На нашем сайте вы можете читать онлайн «Атлас искусственного интеллекта: руководство для будущего». Эта электронная книга доступна бесплатно и представляет собой целую полную версию без сокращений. Кроме того, доступна возможность слушать аудиокнигу, скачать её через торрент в формате fb2 или ознакомиться с кратким содержанием. Жанр книги — Знания и навыки, Компьютерная литература, Программирование. Кроме того, ниже доступно описание произведения, предисловие и отзывы читателей. Регулярные обновления библиотеки и улучшения функционала делают наше сообщество идеальным местом для любителей книг.
Атлас искусственного интеллекта: руководство для будущего

Автор
Дата выхода
04 декабря 2023
Краткое содержание книги Атлас искусственного интеллекта: руководство для будущего, аннотация автора и описание
Прежде чем читать книгу целиком, ознакомьтесь с предисловием, аннотацией, описанием или кратким содержанием к произведению Атлас искусственного интеллекта: руководство для будущего. Предисловие указано в том виде, в котором его написал автор (Кейт Кроуфорд) в своем труде. Если нужная информация отсутствует, оставьте комментарий, и мы постараемся найти её для вас. Обратите внимание: Читатели могут делиться своими отзывами и обсуждениями, что поможет вам глубже понять книгу. Не забудьте и вы оставить свое впечатие о книге в комментариях внизу страницы.
Описание книги
Искусственный интеллект стал неотъемлемой частью современного мира, помогая людям в множестве сфер – от медицины до тяжелой промышленности. Оптимизация рабочих процессов, скорость выполнения, машинная точность в расчетах или креатив в творчестве – кажется, что ИИ стал совершенным инструментом для любой задачи.
Кейт Кроуфорд – старший научный сотрудник Microsoft, профессор Калифорнийского университета – предлагает нам книгу-исследование, обращая наше внимание на темную сторону успеха и скрытые издержки искусственного интеллекта.
В книге «Атлас ИИ» профессор Кроуфорд ответит на такие вопросы:
– как ИИ формирует наше понимание самих себя и нашего общества?
– как ИИ влияет на информационные ресурсы и социальные сети?
– как ИИ влияет на усиление неравенства между людьми?
– как ИИ контролирует органы власти и структуры стран?
В формате PDF A4 сохранен издательский макет.
Атлас искусственного интеллекта: руководство для будущего читать онлайн полную книгу - весь текст целиком бесплатно
Перед вами текст книги, разбитый на страницы для удобства чтения. Благодаря системе сохранения последней прочитанной страницы, вы можете бесплатно читать онлайн книгу Атлас искусственного интеллекта: руководство для будущего без необходимости искать место, на котором остановились. А еще, у нас можно настроить шрифт и фон для комфортного чтения. Наслаждайтесь любимыми книгами в любое время и в любом месте.
Текст книги
Внимательно изучив вычислительные мощности, необходимые для создания моделей ИИ, мы видим, что стремление к экспоненциальному увеличению скорости и точности обходится планете дорогой ценой. Требования к обработке данных при обучении моделей ИИ и, следовательно, их энергопотребление все еще являются новой областью исследований. Одна из первых работ в этой области была опубликована исследователем ИИ Эммой Струбелл и ее командой из Массачусетского университета в Амхерсте в 2019 году. Сфокусировавшись на попытке понять углеродный след моделей обработки естественного языка (NLP), они начали набрасывать потенциальные оценки путем запуска моделей ИИ в течение сотен тысяч вычислительных часов[93 - Strubell, Ganesh, and McCallum, «Energy and Policy Considerations for Deep Learning in NLP.
Хуже того, исследователи отметили, что такое моделирование является, как минимум, базовой оптимистичной оценкой. Она не отражает реальных коммерческих масштабов, в которых работают такие компании, как Apple и Amazon, собирающие данные в Интернете и использующие свои собственные модели NLP для того, чтобы системы ИИ, такие как Siri и Alexa, звучали более человечно.
В области ИИ стандартной практикой является максимизация вычислительных циклов для повышения производительности, в соответствии с убеждением, что больше – значит лучше. Как говорит Рич Саттон из DeepMind: «Методы, использующие вычисления, в конечном итоге являются наиболее эффективными, причем с большим отрывом»[95 - Sutton, «Bitter Lesson.





