Artificial Intelligence: A Modern Approach, Global Edition, 4th Edition

تاریخ: 1400/05/05 20:43
توسط: MotoMan
امتیاز: ۱
تعداد بازدید: ۶۹۵۷
دیدگاه ها: ۰
کتاب Artificial Intelligence: A Modern Approach, Global Edition, 4th Edition
Pearson
Stuart Russell, Peter Norvig
9781292401133
2021
1167
English

هوش مصنوعی (AI) حوزه ای بزرگ است و این نیز یک کتاب بزرگ است. ما سعی کرده ایم تا وسعت کامل این رشته را که شامل منطق، احتمالات و ریاضیات پیوسته، ادراک، استدلال، یادگیری و عمل، انصاف، اعتماد، خیر اجتماعی و امنیت، و کاربرد هایی از دستگاه‌های میکرو الکترونیک و کاوشگران سیاره ای رباتیک گرفته تا خدمات آنلاین به میلیاردها کاربر را بررسی کنیم.

عنوان فرعی این کتاب «رویکردی مدرن» است. این بدان معنی است که ما داستان را از منظر فعلی تعریف کرده ایم. ما آنچه که اکنون شناخته شده را در یک چارچوب مشترک ترکیب می‌کنیم و کارهای اولیه را با استفاده از ایده‌ها و اصطلاحاتی که امروزه رایج است باز آفرینی می‌کنیم. ما از کسانی که زیرشاخه هایشان کمتر قابل تشخیص است عذرخواهی می‌کنیم.

کتاب Artificial Intelligence: A Modern Approach, Global Edition, 4th Edition، جامع‌ترین و به روزترین مقدمه در مورد تئوری و کاربرد هوش مصنوعی است. ویرایش چهارم کتاب «هوش مصنوعی: یک رویکرد مدرن» به بررسی گستردگی و عمق حوزه هوش مصنوعی (AI) می‌پردازد. این ویرایش، خوانندگان را به جدید‌ترین فن آوری‌ها به روز می‌کند، مفاهیم را به روشی واحد‌تر ارائه می‌دهد و پوشش جدید و گسترده ای از یادگیری ماشین، یادگیری عمیق، انتقال یادگیری، سیستم‌های چند عاملی، رباتیک، پردازش زبان طبیعی، علیت، برنامه نویسی احتمالی، حریم خصوصی، انصاف و هوش مصنوعی امن ارائه می‌دهد.


تغییراتی که ویرایش چهارم کتاب «هوش مصنوعی: یک رویکرد مدرن» نسبت به ویرایش سوم آن در سال 2010 منعکس می‌کند:

  • ما به دلیل افزایش در دسترس بودن داده، منابع محاسباتی و الگوریتم‌های جدید، بیشتر بر روی یادگیری ماشین متمرکز هستیم تا مهندسی دانش دست ساز.
  • یادگیری عمیق، برنامه نویسی احتمالی و سیستم‌های چند عاملی به صورت گسترده‌تری در هر فصل مجزا پوشش داده شده اند.
  • پوشش درک زبان طبیعی، رباتیک و بینایی ماشین بازنگری شده است تا تأثیر یادگیری عمیق را منعکس کند.
  • فصل رباتیک اکنون شامل ربات هایی است که با انسان‌ها تعامل دارند و همچنین شامل کاربرد یادگیری تقویتی برای ربات‌ها است.
  • پیش از این، ما هدف هوش مصنوعی را ایجاد سیستم هایی که سعی در به حداکثر رساندن مطلوبیت مورد انتظار، در جایی که اطلاعات مطلوب خاص یعنی هدف، توسط طراحان انسانی سیستم ارائه می‌شوند، تعریف کردیم. اکنون دیگر تصور نمی‌کنیم که هدف توسط سیستم AI ثابت و شناخته شده باشد؛ در عوض، این سیستم ممکن است در مورد اهداف واقعی انسان هایی که از طرف آنها عمل می‌کنند، تردید داشته باشد. آن باید یاد بگیرد که چه چیزی را به حداکثر برساند و باید حتی در صورت عدم اطمینان از هدف، عملکرد مناسب داشته باشد.
  • ما پوشش تأثیر AI بر جامعه شامل موارد حیاتی اخلاقی، انصاف، اعتماد و ایمنی را افزایش داده ایم.
  • ما تمرینات را از انتهای هر فصل به یک سایت آنلاین منتقل کرده ایم. این به ما امکان می‌دهد تا به طور مداوم تمرینات را اضافه کنیم، به روز کنیم و بهبود دهیم تا نیازهای مدرسان را برآورده کنیم و پیشرفت‌های این حوزه و ابزارهای نرم افزاری مربوط به هوش مصنوعی را منعکس کنیم.
  • به طور کلی، حدود 25٪ از مطالب کتاب کاملاً جدید است. 75٪ باقیمانده تا حد زیادی بازنویسی شده اند تا تصویری یکپارچه‌تر از این حوزه ارائه شود. 22٪ از استناد‌های این ویرایش مربوط به آثاری است که پس از سال 2010 منتشر شده اند.

  

Table of Contents:
- I: Artificial Intelligence
- Chapter 1: Introduction
- Chapter 2: Intelligent Agents
- II: Problem-solving
- Chapter 3: Solving Problems by Searching
- Chapter 4: Search in Complex Environments
- Chapter 5: Constraint Satisfaction Problems
- Chapter 6: Adversarial Search and Games
- III: Knowledge, reasoning, and planning
- Chapter 7: Logical Agents
- Chapter 8: First-Order Logic
- Chapter 9: Inference in First-Order Logic
- Chapter 10: Knowledge Representation
- Chapter 11: Automated Planning
- IV: Uncertain knowledge and reasoning
- Chapter 12: Quantifying Uncertainty
- Chapter 13: Probabilistic Reasoning
- Chapter 14: Probabilistic Reasoning over Time
- Chapter 15: Making Simple Decisions
- Chapter 16: Making Complex Decisions
- Chapter 17: Multiagent Decision Making
- Chapter 18: Probabilistic Programming
- V: Machine Learning
- Chapter 19: Learning from Examples
- Chapter 20: Knowledge in Learning
- Chapter 21: Learning Probabilistic Models
- Chapter 22: Deep Learning
- Chapter 23: Reinforcement Learning
- VI: Communicating, perceiving, and acting
- Chapter 24: Natural Language Processing
- Chapter 25: Deep Learning for Natural Language Processing
- Chapter 26: Robotics
- Chapter 27: Computer Vision
- VII: Conclusions
- Chapter 28: Philosophy, Ethics, and Safety of AI
- Chapter 29: The Future of AI
- Appendix A: Mathematical Background
- Appendix B: Notes on Languages and Algorithms

کانال تلگرام سایت

گروه تلگرام سایت

like می پسندم
dislike به درد نمی خوره
مطالب مشابه
دیدگاه ها
  • اولین نفری باشید که نظری می دهید!
loading...

لطفا منتظر بمانید...