研究者们已经在建设一个充满AI的未来世界，但目前大多数人仍在努力弄清楚AI究竟是什么。这项技术将影响我们生活的许多方面，从工作，娱乐到医疗保健，但这也涉及人类意义的基本问题。诸如“创造力的本质是什么？”“我们如何定义意识？”“我怎样才能理解AI？”这个问题几乎和“生命的意义是什么？”一样令人生畏。



为了提供帮助，The Verge汇集了一份阅读清单，全部由AI领域的知名人士推荐，以帮助您更好地理解人工智能。风格不拘一格，从实用的入门到黄金时代的科幻读物。阅读并享受这些书籍，更好地了解AI的迷人世界。

《PROFILES OF THE FUTURE》

由OpenAI的联合创始人Greg Brockman和Ilya Sutskever推荐



《PROFILES OF THE FUTURE》改变了我们对AI可能对世界产生多大影响的看法。我们曾经认为技术变革是一个渐进的，缓慢的过程，是许多小创新的总和，当这些小创新被放大时，只会造成技术快速变革的假象。

而且此书让我们意识到有一些非常重要的例外。虽然后面的章节描述了作者关于未来的预测，但前面的章节分析了其他人在开发飞机，太空旅行和核电等技术之前对它们的预测。

在每一种情况下，这项技术都是由为数不多的乐观主义者预测出来的，而这些乐观主义者都是一大批直言不讳、才华横溢的专家，他们相信，一项特别引人注目的技术进步永远不会实现（至少不是在实际的时间尺度上）。因此，即使对大多数专家来说，大规模的技术变革似乎是凭空出现的。

人工智能的长期发展前景如何？它是否会沿着可预测的轨迹发展，让该领域对未来5-10年的进展有一个清晰的认识，或者我们是否会在人工智能领域意外而不成比例的进步，从而迅速改变世界？这些问题很值得深思。

《THE BOOK OF WHY》

埃森哲负责AI负责人Rumman Chowdhury推荐



“这是一本没有机器人，没有世界末日的场景，也没有对未来的宏伟预测的AI书籍。本书谦逊而引人入胜的写作风格掩盖了一个深刻的假设：我们当前的预测建模系统的根本原因是错误的。据作者说，我们缺乏因果关系的语言，也就是说，一个事物导致另一个事物的可量化证据。这是统计历史中的一个根本性弱点，它玷污了我们提出问题和寻求答案的方式。

AI和我们用于预测的机器学习方法的秘密，在于它们实际上无法确定地告诉我们某个因素是否会导致另一个因素，而是依靠数百万次重复来为我们提供高价值的相关性。

在AI系统中出现的许多有偏见结果的问题源于对相互关联的变量（例如种族和邮政编码，或社会经济地位和教育）的不完全或不充分的理解。

《FRANCHISE》

由哈佛-麻省理工学院AI伦理与治理项目主任Tim Hwang推荐



阿西莫夫的机器人系列可能是在谈论AI的社会影响时的陈词滥调。但是，这种陈词滥调没有切中要害。在阿西莫夫的全部作品中，最能捕捉到当今机器学习现实的不是机器人系列，而是那些以庞大的、非人性化的Multivac为特色的故事。

与机器人故事中会走路、会说话的机器人不同，Multivac是一个笨重的服务器群，需要专门的技术人员来操作，并且经常产生无法解释的输出。

我发现自己一遍又一遍地重温的一个故事是阿西莫夫的《FRANCHISE》，1955年8月版在杂志刊登的短篇小说。文中，未来的美国（2008年）决定对一个统计模型减少投票，该模型根据一个极具代表性的人回答的一系列问题推断出所有选举的结果。

《FRANCHISE》巧妙地捕捉了预测的递归性质，以及作为算法分析焦点的个人压力。重要的是，这个故事说明了可预测性和合法性之间真实而棘手的平衡。即使我们能够做出完美的模型来预测投票行为，或累犯或就业绩效，将这样的流程自动化意味着什么？

《WEAPONS OF MATH DESTRUCTION》

麻省理工学院媒体实验室研究专家Kate Darling推荐



起初，我想推荐一本推测性的科幻小说。但有时我们当前处于一个更有趣的反乌托邦现实中。2019年1月，美国国会女议员亚历山大·奥卡西奥·科尔特斯（Alexandria Ocasio-Cortez）因为声称算法存在偏见而受到嘲笑。无论你的派别如何，我认为每个人都可以从对当代AI系统陷阱的基本理解中受益。

这本书，用迷人的（和可怕的）现实世界的例子来说明这些问题，是我们正在使用的算法和数据的一个很好的入门书。Cathy O'Neil是一位数学家和数据科学家，她从学术界走向华尔街世界，后来加入了占领华尔街运动。她广受好评的书涵盖了金融业算法的问题，也涉及刑事司法，就业，教育等方面的问题。

我们目前正在部署并可能在不久的将来使用的许多AI系统会遇到书中强调的问题。对于对AI实现感兴趣的人，本书是必备基础读物。

《THE DIAMOND AGE: OR, A YOUNG LADY’S ILLUSTRATED PRIMER》

fast.ai的联合创始人Jeremy Howard推荐



我20年前第一次阅读这本书，这个信息一直伴随着我：可以利用技术为那些原本不会拥有它们的人提供机会。与所有新技术一样，现在人们对儿童屏幕有一种下意识的反应。没有精心设计的现代研究来支持这种反应。如果我们剥夺了在教育中利用技术的机会，那么我们就把最好的教育限制在那些享有特权、能够接触到最好的教师的人身上。

我们在fast.ai的使命是帮助所有人获得AI工具和教育。技术对于这一使命至关重要。没有它，我们的用户和学生将无法访问我们的在线课程和社区，或我们所依赖的云计算平台。但是，我还没有看到AI用于创建高度定制的教育体验。技术基础现已基本到位，它只需要有人把它们放在一起。

《MACHINE LEARNING FOR HUMANS》

DeepMind的联合创始人兼首席执行官Demis Hassabis推荐



推荐一些既不太技术化也不太哲学化的AI书籍是非常困难的，但我预计在未来几年我们会看到更多这样的书。这本书可以作为一个很好的入门书目，不需要太多的先验知识，而且它可以免费在线阅读。

掌握AI的另一种方法是使用您更熟悉的主题作为网关。例如，大多数人都知道国际象棋的基本知识，即使他们没有玩过多少。两位专业的国际象棋选手马修·萨德勒和娜塔莎·里根刚刚写了一本名为Game Changer的书，讲述了DeepMind最近的一项研究突破，即AlphaZero，它从头开始学习国际象棋，最终成为世界上最强大的球员。这是对有史以来最先进的人工智能程序进行的最全面的分析之一，让您对像AlphaZero这样的AI系统如何工作有着深刻的见解。“

另一种了解人工智能的方法是使用你更熟悉的主题作为入门。例如，大多数人知道国际象棋的基本知识，即使他们很少下棋。Matthew Sadler和Natasha Regan两位国际象棋专家刚刚写了一本名为《Game Changer》的书，讲述DeepMind最近的研究突破之一AlphaZero。这是迄今为止对高级AI进行的最全面的分析之一，并让你对AlphaZero等AI的工作原理有深入的了解。

《SORTING THINGS OUT: CLASSIFICATION AND ITS CONSEQUENCES》

由纽约大学AI Now研究所的联合创始人兼联合主任Meredith Whittaker推荐



对于任何处理AI偏见，公平和正义问题的人来说，这是必不可少的读物。

AI系统都是分类系统。简而言之，它们从数据中学习它们所知道的东西，它们使用它们学到的东西来分类所看到的东西。

例如，通过输入“成功的员工”的视频，可以教导招聘的AI系统是什么样的有希望的求职者。将此AI系统显示为候选视频，并将视频与其“成功的工作人员”进行比较，对候选人进行分类。这样的系统已经在使用中，但风险很高：例如，如果训练时没有黑人妇女的“成功的员工”视频，那么系统不太可能将它们归类为“有前途的”最终不会被录用。作者揭示了我们经常认为理所当然的类别的偶然性，为理解，批评，提供了基础资源。

《THE MASTER ALGORITHM》

The Verge的AI和机器人技术记者James Vincent推荐



我推荐两本书，Pedro Domingos的Master Algorithm和Nick Bostrom的Super Intelligence。

Master Algorithm是关于通用人工智能（AGI）构成的威胁的书。不管这些智能机器究竟是聪明还是愚蠢，安全始终是一个重要的问题。尽管这个话题会令人沮丧，但这本非小说类书籍读起来却出奇地有趣，让人感觉更像科幻小说。

Super Intelligence对AI技术方面进行了介绍。它将介绍从进化算法到贝叶斯概率的所有基本组件和概念，同时展示机器学习如何与神经科学和心理学等学科交叉。我认为Domingos偶尔夸大了人工智能的原始力量：它们不是神奇的系统，它们经常存在严重缺陷，但即便如此，这本书也很好地提醒我们，AI技术的潜力是多么让人着迷。