描述
开 本: 32开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111689843
内容简介
在本书中，作者先描述了人工智能的缺陷（一个关键的缺点是:它没有具象化），然后提出了一种制造类人机器人的不同方法：成长型机器人，它受到成长心理学及其对早期婴儿行为的描述的启发。他讲述了自己对iCub类人机器人的实验，以及它从新生儿水平到相当于9个月大的婴儿的能力水平的成长，解释了iCub如何从自己的经验中学习。
目 录
译者序
前言
部分 人工智能怎么了
第1章 问题的本质 …… 2
1.1 行动与思考 …… 3
1.2 社交机器人 …… 5
1.3 人工智能的作用 …… 6
1.4 智力概述 …… 7
1.5 大脑需要身体 …… 9
1.6 本书的结构和主题 …… 9
1.7 应对变化的步伐 …… 17
1.8 对行话的解释 …… 18
注释 …… 20
第2章 商用机器人 …… 21
2.1 家用机器人和服务机器人 …… 23
2.2 野外机器人技术 …… 25
2.3 机器人道路车辆 …… 26
2.4 医用机器人 …… 29
2.5 群机器人技术 …… 30
2.6 娱乐机器人 …… 33
2.7 伙伴机器人 …… 34
2.8 类人机器人 …… 36
2.9 观察 …… 37
注释 …… 38
第3章 从广泛研究到市场 …… 41
3.1 箱中取物 …… 44
3.2 仿生机器人技术 …… 46
3.3 护理和辅助机器人 …… 47
3.4 情感计算 …… 48
3.5 仿人机器人 …… 49
3.6 为什么工业机器人技术如此成功 …… 54
3.7 机器人技术的现状 …… 59
3.8 观察 …… 62
注释 …… 63
第4章 一个暴力的故事 …… 66
4.1 在选项中搜索 …… 67
4.2 国际象棋世界冠军是一台计算机—那又怎样 …… 70
4.3 计算机“思维” …… 74
4.4 结果 …… 76
4.5 观察 …… 79
注释 …… 80
第5章 知识与力量 …… 82
5.1 如何存储知识以供利用 …… 86
5.2 常识 …… 88
5.3 搜索是一种标准技术 …… 90
5.4 符号与数字 …… 91
5.5 学会改进 …… 92
5.6 特征工程 …… 94
5.7 观察 …… 95
注释 …… 96
第6章 小远见和大突破 …… 98
6.1 特征工程的结束 …… 104
6.2 发生了什么 …… 109
6.3 观察 …… 111
注释 …… 112
第7章 学习机器的兴起 …… 113
7.1 机器学习的发展 …… 114
7.2 超市数据挖掘 …… 115
7.3 通过学习算法来学习算法 …… 119
7.4 发现模式 …… 121
7.5 大数据 …… 122
7.6 统计很重要，但是被误解了 …… 124
7.7 变革仍在继续—使用Deep Zero …… 125
7.8 观察 …… 130
注释 …… 131
第8章 深思熟虑和其他预言 …… 132
8.1 AI是一种高度专注的产业 …… 133
8.2 基于任务的AI …… 134
8.3 机器预言 …… 135
8.4 知识工程 …… 140
8.5 社交对话 …… 143
8.6 观察 …… 146
注释 …… 148
第9章 打造巨型大脑 …… 150
9.1 大脑建设项目 …… 151
9.2 全脑仿真 …… 153
9.3 大脑是一台机器—那又怎样 …… 156
9.4 基本人工神经网络 …… 159
9.5 不同的方法：AI和脑科学 …… 161
9.6 更先进的网络 …… 164
9.7 预测编码和自动编码器 …… 165
9.8 ANN的问题 …… 166
9.9 机器人的模拟问题 …… 170
9.10 观察 …… 172
注释 …… 173
第10章 把组件子系统拴在一起 …… 177
10.1 模块化交互的复杂性 …… 179
10.2 计算机如何表示所知道的知识和经验 …… 182
10.3 基于任务的AI局限性 …… 184
10.4 通用AI …… 184
10.5 主算法 …… 185
10.6 生物学比较 …… 187
10.7 超级智能 …… 189
10.8 集成深度人工神经网络 …… 192
10.9 对部分的观察 …… 195
注释 …… 201
第二部分 成长和发育机器人
第11章 基础工作——综合、基础和真实性 …… 204
11.1 经典控制论运动 …… 206
11.2 现代控制论 …… 210
11.3 符号接地 …… 212
11.4 新机器人技术 …… 214
11.5 观察 …… 216
注释 …… 217
第12章 发育的方法—培育你自己的机器人 …… 219
12.1 个体发育的作用：成长中的机器人 …… 222
12.2 次序、阶段和时间表 …… 224
12.3 发育的制约因素 …… 228
12.4 从小处开始，尽早开始 …… 230
12.5 解剖学的重要性 …… 232
12.6 人体惊人的复杂性 …… 234
12.7 自主和动机 …… 236
12.8 玩耍—没有目标的探索与发现 …… 239
12.9 成长的架构 …… 242
12.10 观察 …… 247
注释 …… 248
第13章 iCub仿人机器人的发育成长 …… 251
13.1 iCub—用于研究的仿人机器人 …… 252
13.2 管理不成熟的约束 …… 254
13.3 视觉、凝视和注视 …… 256
13.4 运动和视觉空间 …… 258
13.5 物体感知 …… 260
13.6 实验1—纵向发展 …… 260
13.7 实验2—玩耍行为的产生 …… 263
13.8 它是如何工作的 …… 267
注释 …… 274
第三部分 我们将何去何从
第14章 发育机器人将如何发展 …… 278
14.1 发育机器人的行为 …… 279
14.2 教，而不是编程 …… 285
14.3 了解自己和其他个体 …… 287
14.4 自我意识在动物身上很
前言
部分 人工智能怎么了
第1章 问题的本质 …… 2
1.1 行动与思考 …… 3
1.2 社交机器人 …… 5
1.3 人工智能的作用 …… 6
1.4 智力概述 …… 7
1.5 大脑需要身体 …… 9
1.6 本书的结构和主题 …… 9
1.7 应对变化的步伐 …… 17
1.8 对行话的解释 …… 18
注释 …… 20
第2章 商用机器人 …… 21
2.1 家用机器人和服务机器人 …… 23
2.2 野外机器人技术 …… 25
2.3 机器人道路车辆 …… 26
2.4 医用机器人 …… 29
2.5 群机器人技术 …… 30
2.6 娱乐机器人 …… 33
2.7 伙伴机器人 …… 34
2.8 类人机器人 …… 36
2.9 观察 …… 37
注释 …… 38
第3章 从广泛研究到市场 …… 41
3.1 箱中取物 …… 44
3.2 仿生机器人技术 …… 46
3.3 护理和辅助机器人 …… 47
3.4 情感计算 …… 48
3.5 仿人机器人 …… 49
3.6 为什么工业机器人技术如此成功 …… 54
3.7 机器人技术的现状 …… 59
3.8 观察 …… 62
注释 …… 63
第4章 一个暴力的故事 …… 66
4.1 在选项中搜索 …… 67
4.2 国际象棋世界冠军是一台计算机—那又怎样 …… 70
4.3 计算机“思维” …… 74
4.4 结果 …… 76
4.5 观察 …… 79
注释 …… 80
第5章 知识与力量 …… 82
5.1 如何存储知识以供利用 …… 86
5.2 常识 …… 88
5.3 搜索是一种标准技术 …… 90
5.4 符号与数字 …… 91
5.5 学会改进 …… 92
5.6 特征工程 …… 94
5.7 观察 …… 95
注释 …… 96
第6章 小远见和大突破 …… 98
6.1 特征工程的结束 …… 104
6.2 发生了什么 …… 109
6.3 观察 …… 111
注释 …… 112
第7章 学习机器的兴起 …… 113
7.1 机器学习的发展 …… 114
7.2 超市数据挖掘 …… 115
7.3 通过学习算法来学习算法 …… 119
7.4 发现模式 …… 121
7.5 大数据 …… 122
7.6 统计很重要，但是被误解了 …… 124
7.7 变革仍在继续—使用Deep Zero …… 125
7.8 观察 …… 130
注释 …… 131
第8章 深思熟虑和其他预言 …… 132
8.1 AI是一种高度专注的产业 …… 133
8.2 基于任务的AI …… 134
8.3 机器预言 …… 135
8.4 知识工程 …… 140
8.5 社交对话 …… 143
8.6 观察 …… 146
注释 …… 148
第9章 打造巨型大脑 …… 150
9.1 大脑建设项目 …… 151
9.2 全脑仿真 …… 153
9.3 大脑是一台机器—那又怎样 …… 156
9.4 基本人工神经网络 …… 159
9.5 不同的方法：AI和脑科学 …… 161
9.6 更先进的网络 …… 164
9.7 预测编码和自动编码器 …… 165
9.8 ANN的问题 …… 166
9.9 机器人的模拟问题 …… 170
9.10 观察 …… 172
注释 …… 173
第10章 把组件子系统拴在一起 …… 177
10.1 模块化交互的复杂性 …… 179
10.2 计算机如何表示所知道的知识和经验 …… 182
10.3 基于任务的AI局限性 …… 184
10.4 通用AI …… 184
10.5 主算法 …… 185
10.6 生物学比较 …… 187
10.7 超级智能 …… 189
10.8 集成深度人工神经网络 …… 192
10.9 对部分的观察 …… 195
注释 …… 201
第二部分 成长和发育机器人
第11章 基础工作——综合、基础和真实性 …… 204
11.1 经典控制论运动 …… 206
11.2 现代控制论 …… 210
11.3 符号接地 …… 212
11.4 新机器人技术 …… 214
11.5 观察 …… 216
注释 …… 217
第12章 发育的方法—培育你自己的机器人 …… 219
12.1 个体发育的作用：成长中的机器人 …… 222
12.2 次序、阶段和时间表 …… 224
12.3 发育的制约因素 …… 228
12.4 从小处开始，尽早开始 …… 230
12.5 解剖学的重要性 …… 232
12.6 人体惊人的复杂性 …… 234
12.7 自主和动机 …… 236
12.8 玩耍—没有目标的探索与发现 …… 239
12.9 成长的架构 …… 242
12.10 观察 …… 247
注释 …… 248
第13章 iCub仿人机器人的发育成长 …… 251
13.1 iCub—用于研究的仿人机器人 …… 252
13.2 管理不成熟的约束 …… 254
13.3 视觉、凝视和注视 …… 256
13.4 运动和视觉空间 …… 258
13.5 物体感知 …… 260
13.6 实验1—纵向发展 …… 260
13.7 实验2—玩耍行为的产生 …… 263
13.8 它是如何工作的 …… 267
注释 …… 274
第三部分 我们将何去何从
第14章 发育机器人将如何发展 …… 278
14.1 发育机器人的行为 …… 279
14.2 教，而不是编程 …… 285
14.3 了解自己和其他个体 …… 287
14.4 自我意识在动物身上很
前 言
我一直对人与机器的关系着迷。年轻的时候，我对电机和工程非常感兴趣，现如今这是一门极具创造性的学科。但在我作为一名工程师接受培训期间，我被那些似乎能模仿人类行为某些方面的系统吸引住了。即使是简单的反馈系统也很吸引人（例如，看着一艘船在风和潮汐的冲击下不断地调整航向）。这就引出了这样的问题：人类到底使用了什么样的心理机制？我设法在一些项目上将工程与以人为中心的问题相结合：语音编码、色彩视觉处理和自主控制。我发现心理学是一个重要的缺失元素，而我博士期间的工作是建立感觉运动控制和协调模型，是这里所描述的工作的前提。计算机、大脑和机器之间的关系是多种多样的，令人着迷。
20世纪80年代，当我试图从事这方面的研究时，它完全不受欢迎。人工智能（AI）的新商业化刚刚开始，AI软件正变得非常畅销。在此之前，AI的先驱们认为人类智能和计算机智能之间没有太大区别，并认为两者可以一起研究。对软件产品和应用的推动使得AI与人类认知的研究在很大程度上分离。我记得和Andy Barto、 Richard Sutton，以及马萨诸塞大学阿默斯特分校的其他人一起讨论过我的工作，当时他们正在发展强化学习。在英国，由好奇心驱动的AI基础研究很难获得任何资助，所以我开始在工业机器人、触觉感知、错误恢复和诊断系统等领域研究AI，并一直探索人类在这些任务中的行为，以及AI如何应用于机器人技术。幸运的是，在21世纪，人们又回到了学习、自主主体等话题，以及对人类行为的关注上。在机器人发展的新领域，现在已经有了一个强大的全球研究社区。
我写这本书的部分原因是回应一些关于机器人和AI的常见误解。媒体上流传着大量关于机器人和AI的错误信息，其中一些显然是无稽之谈。虽然在不久的将来会出现一些令人惊叹的技术，但是AI本身也存在局限性，而且有一些涉及我们所有人的伦理问题。
然而，这并不是一个负面的故事，因为在解释了问题的困难之处和本质之后，我接着描述了一种替代方法，其目前正处于交付过程中，并显示出开发通用机器人的真正潜力。我通过自己和相关的研究给出了具体的细节，来说明如何借助心理学和发展理念更接近实现类人行为—这基本上是通用的，但可以加以调整来学习完成专门的任务。
我尽量回避技术的细枝末节或细微变化，而专注于趋势、技术发展的方式，以及技术在我们生活中的作用。我觉得重要的是，每个人都应该更多地欣赏当今的技术发展，以便更好地了解什么是可行的，什么是合理的，什么是夸张的。通过将基本常识应用到许多论断和预测中，可以评估技术在我们当前生活（以及未来生活）中的角色，并因此对其产生更大的影响。这本书就是对这些问题的回应，包含了我对这些有趣问题的一些发现和见解。我希望它能提供一个更好的视角来解决智能机器人所带来的一些更广泛的问题。
致谢
在我的职业生涯中，帮助过我的同事、朋友和学生有很多，其中包括英国亚伯大学计算机科学系的同事，以及英国、欧洲、日本和美国的许多大学及其他组织的同事。研究是一个真正的全球性社区，感谢所有慷慨支持、影响和鼓励本书所述方法的朋友和同事。特别感谢那些直接参与本书工作的人：Raphael Braud﹑Fei Chao﹑Kevin Earland﹑Tao Geng﹑Alexandros Giagkos﹑Richard Gunstone﹑Martin Hülse﹑Ian和Tom Izzett﹑Suresh Kumar﹑James Law﹑Daniel Lewkowicz﹑Sebastian McBride﹑Qinggang Meng﹑Marcos Rodrigues﹑Patricia Shaw﹑Michael Sheldon﹑Qiang Shen﹑James Wilson以及 Xing Zhang。当然，本书所表述的一些观点、错误和疏漏都由我负责。
其他帮助过我的人包括Anna Borghi﹑Merideth Gattis﹑Frank Guerin﹑Kevin Gurney﹑David Llewelyn﹑Giorgio Metta﹑David Midd- leton﹑Kevin O’Regan﹑Peter Redgrave﹑Peter Tallack﹑Raymond Tallis，以及我已故的好友Brendan McGonigle和Ulrich Nehmzow。请原谅我没有列出所有的人。
非常感谢麻省理工学院出版社Marie L. Lee的专业和热情支持，也感谢对这个项目提供过帮助的所有编辑和其他工作人员。
这里所述的研究主要在四个项目中进行：两个由英国工程和自然科学研究理事会资助，两个由欧盟委员会（EC）FP7项目资助。iCub仿人机器人起源于欧盟委员会资助的一个项目，欧盟委员会很有远见地为新的研究项目提供了该机器人，结果iCub现在已被全球超过25个机器人研究实验室所使用。
非常感谢英国皇家艺术学会允许我重复使用和修改我的文章“A Frame of Mind” 中的材料，它们出现在第9章。
我很感谢许多图书馆，特别是六个地方图书馆，包括英国亚伯大学的图书馆和威尔士国家图书馆。后，我非常荣幸有一个积极、乐于助人的家庭，特别是我亲爱的妻子Elizabeth，她在很多方面鼓励和支持了这个项目。
20世纪80年代，当我试图从事这方面的研究时，它完全不受欢迎。人工智能（AI）的新商业化刚刚开始，AI软件正变得非常畅销。在此之前，AI的先驱们认为人类智能和计算机智能之间没有太大区别，并认为两者可以一起研究。对软件产品和应用的推动使得AI与人类认知的研究在很大程度上分离。我记得和Andy Barto、 Richard Sutton，以及马萨诸塞大学阿默斯特分校的其他人一起讨论过我的工作，当时他们正在发展强化学习。在英国，由好奇心驱动的AI基础研究很难获得任何资助，所以我开始在工业机器人、触觉感知、错误恢复和诊断系统等领域研究AI，并一直探索人类在这些任务中的行为，以及AI如何应用于机器人技术。幸运的是，在21世纪，人们又回到了学习、自主主体等话题，以及对人类行为的关注上。在机器人发展的新领域，现在已经有了一个强大的全球研究社区。
我写这本书的部分原因是回应一些关于机器人和AI的常见误解。媒体上流传着大量关于机器人和AI的错误信息，其中一些显然是无稽之谈。虽然在不久的将来会出现一些令人惊叹的技术，但是AI本身也存在局限性，而且有一些涉及我们所有人的伦理问题。
然而，这并不是一个负面的故事，因为在解释了问题的困难之处和本质之后，我接着描述了一种替代方法，其目前正处于交付过程中，并显示出开发通用机器人的真正潜力。我通过自己和相关的研究给出了具体的细节，来说明如何借助心理学和发展理念更接近实现类人行为—这基本上是通用的，但可以加以调整来学习完成专门的任务。
我尽量回避技术的细枝末节或细微变化，而专注于趋势、技术发展的方式，以及技术在我们生活中的作用。我觉得重要的是，每个人都应该更多地欣赏当今的技术发展，以便更好地了解什么是可行的，什么是合理的，什么是夸张的。通过将基本常识应用到许多论断和预测中，可以评估技术在我们当前生活（以及未来生活）中的角色，并因此对其产生更大的影响。这本书就是对这些问题的回应，包含了我对这些有趣问题的一些发现和见解。我希望它能提供一个更好的视角来解决智能机器人所带来的一些更广泛的问题。
致谢
在我的职业生涯中，帮助过我的同事、朋友和学生有很多，其中包括英国亚伯大学计算机科学系的同事，以及英国、欧洲、日本和美国的许多大学及其他组织的同事。研究是一个真正的全球性社区，感谢所有慷慨支持、影响和鼓励本书所述方法的朋友和同事。特别感谢那些直接参与本书工作的人：Raphael Braud﹑Fei Chao﹑Kevin Earland﹑Tao Geng﹑Alexandros Giagkos﹑Richard Gunstone﹑Martin Hülse﹑Ian和Tom Izzett﹑Suresh Kumar﹑James Law﹑Daniel Lewkowicz﹑Sebastian McBride﹑Qinggang Meng﹑Marcos Rodrigues﹑Patricia Shaw﹑Michael Sheldon﹑Qiang Shen﹑James Wilson以及 Xing Zhang。当然，本书所表述的一些观点、错误和疏漏都由我负责。
其他帮助过我的人包括Anna Borghi﹑Merideth Gattis﹑Frank Guerin﹑Kevin Gurney﹑David Llewelyn﹑Giorgio Metta﹑David Midd- leton﹑Kevin O’Regan﹑Peter Redgrave﹑Peter Tallack﹑Raymond Tallis，以及我已故的好友Brendan McGonigle和Ulrich Nehmzow。请原谅我没有列出所有的人。
非常感谢麻省理工学院出版社Marie L. Lee的专业和热情支持，也感谢对这个项目提供过帮助的所有编辑和其他工作人员。
这里所述的研究主要在四个项目中进行：两个由英国工程和自然科学研究理事会资助，两个由欧盟委员会（EC）FP7项目资助。iCub仿人机器人起源于欧盟委员会资助的一个项目，欧盟委员会很有远见地为新的研究项目提供了该机器人，结果iCub现在已被全球超过25个机器人研究实验室所使用。
非常感谢英国皇家艺术学会允许我重复使用和修改我的文章“A Frame of Mind” 中的材料，它们出现在第9章。
我很感谢许多图书馆，特别是六个地方图书馆，包括英国亚伯大学的图书馆和威尔士国家图书馆。后，我非常荣幸有一个积极、乐于助人的家庭，特别是我亲爱的妻子Elizabeth，她在很多方面鼓励和支持了这个项目。
评论
还没有评论。