P. Kiruthika / R. Leelavathi / V. Amala Deepa
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Ta książka to zorientowana na badania naukowa mapa drogowa po współczesnym uczeniu maszynowym, ustrukturyzowana według trzech perspektyw: Perspektywy Badawcze, Ostatnie Postępy i Przyszłe Kierunki. Część I ustanawia rygorystyczne metodologie, sztuczną inteligencję zorientowaną na dane (aktywne uczenie się, słaby nadzór, łagodzenie stronniczości) oraz krytyczną ewaluację wykraczającą poza pojedyncze wskaźniki. Część II przedstawia przegląd architektur neuronalnych (od Transformerów po modele przestrzeni stanów), optymalizację (SAM, podwójne spadek), modelowanie generatywne (unifikacja dyfuzji), geometryczne głębokie uczenie się oraz uczenie samo-nadzorowane/multimodalne. Część III obejmuje modele fundamentalne - prawa skalowania, umiejętności emergencjalne (uczenie się w kontekście, łańcuch myśli), granice generatywnej AI (halucynacje, kontrolowana generacja) oraz podejścia neurosymboliczne (RAG, wykorzystanie narzędzi). Część IV porusza wielkie wyzwania: wydajne/zrównoważone uczenie maszynowe, uczenie się ciągłe/meta-uczenie się, interpretowalność/solidność/dopasowanie (RLHF, reprezentacja kauzalna) oraz ścieżki do AGI o wpływie społecznym. Każdy rozdział zawiera pytania otwarte i praktyczne listy kontrolne badań, których celem jest przekształcenie czytelników z konsumentów w twórców.