Cantitate/Preț
Produs
Total produse
Vezi coșul
Causality for Artificial Intelligence de Jordi Vallverdú

Causality for Artificial Intelligence

Autor Jordi Vallverdú
en Limba Engleză Hardback – 29 iun 2024

Diferențiindu-se de documentația tehnică standard care se limitează la implementări de cod, Causality for Artificial Intelligence propune o incursiune profundă în mecanismele fundamentale ale înțelegerii realității. Subliniem faptul că Jordi Vallverdú nu tratează cauzalitatea doar ca pe o problemă de calcul, ci o ancorează într-o perspectivă evoluționistă, analizând modul în care sistemele biologice au învățat să descifreze mediul înconjurător pentru a supraviețui. Notăm cu interes tranziția de la simpla corelație statistică spre raționamentul contrafactual, element pe care autorul îl consideră esențial pentru ca mașinile să atingă o inteligență veritabilă.

Complementar volumului Artificial Intelligence and Causal Inference, care pune accent pe mecanismele de inferență, lucrarea lui Vallverdú extinde discuția către rădăcinile cognitive și biologice ale gândirii cauzale. În timp ce alte resurse se concentrează pe arhitecturi specifice, descoperim aici o analiză a modului în care mințile non-umane procesează cauzalitatea, oferind modele biomimetice pentru viitoarele sisteme de învățare automată. Structura este riguros organizată în zece capitole, pornind de la definiții conceptuale, trecând prin analiza minții umane și ajungând la provocările actuale ale Deep Learning și ale AI-ului generativ.

Această lucrare reprezintă o evoluție firească în opera autorului; dacă în Bayesians Versus Frequentists acesta analiza fundamentele filosofice ale statisticii, în volumul de față aplică acea rigoare epistemologică asupra algoritmilor de cauzalitate. Este un text dens, dar necesar pentru a înțelege de ce „big data” fără o structură cauzală rămâne o formă limitată de cunoaștere.

Citește tot Restrânge

Preț: 34621 lei

Preț vechi: 43277 lei
-20%

Puncte Express: 519

Carte disponibilă

Livrare economică 28 mai-11 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9789819731862
ISBN-10: 9819731860
Pagini: 120
Ilustrații: XVII, 99 p.
Dimensiuni: 160 x 241 x 13 mm
Greutate: 0.35 kg
Ediția:2024
Editura: Springer
Locul publicării:Singapore, Singapore

De ce să citești această carte

Pentru specialiștii în AI și cercetătorii care doresc să treacă dincolo de limitele statisticii descriptive, Causality for Artificial Intelligence oferă cadrul teoretic pentru implementarea raționamentului cauzal. Cititorul câștigă o înțelegere clară a modului în care modelele contrafactuale și grafurile direcționate aciclice pot transforma sistemele de învățare automată în agenți capabili să înțeleagă „de ce”-ul din spatele datelor, nu doar corelațiile lor.

Despre autor

Professorul Jordi Vallverdú este un expert recunoscut în epistemologie computerizată și arhitecturi cognitive biomimetice. Cercetările sale, susținute prin proiecte precum GEHUCT și ICREA Acadèmia, se situează la intersecția dintre filosofie, neuroștiințe și inteligență artificială. Cu o bogată activitate publicistică ce include titluri precum Blended Cognition și Gender in AI and Robotics, Vallverdú s-a specializat în analiza controverselor epistemice și a modului în care cogniția umană poate optimiza designul sistemelor artificiale. În prezent, se concentrează pe provocările cauzale din Deep Learning.

Descriere scurtă

How can we teach machine learning to identify causal patterns in data?  This book explores the very notion of “causality”, identifying from a naturalistic and evolutionary perspective how living systems deal with causal relationships. At the same time, using this knowledge to identify the best ways to apply such biological models in machine learning scenarios.
One of the more fundamental challenges for AI experts is to design machines that can understand the world, identifying the basic rules that govern reality.  Statistics are powerful and fundamental for this process, but they are only one of the necessary tools. Counterfactual thinking is the other part of the necessary process that will help machines to become intelligent. This book explains the paths that can lead to algorithmic causality.
It is essential reading for those who are not afraid of thinking at the interface of various academic disciplines or fields (AI, machine learning, philosophy,  neuroscience, anthropology, psychology, computer sciences), and who are interested in the analysis of causal thinking and the ways in which cognitive systems (natural or artificial) can act in order to understand their environment.
Professor Vallverdú is currently working on biomimetic cognitive architectures and multicognitive systems. His research has explored two main areas: epistemology and cognition. Since his early Ph.D. research on epistemic controversies, he has analyzed several aspects of computational epistemology.
His latest research has focused on the causal challenges of machine learning techniques, particularly deep learning. One of his most promising advances is statistics meets causal graph reasoning (via Directed Acyclic Graphs), which still has several conceptual paths that need to be explored and identified. Counterfactual reasoning is a fundamental part of these open debates, which are under the analysis of Prof. Vallverdú.
His current research is supported as part of the following projects: GEHUCT and ICREA Acadèmia.

Cuprins

Chapter 1. Ground Zone: Definitions and Concepts about Causality.- Chapter 2. Causality and Artificial Intelligence.- Chapter 3. How Causality Works in non-Human Minds.- Chapter 4. Do Humans Think Causally, and How? Chapter 5. Pitfalls and Triumphs of Causal AI.- Chapter 6. Generative AI and Causality.- Chapter 7. Counterfactual Thinking for Machines.- Chapter 8. Defining and Debating Algorithmic Causality.- Chapter 9. Open Paradoxes: Retrocausality.- Chapter 10. My Kingdom for a Causal Algorithm.

Notă biografică

Prof. Dr. Jordi Vallverdú, Ph.D., M.Sci., B.Mus, B.Phil, is Tenure Professor (Accredited Full Professor) at Universitat Autònoma de Barcelona (Catalonia, Spain), where he teaches philosophy and history of science and computing. His research focuses on the cognitive and epistemic aspects of the philosophy of computing, philosophy of science, and AI, with a special interest in emotional modeling. He was recently awarded an ICREA grant for Causality in Deep Learning. In 2011, he won a Japanese JSPS fellowship to pursue research on computational HRI interfaces at Nishidalab, Kyoto University. He has written and edited more than 15 books, including: (2009) Handbook of Research on Synthetic Emotions and Sociable Robotics: New Applications in Affective Computing and AI; (2010) Thinking Machines and the Philosophy of Computer Science: Concepts and Principles; (2012) Creating Synthetic Emotions Through Technological and Robotic Advancements; (2015) Synthesizing Human Emotion in Intelligent Systems and Robotics; (2016) Bayesians Versus Frequentists. A Philosophical Debate on Statistical Reasoning; and (2019) Blended Cognition. The Robotic Challenge; and (2023) Gender in AI and Robotics. The Gender Challenges from an Interdisciplinary Perspective.

Caracteristici

Is essential reading for all machine learning and AI designers wanting to understand the nature of causal thinking Presents thoughts at the interface of various academic disciplines or fields, including AI, machine learning, philosophy, neuroscience, anthropology, psychology and computer sciences Goes beyond classic machine learning to open avenues to create causal reasoning machines