商品描述
本書共11 章，從生成式人工智能熱潮切入，覆蓋ChatGPT 前夜到Sora 等技術進展，探討人工智能（AI） 的局限與未來，追問奇點何時到來、AI 是否會威脅人類。搭配GPU、腦機接口等專欄，助你全面快速讀懂AI。內容貫穿生成式AI 發展、智能研究史、深度學習原理、腦科學與AI 對比等核心主題。既解析Transformer、擴散模型等技術，也探討“智能定義”“腦功能模擬”等深層問題。
無論你是AI 領域新人，還是想厘清技術脈絡的愛好者，都能通過本書讀懂AI的過去、現在與未來。
作者簡介
田口善弘，中央大學理工學部教授。早期從事機器學習等技術在生物信息學領域的應用研究。自2021年至2024年連續4年入選斯坦福大學與愛思唯爾公司發布的“全球最具影響力科學家前2％”（生物信息學領域）。近期專註於張量分解研究，其成果於2024年9月由斯普林格出版社出版英文專著。
目錄大綱
前言
第1章 生成式AI狂想曲
ChatGPT 前夜
生成式AI元年-2022年
持續的喧囂（2023-2024年）
專欄：GPU引發生成式AI
第2章 過去的智能研究
智能是什麼
從不幸事故中加速的“大腦功能研究”
阻礙大腦功能定位的根本問題
物理學者提出的根本性質疑
從“造不出”到“親手造”的人工智能
人工智能研究者犯下的雙重錯誤
圖靈測試的局限
人工智能僅靠程序就能實現嗎
計算機的形態曾如此存在
古典符號處理範式的敗北
艱難的“常識”習得
讓人工智能擁有身體的新方法論
人工神經網絡的誕生
神經網絡的工作原理
“局部解”的困境
第3章 從深度學習到生成式AI
被遺忘的神經網絡的意外覆興
把深度學習稱為AI 是愚蠢的嗎
深度學習的“謎之性能”
接連擊敗將棋、圍棋等完全信息博弈遊戲中
最強王者的深度學習
最難的還是自然語言處理
獲得“創造力”的大規模基礎模型
實際情況是，智能並非必需
專欄：機器學習面面觀
第4章 作為腦功能的“智能”
重新定義“智能”
因過於順利而產生的混亂
汽車與計算機的設計邏輯存在根本性差異
如果不借助大腦，人類的智能無法被創造出來
腦是再現周圍狀況的模擬器
我們的大腦存在漏洞
專欄：腦機接口（BMI）
第5章 作為神經元集合體的大腦
作為神經元集合體而實現“智能”的大腦
智能並非只存在於大腦的特定區域
智能的個體差異是否源於遺傳？
“謎”隱藏在神經元中
非線性非平衡多自由度系統中的神經元研究
神經網絡與神經的工作機制雖然相似
但也有所不同
專欄：BERT
第6章 作為世界模擬器的生成式AI
從擴散模型說起
圖像生成裝置的進化：用進化算法生成圖像的原理與GAN
在大語言模型中活躍的算法“Transformer”
不知不覺間變成了似是而非的事物
非線性非平衡多自由度系統
動態模型產生的無限接近現實的世界
眾多選項之中某一個的實現可能性
物理學家為何無法制作出生成式AI
Sora的失敗之生成式AI 的局限
智能是在腦內構建事物的地圖
專欄：取得驚人成果的深度學習
第7章 為什麼人類大腦能靠少量樣本學習
擁有超越生成式AI效率的大腦
先天偏差說
元認知說
約束條件說
貝葉斯統計說
專欄：無意識偏見
第8章 經典力學是錯誤的嗎
地球上生物進化獲得的“現實模擬器”——經典力學
無法理解卻支配現實世界的量子力學
天才物理學家也未曾涉足的經典力學
過度喧囂是非常危險的
專欄：計算機與國際象棋、圍棋、將棋
第9章 智能研究的未來
人類大腦與生成式AI 作為“現實模擬器”的性能差異
智能研究將歸結為如何構建“世界模擬器”
培育大腦，打造智能設備
什麼被允許
人工超級智能能否實現
專欄：自主型AI
第10章 非線性非平衡多自由度系統與生成式AI
奇點何時到來
數量增加會引發相變嗎
AI 會成為人類的威脅嗎
人類智能和生成式AI 智能的不同
專欄：儲備池計算
第11章 雜談：機器人與AI
在現實世界行動的機器人、生成式AI的性能實驗
機器人的壁壘——“視覺獲取”
機器人的壁壘——“操作”
後記
