Иван Бирюков

Что делать, если вы хотите изучать ИИ, но не шарите в математике? Часть первая. Теория

Рекомендуемые книги и теория для тех, кто хочет изучить искусственный интеллект (ИИ) и заниматься им профессионально, но имеет слабую математическую базу.

44248

Рассказывает Даниель Джеффрис 

На данный момент этот блок не поддерживается, но мы не забыли о нём!Наша команда уже занята его разработкой, он будет доступен в ближайшее время.

Вы наверняка заинтересованы искусственным интеллектом.

Может, вы бы хотели копнуть поглубже и написать программу для распознавания изображений на базе TensorFlow или Theano; может, вы отличный специалист в программировании или архитектурах систем и прекрасно разбираетесь во всём, что связано с компьютерами; всё это неплохо, но если одна маленькая проблема: 

Вы не шарите в математике.

Это нормально! У меня была такая же проблема, и я готов поделиться с вами книгами и сайтами, которые помогут вам быстро разобраться в теме.

Как и многие из вас, я полюбил умную технику не во время пар по матану, а при знакомстве с научной фантастикой. Когда я смотрел “Космическую одиссею” и “Призрака в доспехах”, то представлял, как величественная сущность однажды выйдёт из сияющего моря информации и объявит себя разумной. В дальнейшем, когда я стал писать книги в жанре sci-fi, я представлял ИИ как скрытую силу, которая находится всегда и везде, как электричество.

Но всё шло не так гладко. Почти ничего из обещаний 80-х и 90-х не сбылось. Всё изменилось совсем недавно, после внезапного успеха глубинного обучения. Может, вы вспомните историю о том, как Google почти мгновенно улучшила свои сервисы настолько, что они стали способны давать фору опытным переводчикам? А может, ту, что рассказывала о пареньке, собравшем в своём гараже беспилотную машину при помощи открытого софта? Ещё можно взглянуть на диаграмму ниже и понять, что за несколько лет системы распознавания изображений стали справляться с задачами лучше людей.

Что делать, если вы хотите изучать ИИ, но не шарите в математике? Часть первая. Теория 1

Так или иначе, ИИ помогает решать большие проблемы, которые оставались нерешёнными в течение десятилетий. Мы умеем водить автомобили, но не можем сказать машинам, как это делать. Так почему бы не дать им научиться этому самостоятельно?

Лучшие исследователи в области ИИ зарабатывают больше футболистов, и вас тоже коснётся эта “золотая лихорадка”. Кроме того, вы наверняка слышали эти страшные истории о том, что ИИ будет выполнять всю работу за вас, и, будучи простым разработчиком или сисадмином, вы хотите получить необходимые навыки для выживания в будущем мире ИИ. Проблем с этим нет. В Сети есть куча руководств. Стоит только начать, так?

Но потом вы наткнётесь на что-то подобное в какой-нибудь книге по машинному обучению:

Что делать, если вы хотите изучать ИИ, но не шарите в математике? Часть первая. Теория 2

Ух ты.

Беда в том, что вам нужно разобраться с целым слоем взаимосвязанных логики, терминов, символов и идей, о котором вы не имеете ни малейшего понятия. Как инопланетный язык, право слово. Вступление вы ещё поймёте, а всё остальное — вряд ли.

Но не стоит бояться! Ещё не всё потеряно.

Я попробовал прочитать несколько книг и руководств по ИИ. Я интуитивно понимаю принципы. Но когда я вижу строку символов, мой мозг взрывается. Будучи системным архитектором, я редко сталкивался с математикой. У меня есть шпаргалки по IP подсетей, и знания о том, как далеко по проводу может пойти электричество. Большую часть своей жизни мне достаточно было понимать, как настроить систему и поддерживать её в рабочем состоянии. Системное администрирование вообще очень простое. Всё или работает, или нет. С ИИ же всё не так просто.

Мне нужны были материалы для взрослых, в которых к читателю относятся, как к взрослому. Также мне нужны были книги, которые объясняют, почему математика работает. В школе резоном учиться скорее всего были угрозы родителей, но теперь, когда вы повзрослели, это не поможет. Вы хотите узнать, как устроены вещи.

На данный момент этот блок не поддерживается, но мы не забыли о нём!Наша команда уже занята его разработкой, он будет доступен в ближайшее время.

После этого стоит прочесть ещё две книги: Mathematics for the Nonmathemetician и No Bullshit Guide to Math and Physics. Первая гораздо длиннее: она углубляется в историю математики и принципы её устройства. Некоторым понравится таком подход. Вторая же короче и не объясняет, почему что-то работает так, как работает. По сути, это просто набор правил.

На данный момент этот блок не поддерживается, но мы не забыли о нём!Наша команда уже занята его разработкой, он будет доступен в ближайшее время.

После этой книги вам стоит поискать информацию в Сети. Различные руководства выходят буквально каждый день. Взгляните, например, на Tensorflow for Poets или Recurrent Neural Networks for Artists. Также можно прочитать эту статью, обозревающую различные курсы для повышения своих навыков. А если вы предпочитаете учиться в одиночку, то вам пригодятся эти серии статей: Simple Reinforcement Learning with Tensorflow и Machine Learning is Fun.

И, наконец, вы можете захотеть почитать что-то более серьёзное. В таком случае вам понадобится книга Deep Learning.

Вот и всё. Делитесь своими книгами в комментариях, ведь у всех разные вкусы, да и книг по этой теме написано тоже очень много.

44248