[1/2] Grokking Artificial Intelligence Algorithms (Грокаем алгоритмы искусственного интеллекта) (Рубрика #AI)

Дочитал эту книгу про алгоритмы искусственного интеллекта и могу сказать, что за почти пять лет прошедших с издания книги кое-что поменялось:) Автор фокусировался на рассказе о фундаментальных алгоритмах: поиске, эволюционных алгоритмах, роевом интеллекте, классических методах машинного обучения, а в конце кратко рассказал про ANN (artificial neural networks) и перешел к reinforcement learning. Но с тех пор произошел значительный прорыв к развитии LLM (больших языковых моделей) и Gen AI в общем, а этого в книге совсем нет, хотя трансформеры на момент написания книги уже были у всех на слуху. В итоге, книгу можно считать отличным введением в основы алгоритмов ИИ, но надо ее комбинировать с более новыми книгами. Если же говорить про содержание книги, то в ней всего 10 глав, о которых я рассказываю ниже

1. Понятие искусственного интеллекта
В этой главе автор знакомит читателя с основами искусственного интеллекта, давая определение в стиле, что это направление науки, которое занимается разработкой компьютерных систем, способных выполнять задачи, свойственные человеческому интеллекту. Дальше он объясняет базовые концепции, историю возникновения ИИ (термин был предложен в 1956 году), а также различные подходы к созданию интеллектуальных систем. Автор разъясняет разницу между узким ИИ (решающим конкретные задачи) и общим ИИ (AGI).
2. Основы поиска
Глава посвящена базовым алгоритмам поиска, которые являются фундаментом для многих задач ИИ. Если вы учились писать код, то эту главу можно пропустить, а если нет, то вы узнаете про бинарный поиск, поиск в ширину и поиск в глубину, а также как оценивать эффективность алгоритмов.
3. Умный поиск
В этой главе рассматриваются более продвинутые алгоритмы поиска. Автор описывает алгоритмы информированного поиска, такие как A* поиск, который использует эвристики для нахождения оптимальных путей. Также рассматриваются алгоритмы состязательного поиска (min-max поиск, альфа-бета отсечение), которые применяются в играх и ситуациях, где есть противоборствующие стороны. Эти алгоритмы помогают компьютеру принимать оптимальные решения в сложных ситуациях.
4. Эволюционные алгоритмы
Глава знакомит с эволюционными алгоритмами — направлением в искусственном интеллекте, которое моделирует процессы естественного отбора. Здесь рассматриваются генетические алгоритмы, которые используют принципы эволюции (отбор, мутация, скрещивание) для поиска оптимальных решений. Автор объясняет, как эти алгоритмы работают с популяцией решений, которые "эволюционируют" с течением времени, становясь всё лучше и лучше.
5. Продвинутые эволюционные алгоритмы
Эта глава углубляется в более сложные виды эволюционных алгоритмов. Здесь рассматриваются генетическое программирование (автоматическое создание программ), эволюционное программирование (где структура программы постоянна, а меняются только числовые значения) и другие подходы. Автор объясняет различные способы кодирования информации в генетических алгоритмах (бинарное, вещественное, порядковое, древовидное) и их применение для решения сложных задач оптимизации.
6. Роевой интеллект: муравьи
В этой главе автор рассказывает о муравьиных алгоритмах — методах роевого интеллекта, которые имитируют поведение муравьиной колонии. Объясняется, как отдельные муравьи, будучи примитивными, вместе формируют самоорганизующуюся систему, способную решать сложные задачи. Рассматривается, как муравьи используют феромоны для коммуникации и как это применяется в алгоритмах для решения задач оптимизации, например, задачи коммивояжера.

Обзор последних четырех глав в следующем посте.

#AI #ML #Engineering #PopularScience #Software