Hodnotenie:
Kniha poskytuje čitateľný prehľad nepriateľských útokov a hlbokého učenia, takže je prístupná aj netechnickým čitateľom a zároveň obsahuje určitý technický obsah pre profesionálnych programátorov. Bola však kritizovaná za nedostatočnú hĺbku, nedostatočné príklady kódovania a zbytočný úvodný materiál.
Výhody:⬤ Skvelé pre programátorov a nadšencov umelej inteligencie
⬤ veľmi čitateľné
⬤ dobre vysvetľuje hlboké učenie a protivníkove hrozby
⬤ optimistický pohľad na umelú inteligenciu
⬤ vhodné pre tých, ktorí hľadajú základné porozumenie.
⬤ Príliš základná pre znalých čitateľov
⬤ chýba hĺbka a technické detaily
⬤ riedke príklady kódovania
⬤ dlhý úvodný materiál je zbytočný
⬤ nemusí vyhovovať potrebám tých, ktorí hľadajú dôkladnejší prieskum témy.
(na základe 3 čitateľských recenzií)
Strengthening Deep Neural Networks: Making AI Less Susceptible to Adversarial Trickery
Keďže hlboké neurónové siete (DNN) sa čoraz častejšie používajú v reálnych aplikáciách, možnosť zámerne ich oklamať údajmi, ktoré by človeka neoklamali, predstavuje nový vektor útoku. Táto praktická kniha skúma reálne scenáre, v ktorých sa DNN - algoritmy vlastné veľkej časti umelej inteligencie - denne používajú na spracovanie obrazových, zvukových a video údajov.
Autorka Katy Warr zvažuje motiváciu útokov, riziká, ktoré predstavujú tieto nepriateľské vstupy, a metódy na zvýšenie odolnosti AI voči týmto útokom. Ak ste dátový vedec, ktorý vyvíja algoritmy DNN, bezpečnostný architekt, ktorého zaujíma, ako zvýšiť odolnosť systémov AI voči útokom, alebo niekto, koho fascinujú rozdiely medzi umelým a biologickým vnímaním, táto kniha je určená práve vám.
⬤ Ponorte sa do DNN a zistite, ako by ich mohli oklamať vstupy od protivníka.
⬤ Preskúmajte metódy používané na generovanie nepriateľských vstupov schopných oklamať DNN.
⬤ Preskúmajte reálne scenáre a namodelujte hrozbu protivníka.
⬤ Vyhodnoťte odolnosť neurónových sietí; naučte sa metódy na zvýšenie odolnosti systémov umelej inteligencie voči nepriateľským údajom.
⬤ Preskúmať niektoré spôsoby, ktorými by sa umelá inteligencia mohla v nasledujúcich rokoch zlepšiť v napodobňovaní ľudského vnímania.