Brian Christian’s riveting account, we meet the alignment problem’s “first-responders,” and learn their ambitious plan to solve it before our hands are completely off the wheel. In a masterful blend of history and on-the ground reporting, Christian traces the explosive growth in the field of machine learning and surveys its current, sprawling frontier. Readers encounter a discipline finding its legs amid exhilarating and sometimes terrifying progress. Whether they—and we—succeed or fail in solving the alignment problem will be a defining human story. The Alignment Problem offers an unflinching reckoning with humanity’s biases and blind spots, our own unstated assumptions and often contradictory goals. A dazzlingly interdisciplinary work, it takes a hard look not only at our technology but at our culture—and finds a story by turns harrowing and hopeful.
Title Contents Prologue Introduction I. Prophecy 1. Representation 2. Fairness 3. Transparency II. Agency 4. Reinforcement 5. Shaping 6. Curiosity III. Normativity 7. Imitation 8. Inference 9. Uncertainty Conclusion Acknowledgments Notes Bibliography Index Also by Brian Christian About the Author Copyright