回作者查詢Anil Ananthaswamy
阿尼爾．阿拿瑟斯旺米
阿尼爾．阿拿瑟斯旺米
屢獲殊榮的科學作家阿尼爾．阿拿瑟斯旺米(Anil Ananthaswamy)曾任國際科學期刊 《New Scientist》副編輯，現為該雜誌顧問，同時擔任加州大學聖塔克魯茲分校(UCSC)科學寫作課程的客座編輯，並在「印度矽谷」班加羅爾(Bangalore)的國家生物科學中心的年度科學新聞工作坊授課。曾獲得英國物理學會(UK Institute of Physics)物理新聞獎和英國科學作家協會(British Association of Science Writers)最佳報導獎。首部著作《THE EDGE OF PHYSICS》即獲英國物理期刊《Physics World》評為 2010 年年度最佳書籍，第二部作品《不存在的人》(THE MAN WHO WADN”T THERE，究竟出版，2016)入圍 2016 年美國筆會／E.O.威爾遜文學科學寫作獎(PEN/E.O. Wilson Literary Science Writing Award)。 2018年出版《THROUGH TWO DOORS AT ONCE》獲選為美國史密森尼學會所發行的研究期刊《Smithsonian》年度最受歡迎書籍之一，以及國際商業期刊《富比士》(Forbes)天文、物理暨數學類最佳書籍之一。
作品
現代AI技術的科學原理讓人望之生畏，本書試圖以簡馭繁，從數學脈絡著手梳理機器學習的優雅底蘊。
在大型語言模型如 ChatGPT問世之前，人類社會早已廣泛使用機器學習系統進行分析、判斷，例如：批核抵押貸款的申請、診斷腫瘤是良性或惡性、審核某人是否獲得保釋。當今化學、生物和物理學發展也得力於AI技術，開啟基因序列、太陽系外行星及量子運算系統等前沿技術研發。但我們可能從未注意到，機器學習系統其實是源自於相對簡單的數學觀念，結合電腦科學技術、物理學和神經科學理論所建構而成。
本書緩緩爬梳機器學習領域的數學脈絡，涵蓋自美國心理學家羅森布拉特(Frank Rosenblatt)發明的人工神經網路「感知器」(Perceptron)，至人工神經元組成的深度神經網絡。另一方面，作者也釐清並非所有機器學習領域都能以簡單的數學方法來解析，尤其是深度神經網絡、大型語言模型等複雜的技術，如同二十世紀初發現的物質世界已打破傳統物理學範疇。我們必須洞悉機器學習所具備的能力與限制，以確保AI技術的安全性，而關鍵就在讓機器學習成為可能的數學邏輯：線性代數、微積分、概率、統計及優化理論。唯有掌握最基本的概念，我們才能了解學習型機器的必然性，為人工智慧無處不在的未來做好準備。
作者的寫作風格也巧妙呼應現代人工神經網路依據演算法的學習方式，有意識地在書中重複一些想法和概念，有時使用相同的措辭，有時對相同的概念使用不同的表達方式，幫助讀者理解其意義，不禁讓人聯想：人工與人類智慧是否也是由相同的數學邏輯所構成的呢？
目錄
Prologue
Chapter 1: Desperately Seeking Patterns
Chapter 2: We Are All Just Numbers Here
Chapter 3: The Bottom of the Bowl
Chapter 4: In All Probability
Chapter 5: Birds of a Feather
Chapter 6: There’s Magic in Them Matrices
Chapter 7: The Great Kernel Rope Trick
Chapter 8: With a Little Help from Physics
Chapter 9: The Man Who Set Back Deep Learning (Not Really)
Chapter 10: The Algorithm that Put Paid to a Persistent Myth
Chapter 11: The Eyes of a Machine
Chapter 12: Terra Incognita
Epilogue