《如何创造可信的AI》内容简介

当下的AI存在哪些风险？真的有可信的AI吗？ 理想的AI与现实的AI之间究竟存在哪些差距？ 如何构建人类和AI之间的信任？ 关于人工智能的炒作总是甚嚣尘上，但要得到真正可信的AI，却远比想象的要复杂得多，超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解，而不是简单地统计分析数据。本书勾勒了未来人工智能发展的最佳路线图，对当前人工智能的现状进行了清晰且客观的评估。
作者盖瑞·马库斯是人工智能领域的专家，同时还是心理学和神经科学教授，在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底，并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时，他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性，《如何创造可信的AI》这本书正是马库斯对他关于人工智能观点的最佳总结。
盖瑞·马库斯和欧内斯特·戴维斯从深度学习算法固有的缺陷出发，阐述了当下AI技术发展的桎梏，对当前AI的场景应用和研究范式中的问题进行了分析，他指出AI真正的问题在于信任，常识才是深度理解的关键。最终从认知科学中提炼出了11条对人工智能发展方面的启示，以通用人工智能为发展目标，给出了未来AI技术的一种发展方向。
盖瑞·马库斯（Gary Marcus），新硅谷机器人创业公司AI首席执行官兼创始人。机器学习公司“几何智能”首席执行官兼创始人，该公司于2016年被优步收购，随后马库斯在优步创立了人工智能实验室。纽约大学心理学和神经科学教授。研究方向跨越人类和动物的行为，涉及神经科学、心理学、人工智能等多个领域。1994年于麻省理工学院博士毕业，师从心理学大师史蒂芬·平克。
欧内斯特·戴维斯（Ernest Davis），纽约大学柯朗数学科学研究所计算机科学教授，人工智能领域科学家。

作品目录

赞誉
推荐序
可信的AI
第1章：AI该往何处走
真的有可信的AI吗
狭义AI与广义AI
理想与现实之间的鸿沟
如何跨越AI鸿沟
第2章：当下AI的9个风险
机器人有暴力倾向吗
机器也会犯错
当下AI的9个风险
第3章：深度学习的好与坏
人工智能>机器学习>深度学习
什么是深度学习
深度学习的三个核心问题
深度学习是一个“美好”的悲剧
第4章：计算机若真有那么聪明，为什么还不会阅读
Talk
to
Books无法回答一切问题
人是怎样阅读的
搜索引擎和语音虚拟助手的困惑
计算机不会阅读的三大原因
常识很重要
第5章：哪里有真正的机器人管家
从扫地机器人到机器人管家
机器人管家必备的四个能力
认知模型和深度理解才是关键
第6章：从认知科学中获得的11个启示
从认知科学中获得的11个启示
为机器赋予常识
第7章：常识，实现深度理解的关键
建立常识库的三种方法
知识表征
通用人工智能应具备的常识
推理能力
常识，深度理解的关键
第8章：创造可信的AI
优秀的工程实践
用深度理解取代深度学习
赋予机器道德价值观
重启AI
后记
致谢
推荐书目
参考文献