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.
Рассказывает Даниель Джеффрис
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.
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:
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.
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.
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.