Искусственный интеллект. Мгновенное введение

Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego

Hadelin de Ponteves

Grono entuzjastów sztucznej inteligencji stale rośnie. Jest już bowiem jasne, że stanowi ona dostępną metodę zmiany świata na lepsze. Pełnymi garściami ze zdobyczy AI czerpią naukowcy, analitycy danych, przedsiębiorcy i menedżerowie, a nawet politycy i ekonomiści. Jej możliwości wydają się dziś nieograniczone - aby je wykorzystać, wystarczy zdobyć gruntowną wiedzę i dobrze zrozumieć podstawy sztucznej inteligencji. Na pierwszy rzut oka nie są to trudne zadania. Choćby ze względu na dostęp do wielu artykułów, kursów czy książek o technologiach sztucznej inteligencji. Jednak w tym nadmiarze materiałów bardzo trudno dokonać właściwego dla siebie wyboru.

To kompletny, zwięzły przewodnik po świecie sztucznej inteligencji. Znalazły się tu przejrzyście wyłożone podstawy i bardziej zaawansowane zagadnienia. Wyjaśniono, jak najlepiej zabrać się do tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie. Krok po kroku pokazano, jak zrealizować pięć praktycznych projektów. To książka skierowana zarówno do studentów, jak i naukowców, menedżerów czy przedsiębiorców - dowiedzą się z niej, jak zbudować inteligentne oprogramowanie przy użyciu najlepszych i najprostszych narzędzi do programowania AI. Co ważne, aby w pełni z niej skorzystać, nie trzeba posiadać umiejętności programowania.

Dzięki tej książce:

• opanujesz kluczowe umiejętności związane z uczeniem maszynowym
• zrozumiesz Q-learning oraz głęboki Q-learning
• poznasz takie narzędzia jak TensorFlow, Keras czy PyTorch
• będziesz samodzielnie tworzyć takie projekty jak wirtualny samochód
• wykorzystasz AI do rozwiązywania rzeczywistych problemów biznesowych
• nauczysz się budować inteligentne roboty

Oto Twoja świetlana przyszłość w świecie AI!

O autorze

Hadelin de Ponteves jest współzałożycielem i dyrektorem generalnym BlueLife AI, firmy zajmującej się najnowocześniejszą sztuczną inteligencją. Jest także przedsiębiorcą internetowym i twórcą ponad 50 wysoko ocenianych e-kursów edukacyjnych na takie tematy jak uczenie maszynowe, głębokie uczenie, sztuczna inteligencja i łańcuch bloków. Z jego szkoleń korzysta ponad 700 000 subskrybentów w 204 krajach.

Spis treści

O autorze 9

O recenzentach 11

Przedmowa 13

Rozdział 1. Witamy w świecie robotów 17

• Rozpoczęcie przygody z AI 18
• Cztery różne modele AI 18

  Praktyczne zastosowanie modeli 19

• Dokąd może Cię zaprowadzić nauka AI? 20

  Energia 20

  Opieka zdrowotna 21

  Transport i logistyka 21

  Edukacja 21

  Bezpieczeństwo 21

  Zatrudnienie 21

  Inteligentne domy i roboty 22

  Rozrywka i zadowolenie 22

  Środowisko 22

  Gospodarka, biznes i finanse 22

• Podsumowanie 23

Rozdział 2. Poznaj narzędzia AI 25

• Strona GitHuba 25
• Colaboratory 26
• Podsumowanie 31

Rozdział 3. Podstawy języka Python - naucz się kodować w Pythonie 33

• Wyświetlanie tekstu 34

  Ćwiczenie 34

• Zmienne i operacje 35

  Ćwiczenie 36

• Listy i tablice 36

  Ćwiczenie 37

• Instrukcje warunkowe if 38

  Ćwiczenie 39

• Pętle for i while 39

  Ćwiczenie 42

• Funkcje 42

  Ćwiczenie 43

• Klasy i obiekty 43

  Ćwiczenie 45

• Podsumowanie 46

Rozdział 4. Podstawowe techniki AI 47

• Co to jest uczenie ze wzmacnianiem? 47
• Pięć zasad Reinforcement Learning 48

  Zasada nr 1 - system wejścia i wyjścia 48

  Zasada nr 2 - nagroda 49

  Zasada nr 3 - środowisko AI 50

  Zasada nr 4 - proces decyzyjny Markowa 50

  Zasada nr 5 - szkolenie i wnioskowanie 51

• Podsumowanie 53

Rozdział 5. Twój pierwszy model AI - uważaj na bandytów! 55

• Problem wielorękiego bandyty 55
• Model próbkowania Thompsona 56

  Kodowanie modelu 57

  Zrozumienie modelu 60

  Co to jest rozkład? 61

  Walka z MABP 64

  Strategia próbkowania Thompsona w trzech krokach 67

  Ostateczny krok ku zrozumieniu próbkowania Thompsona 67

  Próbkowanie Thompsona w porównaniu ze standardowym modelem 68

• Podsumowanie 69

Rozdział 6. AI w sprzedaży i reklamie - sprzedawaj jak Wilk z AI Street 71

• Problem do rozwiązania 71
• Budowanie środowiska do przeprowadzenia symulacji 73

  Uruchomienie symulacji 75

  Podsumowanie sytuacji 78

• Rozwiązanie AI i odświeżenie umysłu 78

  Rozwiązanie AI 78

  Rozumowanie 79

• Implementacja 80

  Próbkowanie Thompsona czy wybór losowy 80

  Zacznijmy kodować 80

  Wynik końcowy 84

• Podsumowanie 86

Rozdział 7. Witamy w Q-learningu 87

• Labirynt 88

  Początek 88

  Budowanie środowiska 89

  Budowanie sztucznej inteligencji 95

• Cały proces Q-learningu 98

  Tryb treningowy 98

  Tryb wnioskowania 99

• Podsumowanie 99

Rozdział 8. AI w logistyce - roboty w magazynie 101

• Budowanie środowiska 104

  Stany 104

  Akcje 104

  Nagrody 105

  Przypomnienie rozwiązania AI 106

• Implementacja 107

  Część 1. - budowanie środowiska 107

  Część 2. - tworzenie rozwiązania AI z wykorzystaniem Q-learningu 109

  Część 3. - wprowadzenie do produkcji 111

  Ulepszenie 1. - automatyzacja przypisywania nagród 113

  Ulepszenie 2. - dodawanie celu pośredniego 115

• Podsumowanie 118

Rozdział 9. Zostań ekspertem od sztucznego mózgu - głębokie Q-learning 119

• Przewidywanie cen domów 119

  Przesyłanie zbioru danych 120

  Importowanie bibliotek 121

  Wyłączanie zmiennych 122

  Przygotowywanie danych 124

  Budowa sieci neuronowej 126

  Szkolenie sieci neuronowej 127

  Wyświetlanie wyników 128

• Teoria głębokiego uczenia 129

  Neuron 129

  Funkcja aktywacji 132

• Jak działają sieci neuronowe? 137

  Jak się uczą sieci neuronowe? 137

  Propagacja w przód i wstecz 139

  Metody gradientu prostego 140

• Głębokie uczenie 147

  Metoda Softmax 148

  Podsumowanie głębokiego Q-learningu 150

  Pamięć doświadczeń 150

  Cały algorytm głębokiego Q-learningu 151

• Podsumowanie 152

Rozdział 10. Sztuczna inteligencja dla pojazdów autonomicznych - zbuduj samochód samojezdny 153

• Budowanie środowiska 154

  Określenie celu 156

  Ustawianie parametrów 158

  Stany wejściowe 161

  Działania wyjściowe 162

  Nagrody 163

• Przypomnienie rozwiązania AI 165
• Implementacja 166

  Krok 1. - importowanie bibliotek 166

  Krok 2. - stworzenie architektury sieci neuronowej 167

  Krok 3. - implementacja pamięci doświadczeń 171

  Krok 4. - implementacja głębokiego Q-learningu 173

• Prezentacja 182

  Instalowanie Anacondy 183

  Tworzenie środowiska wirtualnego w Pythonie 3.6 184

  Instalowanie PyTorch 186

  Instalowanie Kivy 187

• Podsumowanie 196

Rozdział 11. AI dla biznesu - minimalizuj koszty dzięki głębokiemu Q-learningowi 197

• Problem do rozwiązania 197
• Budowanie środowiska 198

  Parametry i zmienne środowiska serwerowego 198

  Założenia środowiska serwerowego 199

  Symulacja 201

  Ogólna funkcjonalność 201

  Definiowanie stanów 203

  Definiowanie działań 204

  Definiowanie nagród 204

  Przykład ostatecznej symulacji 205

• Rozwiązanie AI 208

  Mózg 209

  Implementacja 211

  Krok 1. - budowanie środowiska 212

  Krok 2. - budowanie mózgu 217

  Krok 3. - implementacja algorytmu uczenia przez głębokie wzmacnianie 223

  Krok 4. - szkolenie AI 229

  Krok 5. - testowanie AI 238

• Demo 240
• Podsumowanie - ogólny schemat AI 249
• Podsumowanie 250

Rozdział 12. Głębokie konwolucyjne Q-learning 251

• Do czego służą sieci CNN? 251
• Jak działają CNN? 253

  Krok 1. - konwolucja 254

  Krok 2. - max pooling 256

  Krok 3. - spłaszczanie 259

  Krok 4. - pełne połączenie 260

• Głębokie konwolucyjne Q-learning 262
• Podsumowanie 263

Rozdział 13. AI dla gier wideo - zostań mistrzem Snake'a 265

• Problem do rozwiązania 265
• Tworzenie środowiska 266

  Definiowanie stanów 267

  Definiowanie działań 268

  Definiowanie nagród 269

• Rozwiązanie AI 270

  Mózg 270

  Pamięć doświadczeń 272

• Implementacja 273

  Krok 1. - budowanie środowiska 273

  Krok 2. - budowanie mózgu 279

  Krok 3. - tworzenie pamięci doświadczeń 282

  Krok 4. - trening AI 283

  Krok 5. - testowanie AI 289

• Demo 290

  Instalacja 291

  Wyniki 295

• Podsumowanie 297

Rozdział 14. Podsumowanie 299

• Podsumowanie - ogólny schemat AI 299
• Odkrywanie, co czeka Cię dalej w AI 300

  Ćwicz, ćwicz i ćwicz 301

  Networking 302

  Nigdy nie przestawaj się uczyć 302