通用人工智能：初心與未來 Algorithms Are Not Enough: Creating General Artificial Intelligence

至少從 20 世紀 50 年代起，人們就開始大肆宣傳可能很快就會創造出一種能夠與人類智能的全部範圍和水平相匹配的機器。
現在，我們已經成功地創造出了能夠解決特定問題的機器，其準確度達到甚至超過了人類，但我們仍然無法獲得通用智能。
這本書想和大家探討一下還需要做什麼樣的努力才能不僅獲得專用智能，還能獲得通用智能。
如果讀者對智能感興趣，想了解更多關於如何建造自主機器的知識，
或者擔心這些機器突然有一天會以一種被稱為“技術奇點”的方式統治世界，請閱讀本書。
通過閱讀本書，讀者將會了解到：儘管人工智能已經變得越來越複雜而強大，但計算機科學還遠未創造出通用人工智能 。
人類自然智能的認知機理以及人工智能發展的初心與使命，從不同方面認知當前人工智能技術的不足。
從當前“專用人工智能”到實現真正的“通用人工智能”還需要在哪些方面取得突破。
機器智能的進步可能會改變人們從事的工作類型，但它們不會意味著人類存在的終結。
為什麼機器智能的改進並不會導致由機器所主導的失控性革命，機器智能的進步並不會導致世界末日的到來。

Herbert L. Roitblat

加州大學伯克利分校心理學博士，曾在夏威夷大學任教多年，現為Mimecast公司首席數據科學家。
他在信息技術創新的各個方面具有廣泛的經驗，是技術企業家、發明家和專家，
同時也是認知科學、信息檢索、深度學習、電子發現、機器學習、神經網絡、信息治理、自然語言處理等領域的專家。

譯者序
前言
第1章引言：智能、人工和自然
1.1 人類智能的誕生
1.2 計算智能
1.3 自然智能
1.4 通用智能中的普遍性
1.5 專用智能、通用智能和超級智能
1.6 參考文獻
第2章人類智能
2.1 智力測試
2.2 解決問題
2.2.1 結構良好的問題
2.2.2 形式化問題
2.3 洞察力問題
2.4 人類智能的怪癖
2.5 結論
2.6 參考文獻
第3章物理符號系統：智能的符號方法
3.1 圖靈機和圖靈測試
3.2 達特茅斯暑期研討會（1956年）
3.3 表示
3.4 通用智能的定義
3.5 結論
3.6 參考文獻
第4章計算智能與機器學習
4.1 專家系統的局限性
4.2 概率推理
4.3 機器學習
4.4 感知器和感知器學習規則
4.5 機器學習入門
4.6 強化學習
4.7 總結：機器學習系統的幾個例子
4.8 結論
4.9 參考文獻
第5章人工智能的神經網絡方法
5.1 神經網絡基礎
5.2 海豚生物聲吶的例子
5.3 全腦假說
5.4 結論
5.5 參考文獻
第6章人工智能的新進展
6.1 Watson
6.2 Siri和同類應用程序
6.3 AlphaGo
6.4 無人駕駛技術
6.5 撲克遊戲
6.6 結論
6.7 參考文獻
第7章構建智能模塊
7.1 知覺與模式識別
7.2 歧義性
7.3 智力和語言
7.4 常識
7.5 常識的表示
7.6 參考文獻
第8章專業知識
8.1 專業知識的來源
8.2 智商和專業知識
8.3 流體和晶體智力
8.4 專業知識的獲取
8.5 參考文獻
第9章智能黑客與TRICS
9.1 通用智能的表徵
9.2 結論
9.3 參考文獻
第10章算法：從人到計算機
10.1 佳決策：使用算法來指導人類行為
10.2 博弈論
10.3 參考文獻
第11章機器人危機是否即將到來
11.1 超級智能
11.2 超級智能的擔憂
11.3 與世界互動
11.4 參考文獻
第12章通用智能
12.1 定義智能
12.2 實現通用智能
12.2.1 通用人工智能的草圖
12.2.2 更多關於刺猬的故事
12.2.3 通用智能不是算法優化
12.2.4 智能和TRICS
12.2.5 遷移學習
12.2.6 風險帶來智能
12.3 通用智能中的創造力
12.4 通用智能成長
12.5 全腦仿真
12.6 類比
12.6.1 當前範式的其他局限性
12.6.2 元學習
12.6.3 洞察力
12.7 通用人工智能概述
12.8 參考文獻