Sztuczna inteligencja. Nowe spojrzenie. Tom 2

Co przeczytać po zakończeniu Sztuczna inteligencja. Nowe spojrzenie. Tom 2

Szukasz dalszych lektur po lekturze klasycznego podręcznika o sztucznej inteligencji? Poniższe tytuły poszerzają perspektywę: od historii technologii, przez etykę i społeczny wymiar AI, po praktyczne przewodniki i narzędzia dla twórców.

1. 1. Newsweek Nauka 2/2023 Sztuczna inteligencja

   Numer poświęcony sztucznej inteligencji w popularnonaukowym magazynie daje przegląd aktualnych debat i praktycznych zastosowań. Krótkie, tematyczne teksty i wywiady pozwalają szybko zorientować się w najnowszych trendach i kontrowersjach. Może być dobrą lekturą uzupełniającą dla kogoś, kto szuka szybkiego wglądu w społeczne i medialne aspekty technologii. Format czasopisma sprzyja konfrontacji teoretycznych koncepcji z bieżącymi przykładami.

2. 2. To żyje! Sztuczna inteligencja. Od logicznego fortepianu po zabójcze roboty, Toby Walsh

   Toby Walsh prowadzi czytelnika przez historię i konsekwencje rozwoju maszyn myślących, łącząc fascynację techniką z krytycznym spojrzeniem na zagrożenia. Książka porusza pytania o etyczne i społeczne skutki wprowadzania inteligentnych systemów oraz możliwości ich regulacji. Po lekturze Russella warto sięgnąć po tę pozycję, by uzupełnić techniczną wiedzę o refleksje nad przyszłością relacji człowiek-maszyna. Tekst zachęca do przemyślenia, jak kształtować odpowiedzialną politykę wobec rozwijających się technologii.

3. 3. Generatywna AI. Wszystko, co warto wiedzieć, Jerry Kaplan

   Kompaktowy przewodnik po generatywnej sztucznej inteligencji wyjaśnia najważniejsze idee w przystępny sposób, od koncepcji po praktyczne implikacje. Pomaga zrozumieć, co stoi za modelem generatywnym i jakie wyzwania prawne, etyczne i praktyczne się z tym wiążą. Po dogłębnej lekturze technicznej warto poszerzyć perspektywę o takie syntetyczne i jasne omówienie zagadnień. Książka ułatwia orientację w temacie i wskazuje kluczowe punkty do dalszej refleksji.

4. 4. 50 idei, które powinieneś znać. AI Sztuczna inteligencja, Keith Mansfield

   Zbiór przystępnych esejów wyjaśnia kluczowe koncepcje stojące za sztuczną inteligencją w zwięzły i klarowny sposób. To dobre uzupełnienie dla czytelnika, który po głębszej, akademickiej lekturze chce utrwalić najważniejsze idee w skondensowanej formie. Książka sprawdza się jako szybko dostępne przypomnienie koncepcji i ich autorów, bez konieczności zanurzania się w formalizmie. Pomaga także spojrzeć na AI przez pryzmat historycznych i koncepcyjnych przełomów.

5. 5. Sztuczna inteligencja. Nieludzka, arcyludzka, Paweł Oksanowicz

   Autor podejmuje refleksję nad miejscem człowieka wobec maszyn i bada emocjonalne oraz społeczne konsekwencje rozwoju technologii. Tekst pomaga zastanowić się nad granicami automatyzacji i nad tym, co odróżnia ludzi od algorytmów. Po lekturze Russella warto sięgnąć po tę pozycję, by poszerzyć dyskusję o humanistyczne i etyczne wątki. Książka prowokuje do myślenia o wpływie rozwiązań technicznych na codzienne życie.

6. 6. Cuda nauki i techniki starożytności. Sztuczna inteligencja, roboty, komputery, lasery, leczenie raka i inne osiągnięcia wczesnych cywilizacji, Joseph Frank

   Ta książka pokazuje, że nowoczesne technologie mają swoje korzenie w zaskakujących osiągnięciach dawnych cywilizacji. Daje ciekawą perspektywę historyczną, która pomaga zrozumieć, jak ludzka pomysłowość kształtowała narzędzia i idee prowadzące do dzisiejszych rozwiązań. Czytanie jej po Russellu ułatwia docenienie ciągłości myślenia technologicznego i zaskakujących analogii między starożytnymi wynalazkami a współczesnymi systemami. To lektura inspirująca dla tych, którzy lubią łączyć techniczną wiedzę z kontekstem historycznym.

7. 7. Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2, Sebastian Raschka

   Książka skupia się na praktycznych implementacjach uczenia maszynowego i głębokiego uczenia z użyciem Pythona i popularnych bibliotek. Daje konkretne przykłady, które pomagają przejść od teorii do działających modeli, co jest naturalnym przedłużeniem lektury Russella. Zawarte przykłady i ćwiczenia ułatwiają zrozumienie algorytmów oraz ich zastosowań w realnych projektach. To wartościowe źródło dla osób chcących budować i testować własne systemy ML.

8. 8. Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego, Hadelin de Ponteves

   Szybkie wprowadzenie do uczenia maszynowego i uczenia głębokiego przedstawia kluczowe idee w zwięzłej formie, idealnej do szybkiego przypomnienia. Książka pomaga zorientować się w podstawowych metodach i narzędziach bez nadmiernego formalizmu. Dobrze sprawdzi się jako uzupełnienie po głębszym, systematycznym podręczniku, oferując przegląd najważniejszych koncepcji. To praktyczne źródło dla tych, którzy chcą szybko odświeżyć wiedzę i przejść do ćwiczeń.

9. 9. Głębokie uczenie. Wprowadzenie

   Wprowadzenie do głębokiego uczenia oferuje solidne omówienie sieci neuronowych i ich współczesnych zastosowań. Książka tłumaczy fundamenty architektur i technik, które stoją za wieloma obecnymi przełomami w AI, w tym za modelami generatywnymi. Po lekturze Russella warto zagłębić się w tę pozycję, by lepiej rozumieć mechanizmy stojące za sukcesami praktycznych rozwiązań. To dobry most między matematyczną teorią a inżynierską praktyką.

10. 10. TypeScript 4. Od początkującego do profesjonalisty, Adam Freeman

    Poradnik o TypeScriptie przydatny dla tych, którzy chcą przekuć wiedzę o AI na praktyczne projekty webowe i rozwiązania front-endowe. Pokazuje, jak pisać bezpieczniejszy i bardziej przewidywalny kod w ekosystemie JavaScript, co ma znaczenie przy wdrażaniu modeli w aplikacjach internetowych. Po teorii Russella warto zyskać umiejętności techniczne potrzebne do implementacji narzędzi korzystających z modeli językowych. Książka jest solidnym przewodnikiem od podstaw do poziomu profesjonalnego.

11. 11. Generatywna sztuczna inteligencja z ChatGPT i modelami OpenAI. Podnieś swoją produktywność i innowacyjność za pomocą GPT3 i GPT4, Valentina Alto

    Publikacja skupia się na praktycznych zastosowaniach generatywnych modeli językowych i sposobach wykorzystania ich w codziennej pracy. Przewodnik pokazuje, jak poprawić produktywność i kreatywność dzięki narzędziom takim jak ChatGPT oraz jak bezpiecznie wdrażać gotowe modele. Dobrze uzupełnia teoretyczne rozważania o konkretne przykłady użycia i studia przypadków. To przydatna lektura dla osób chcących natychmiast wykorzystać możliwości generatywnej AI.

12. 12. Matematyka i sztuczna inteligencja. Kluczowe koncepcje zwiększania skuteczności i wydajności systemów, Nelson Hala

    Pozycja omawia matematyczne podstawy, które zwiększają skuteczność systemów AI, tłumacząc kluczowe koncepcje formalne i praktyczne implikacje. Dla czytelnika Russella, który chce głębiej zrozumieć algorytmy i metryki wydajności, to wartościowe uzupełnienie. Książka uczy, jak dobierać modele i parametry z większą świadomością ich ograniczeń i potencjału. Przydatna dla osób zainteresowanych budowaniem bardziej efektywnych i interpretowalnych systemów.

13. 13. Myśl w języku Python! Nauka programowania. Wydanie III, Allen B Downey

    Wprowadzenie do Pythona to doskonały krok dla tych, którzy chcą zacząć programować modele i eksperymentować z kodem samodzielnie. Język ten jest podstawą wielu bibliotek uczenia maszynowego, więc opanowanie go ułatwia praktyczne zastosowania koncepcji przedstawionych przez Russella. Książka prowadzi przez podstawy w przystępny sposób, przygotowując do dalszej pracy z narzędziami ML. To solidna baza dla początkujących programistów i entuzjastów AI.

14. 14. Pragmatyczny programista. Od czeladnika do mistrza. Wydawnictwo Helion, Andrew Hunt

    Klasyka praktycznego podejścia do tworzenia oprogramowania, która uczy dobrych nawyków i myślenia inżynierskiego. Po lekturze teoretycznego podręcznika sprawdza się jako przewodnik po praktycznych aspektach projektowania, testowania i utrzymania systemów wykorzystujących AI. Książka kładzie nacisk na pragmatyzm i jakość kodu, co jest kluczowe przy wdrażaniu modeli w rzeczywistych produktach. To lektura wartościowa dla każdego, kto chce budować solidne i skalowalne rozwiązania.

15. 15. LangChain i LangGraph. Projektowanie aplikacji opartych na dużych modelach językowych w praktyce, Mayo Oshin

    Praktyczny przewodnik do budowy aplikacji opartych na dużych modelach językowych pokazuje narzędzia i wzorce przydatne w realnych projektach. Omawia integrację, zarządzanie kontekstem, łączenie z zewnętrznymi źródłami danych oraz najlepsze praktyki inżynierskie. Po rozumieniu teoretycznym Russella warto zdobyć umiejętności pozwalające tworzyć funkcjonalne rozwiązania z użyciem LLM. To bezpośrednio przydatna lektura dla twórców aplikacji AI.

16. 16. Senior używa Smartfona. Rozpocznij przygodę z Androidem, Norbert Kwaśniak

    Poradnik dla seniorów pomaga zrozumieć, jak bezpiecznie i wygodnie korzystać ze smartfonów i aplikacji - umiejętność coraz ważniejsza w dobie cyfrowych asystentów i usług opartych na AI. Książka uczy podstaw obsługi Androida i popularnych aplikacji, co może zwiększyć niezależność i komfort korzystania z technologii. Po lekturze teoretycznego podręcznika warto zadbać o praktyczne aspekty cyfrowej codzienności różnych grup wiekowych. To pomocne źródło dla osób wkraczających w świat smartfonów i cyfrowych narzędzi.

17. 17. Wprowadzenie do Arduino, Banzi Massimo

    Podstawy Arduino to świetny punkt startowy dla osób zainteresowanych fizyczną stroną systemów AI - od prototypów robotów po sensory i sterowanie. Publikacja uczy praktycznego podejścia do elektroniki i programowania mikrokontrolerów, co jest niezbędne przy eksperymentach z robotyką i systemami wbudowanymi. Po lekturze teoretycznego podręcznika warto zanurzyć się w tworzenie własnych urządzeń, by lepiej rozumieć ograniczenia sprzętowe i integrację z algorytmami. Książka zachęca do praktycznych eksperymentów i budowania prototypów.

18. 18. Sztuczna inteligencja w perspektywie pokoleniowej

    Monografia analizuje postrzeganie sztucznej inteligencji w różnych pokoleniach, ukazując odmienne oczekiwania i obawy wobec technologii. To cenna perspektywa, jeśli chcesz zrozumieć, jak zmienia się zaufanie do systemów automatycznych w społeczeństwie. Lektura uzupełnia techniczne spojrzenie Russella o badania społeczne i demograficzne. Pomaga też lepiej planować komunikację i wdrożenia technologii w zróżnicowanych grupach użytkowników.

19. 19. PHP i MySQL. Aplikacje internetowe po stronie serwera, Jon Duckett

    Praca z PHP i MySQL pozostaje przydatna tam, gdzie potrzebne są proste, skalowalne zaplecza serwisów wykorzystujących modele AI. Książka tłumaczy, jak tworzyć aplikacje serwerowe, zarządzać bazami danych i łączyć warstwę backendową z interfejsem użytkownika. Po lekturze Russella przyda się zrozumienie infrastruktury, na której często oparte są wdrożenia modelowe. To praktyczny przewodnik dla twórców webowych, którzy chcą integrować algorytmy z aplikacjami internetowymi.

20. 20. Męskość - nowe spojrzenie, Steve Biddulph

    Choć tematyka książki koncentruje się na kwestiach męskości, porusza też uniwersalne zagadnienia tożsamości i ról społecznych, które mogą ulec przemianie pod wpływem technologii. Refleksja nad tym, jak technologie zmieniają oczekiwania wobec ról społecznych i relacji międzyludzkich, uzupełnia dyskusje o społecznych skutkach AI. Po lekturze podręcznika technicznego warto spojrzeć na to, jak innowacje wpływają na życie jednostek i ich relacje. Tekst może zainspirować do szerszych rozważań na temat ludzkich konsekwencji cyfrowej rewolucji.

Każda z tych książek otwiera inny wymiar współczesnych technologii - od koncepcji teoretycznych po praktyczne umiejętności i refleksję nad społecznymi skutkami. Warto kontynuować poszukiwania, dobierając tytuły zgodnie ze swoimi zainteresowaniami.