人工智能图书馆 — World AI Innovation

技术性 / 进阶2020 (4th ed.)

人工智能：现代方法 (Artificial Intelligence: A Modern Approach)

人工智能领域的标准大学教材。

作者: Stuart Russell & Peter Norvig出版社: Pearson

关于本书: 全球各大学人工智能课程所采用的权威参考教材。它涵盖整个领域——搜索、逻辑、规划、概率推理、机器学习、自然语言、机器人——并在第四版中着重探讨了安全问题以及如何设计始终对人类有益的人工智能。
内容概要: 罗素（Russell）和诺维格（Norvig）将智能体定义为能感知环境并采取行动以实现目标的事物，然后以此为基础构建整个学科。本书从经典问题求解和搜索出发，经由知识表示和不确定性推理，到从数据中学习、深度学习、语言与感知，最后以人工智能的哲学、伦理和未来收尾。每章末尾均附有习题和文献注释。
适合谁阅读: 学生、工程师，以及任何希望获得一幅严谨而完整的领域全景图的人。
为何重要: 如果您只读一本人工智能技术书籍，就读这本。它颇具挑战性，但它教给您的是这个领域如何思考，而不仅仅是它在做什么。

图书页面

技术性 / 进阶2016

深度学习 (Deep Learning)

神经网络领域的奠基之作。

作者: Ian Goodfellow, Yoshua Bengio & Aaron Courville出版社: MIT Press

关于本书: 本书由塑造了现代深度学习的三位研究者撰写，阐释了当今神经网络背后的数学原理和方法。全书可在线免费阅读，这使其成为一代从业者的共同基础。
内容概要: 本书以读者所需的线性代数、概率论和数值计算开篇，随后构建深度前馈网络、正则化、优化、卷积网络和循环网络以及实践方法论。最后一部分综述了自编码器、表示学习和生成模型等研究课题。本书写于 Transformer 时代之前，但至今仍是对大语言模型所依赖的基础最清晰的阐述。
适合谁阅读: 具备一定数学基础的从业者和研究生。
为何重要: 您将理解现代模型为何有效，而不仅仅是如何调用它们。

图书页面

普通读者2019

人类兼容：人工智能与控制问题 (Human Compatible: Artificial Intelligence and the Problem of Control)

一位顶尖人工智能科学家论如何确保人工智能始终有益。

作者: Stuart Russell出版社: Viking

关于本书: 标准人工智能教材的合著者斯图尔特·罗素（Stuart Russell）指出，我们定义人工智能的方式——优化固定目标的机器——正是控制问题的根源，并提出一种新的基础：让机器对人类偏好保持不确定，从而服从于人。
内容概要: 本书以通俗语言解释人工智能系统的工作原理，以及为何给一个能力极强的系统设定固定目标可能出错。随后罗素提出了可证明有益的机器的三项原则：机器的唯一目标是实现人类偏好；它最初并不确定这些偏好是什么；人类行为是其信息来源。他讨论了滥用、自主武器、监控以及自动化的经济影响，同时保持乐观，认为只要认真对待，这个问题是可以解决的。
适合谁阅读: 希望以严肃而易读的方式了解人工智能安全的领导者、政策制定者和普通读者。
为何重要: 它将关于人工智能风险的整场讨论从科幻重新定位为工程问题。

图书页面

普通读者2017

生命 3.0：人工智能时代的人类 (Life 3.0: Being Human in the Age of Artificial Intelligence)

一位物理学家对人工智能未来的广角审视。

作者: Max Tegmark出版社: Alfred A. Knopf

关于本书: 麻省理工学院物理学家迈克斯·泰格马克（Max Tegmark）审视了人工智能对工作、法律、战争以及生命长远未来可能意味着什么，并邀请读者思考我们真正想要的是怎样的未来。
内容概要: 泰格马克将生命划分为三个阶段——生物阶段、文化阶段和技术阶段——并追问当技术能够重新设计自身时会发生什么。他探讨了近期问题（就业、武器、法律责任）、高级人工智能可能如何被开发和控制的中期情景，以及关于目标和意识的长远问题。本书呈现了多种情景而不坚持某一种，并以生命未来研究所的故事以及审慎研究的必要性作结。
适合谁阅读: 喜欢宏大问题和清晰解释的好奇读者。
为何重要: 一部关于人工智能利害攸关之处的广泛、平衡的入门读物，出自科学家而非评论家之手。

图书页面

普通读者2020

对齐问题：机器学习与人类价值 (The Alignment Problem: Machine Learning and Human Values)

机器学习系统如何吸收——并扭曲——人类价值观。

作者: Brian Christian出版社: W. W. Norton

关于本书: 布莱恩·克里斯蒂安（Brian Christian）讲述了研究者们努力让机器学习系统做我们真正想要之事的故事，并生动描述了真实的失败案例：带有偏见的招聘工具、有缺陷的风险评分、游戏中的奖励作弊等等。
内容概要: 本书分为三部分。“预言”部分涵盖早期历史以及基于人类数据训练的系统中的偏见与透明度问题。“能动”部分解释强化学习、奖励设计，以及当系统优化错误信号时出现的奇怪行为。“规范”部分转向模仿、推断人类偏好和不确定性。全书中克里斯蒂安采访了从事这些工作的人，使科学内容带着其人文背景一同呈现。
适合谁阅读: 任何在影响他人的决策中部署人工智能的人——人力资源、金融、医疗、公共服务。
为何重要: 它以最易读的方式解释了为什么“模型做了我们训练它做的事”并不等于“模型做了我们想要的事”。

图书页面

人人可读2024

协同智能：与人工智能一起生活和工作 (Co-Intelligence: Living and Working with AI)

与人工智能助手协作的实用指南。

作者: Ethan Mollick出版社: Portfolio / Penguin

关于本书: 沃顿商学院教授伊桑·莫里克（Ethan Mollick）是关于在工作中使用生成式人工智能最具影响力的声音之一，他提出了与人工智能协作的四条规则，并展示了它为创造力、教育和管理带来的改变。
内容概要: 莫里克的规则：始终邀请人工智能参与；做人机协作中的那个人；把人工智能当作一个人来对待（同时记住它并不是人）；并假定您正在使用的模型是您将来会用到的最差的一个。由此出发，他探讨了人工智能作为创意伙伴、同事、导师和教练的角色，借鉴了他自己的课堂实验和关于生产力的早期研究。全书语调务实，并坦率指出这些工具的不足之处。
适合谁阅读: 开始每天使用人工智能的管理者、教师、专业人士和学生。
为何重要: 从好奇走向胜任、负责任的日常使用的最快途径。

图书页面

普通读者2023

即将到来的浪潮：技术、权力与二十一世纪最大的困境 (The Coming Wave: Technology, Power, and the Twenty-first Century's Greatest Dilemma)

DeepMind 联合创始人论如何遏制强大的技术。

作者: Mustafa Suleyman with Michael Bhaskar出版社: Crown

关于本书: DeepMind 联合创始人、后任 Microsoft AI 负责人的穆斯塔法·苏莱曼（Mustafa Suleyman）认为，人工智能与合成生物学构成了一股难以遏制的技术浪潮，并追问社会如何在获取其益处的同时限制灾难性的滥用。
内容概要: 本书阐述了通用技术为何会扩散、这股浪潮为何与众不同（权力不对称、快速演进、自主性），以及遏制失败对国家和机构可能意味着什么。随后苏莱曼提出了一项十步计划，涵盖安全研究、审计、关键节点管控、负责任的开发者、政府能力、国际联盟和公众运动——一种多层次的方法，而非单一的解决方案。
适合谁阅读: 需要从战略高度看待人工智能风险与治理的高管和政策制定者。
为何重要: 作者是亲手打造这项技术的业内人士，却仍主张施加严格约束。

图书页面

人人可读2018 (updated 2022)

预测机器：人工智能的简单经济学 (Prediction Machines: The Simple Economics of Artificial Intelligence)

用一个概念解释人工智能：更廉价的预测。

作者: Ajay Agrawal, Joshua Gans & Avi Goldfarb出版社: Harvard Business Review Press

关于本书: 多伦多大学的三位经济学家将人工智能还原为其经济本质：它让预测变得廉价。从这一个洞见出发，他们推导出企业应如何思考人工智能在哪里创造价值、什么仍属于人类判断，以及如何为此组织起来。
内容概要: 作者解释道，当某样东西变得廉价时，我们会更多地使用它——而预测渗透在无数决策之中。他们将决策拆分为预测、判断、行动和结果，表明人工智能接管了预测，而判断（什么重要，以及我们愿意做出何种取舍）仍由人来掌握。后续章节涵盖工具、工作流程、战略，以及对就业和社会的更广泛影响。更新版增加了部署初期几年的经验教训。
适合谁阅读: 企业领导者以及任何需要决定在人工智能上投资方向的人。
为何重要: 判断哪些人工智能项目值得去做的最清晰的思维模型。

图书页面

普通读者2021

AI 2041：我们未来的十种图景 (AI 2041: Ten Visions for Our Future)

十个故事，每个故事都配有专家分析。

作者: Kai-Fu Lee & Chen Qiufan出版社: Currency

关于本书: 人工智能先驱李开复与科幻作家陈楸帆以十个发生在世界各地的短篇故事想象 2041 年，每个故事之后都附有李开复对相关技术及其可信度的非虚构分析。
内容概要: 这些故事涉及保险业中的深度学习、教育中的人工智能、虚拟伴侣、自动驾驶汽车、深度伪造、医疗保健、工作岗位的替代等等——场景遍及孟买、拉各斯和上海等地。每个故事之后，李开复都会解释其中的科学：这项技术如何运作、目前处于什么阶段，以及哪些风险和防护措施至关重要。这种组合使抽象的能力变得具体可感。
适合谁阅读: 通过故事学习效果最好的读者，以及寻找讨论素材的教育工作者。
为何重要: 一本难得的书，让未来变得具体、有人情味且可供讨论。

图书页面

人人可读2023

我看见的世界：人工智能黎明时期的好奇、探索与发现 (The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI)

ImageNet 背后那位科学家的回忆录。

作者: Fei-Fei Li出版社: Flatiron Books

关于本书: 斯坦福大学科学家李飞飞的 ImageNet 数据集助燃了深度学习革命。她在书中讲述自己的故事——从少年时期移居美国，到在斯坦福大学和谷歌领导研究——并在其中穿插了一部清晰的现代人工智能史。
内容概要: 这部回忆录追溯了李飞飞在物理学、神经科学和计算机视觉领域的历程，以及她执着的信念：机器需要多得多的数据才能学会“看”。书中以人性化的笔触解释了 ImageNet 如何诞生、2012 年的突破意味着什么，以及为何她如今倡导增强而非取代人类的“以人为本的人工智能”。个人故事与科学故事相互映照。
适合谁阅读: 学生、家长，以及任何想了解技术背后人文故事的人。
为何重要: 它表明人工智能革命是由有疑虑、有挫折、有价值观的人创造的——而非出于必然。

图书页面