自主AI设计：方法与实践

本书将介绍如何将早期AI的实用性与深度学习能力和工业控制技术结合起来，在现实世界中做出稳健的决策。作者使用具体的例子、最基本的理论和经过验证的架构框架，展示了如何教授自主AI明确的技能和策略。读者将了解何时以及如何使用和组合各种AI架构设计模式，以及如何设计高级AI，而无须操作神经网络或机器学习算法。学生、流程操作员、数据科学家、机器学习算法专家以及拥有和管理工业流程的工程师都可以使用本书中的方法来设计自主AI。

Kence Anderson是微软自主AI应用总监。他率先将自主AI应用于工业领域，并为大型企业设计了150多个自主决策AI系统。他现在教授自主AI设计，并就如何建立自主系统组织和实践为企业提供咨询

序1<br />前言3<br />导论：正确地运用大脑（为什么我们需要自主AI）13<br />第一部分 当自动化不起作用时<br />第1章 机器有时会做出错误的决策31<br />第2章 追寻更类人的决策52<br />2.1 增强人类智能53<br />2.2 人类如何做出决策和掌握技能54<br />2.2.1 人类根据感知采取行动56<br />2.2.2 人类在直觉和实践中建立复杂的关联56<br />2.2.3 人类为复杂任务制定抽象策略56<br />2.2.4 一种新型的AI正在流行61<br />2.3 自主AI的强大力量65<br />2.3.1 自主AI能够做出更类人的决策66<br />2.3.2 自主AI感知，然后行动66<br />2.3.3 感知和行动的区别67<br />2.3.4 当事物发生变化时，自主AI进行学习并适应变化68<br />2.3.5 自主AI可以识别模式68<br />2.3.6 自主AI参考经验进行推断69<br />2.3.7 自主AI即兴发挥并制定策略69<br />2.3.8 自主AI可以规划长期未来69<br />2.3.9 自主AI汇集了所有决策技术的精华71<br />2.4 何时应该使用自主AI71<br />2.5 自主AI就像一个聪明、好奇、蹒跚学步的孩子，需要被教导72<br />第二部分 什么是机器教学<br />第3章 教学是AI及人类最好的学习方式77<br />3.1 同时学习多种技能对人类和AI来说都很困难77<br />3.2 明确地教授技能与策略78<br />3.3 教学使我们能够信任AI81<br />3.4 机器教师的思维模式84<br />3.4.1 不会教学的程序员不是好的机器教师84<br />3.4.2 愿意学习比成为专家更重要85<br />3.5 什么是大脑设计86<br />3.5.1 决策是如何运作的87<br />3.5.2 获得技能就像在探索中学会导航91<br />3.5.3 大脑设计是一个用地标指引探索的心智地图92<br />第4章 构建机器教学的模块96<br />4.1 案例：走路很容易被教会，但很难通过自我进化学会99<br />4.1.1 为什么要以人类的方式走路100<br />4.1.2 策略与进化101<br />4.1.3 将行走拆解为三种技能进行教学104<br />4.2 概念获取知识107<br />4.3 技能是特殊的概念108<br />4.4 大脑是由技能构建的109<br />4.4.1 构建技能109<br />4.4.2 由专家规则扩展成技能110<br />4.4.3 感知性概念负责感知世界114<br />4.4.4 指令性概念负责决策和行动119<br />4.4.5 选择性概念负责监督和分配120<br />4.5 功能和策略构成了大脑122<br />4.5.1 功能性技能的顺序执行或并行执行123<br />4.5.2 策略的层次结构130<br />4.6 大脑设计的可视化语言136<br />第三部分 如何开展机器教学<br />第5章 教AI大脑该做什么143<br />5.1 决定AI大脑会采取哪些行动144<br />5.1.1 感知是必要的，但我们需要的远不止这些144<br />5.1.2 连续决策145<br />5.2 触发AI大脑中的行动146<br />5.3 设置决策频率147<br />5.4 处理AI大脑行动的延迟后果147<br />5.5 智能温控器的行动149<br />第6章 为AI大脑设定目标150<br />6.1 总有权衡之道150<br />6.1.1 吞吐量与效率152<br />6.1.2 负责人和员工有不同的目标153<br />6.1.3 让自主AI学会权衡目标154<br />6.1.4 谨防将专家规则设置成目标154<br />6.1.5 理想与现实156<br />6.2 设定目标156<br />6.2.1 步骤1：识别场景156<br />6.2.2 步骤2：匹配目标与场景157<br />6.2.3 步骤3：教授场景策略158<br />6.3 目标158<br />6.3.1 最大化158<br />6.3.2 最小化158<br />6.3.3 实现它159<br />6.3.4 驱动它159<br />6.3.5 避开它160<br />6.3.6 统一它160<br />6.3.7 稳住它161<br />6.4 将目标包含在任务代数中161<br />6.5 为智能温控器设定目标163<br />第7章 向AI大脑传授技能164<br />7.1 教学聚焦并引导实践（探索）164<br />7.2 技能可以发展和转变168<br />7.3 技能适应场景168<br />7.4 四种不同复杂度的教学方法169<br />7.4.1 初级教师传达事实和目标169<br />7.4.2 教练安排技能练习的顺序169<br />7.4.3 导师教授策略171<br />7.4.4 大师使新范式大众化171<br />7.5 大师如何使技术大众化174<br />7.6 自主AI的架构层次175<br />7.6.1 机器学习与感知175<br />7.6.2 单一大脑代表高级初学者阶段176<br />7.6.3 概念网络代表胜任者阶段178<br />7.6.4 大规模概念网络代表精通者阶段179<br />7.7 探索自主AI的专家技能获取180<br />7.7.1 天生具备技能的大脑181<br />7.7.2 能在学习中定义新技能的大脑183<br />7.7.3 能自我组装的大脑184<br />7.7.4 能协调技能的大脑185<br />7.8 构建AI大脑的步骤186<br />7.8.1 第一步：确定想要教授的技能186<br />7.8.2 第二步：精心设计这些技能如何协同工作188<br />7.8.3 第三步：选择合适的技术来执行每项技能188<br />7.9 教授技能时要避免的陷阱189<br />7.9.1 陷阱1：将解决方案与问题混为一谈189<br />7.9.2 陷阱2：过于关注某个部分而忽视了全局189<br />7.10 向AI大脑传授技能的例子：橡胶厂189<br />7.11 智能温控器的大脑设计191<br />第8章 给AI大脑提供信息193<br />8.1 传感器：AI大脑的五种感官193<br />8.1.1 变量194<br />8.1.2 代理变量195<br />8.1.3 趋势195<br />8.2 模拟器：自主AI进行练习的虚拟环境196<br />8.2.1 利用物理和化学模拟现实环境198<br />8.2.2 利用统计和事件模拟现实环境198<br />8.2.3 利用机器学习模拟现实环境199<br />8.2.4 利用专家规则模拟现实环境199<br />8.3 智能温控器的传感器变量200<br />第四部分 实用工具箱<br />第9章 设计真正可以落地的AI大脑203<br />9.1 设计师和建造者协作融洽（在大部分时间里）203<br />9.1.1 自主AI的设计谬误：设计但不迭代204<br />9.1.2 自主AI的实现谬误：缺少设计规划的实现206<br />9.2 AI大脑设计文档规范206<br />9.3 机器教学平台208<br />9.4 将多种技能连接成模块的平台208<br />9.5 机器教学会带来哪些改变209<br /><br />