阳志平知识星球荐书

评语：2023年12月书单（2）：深度学习与生物科技

评语：2023年12月书单（2）：深度学习与生物科技

评语：2023年12月书单（1）：如何开发大模型？ 还是开发大模型。10月、11月、12月三个月净折腾这块了。

评语：2023年12月书单（1）：如何开发大模型？ 还是开发大模型。10月、11月、12月三个月净折腾这块了。

评语：2023年12月书单（1）：如何开发大模型？ 还是开发大模型。10月、11月、12月三个月净折腾这块了。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（12）：如何开发大模型？ 六本书。都不够好。但可以作为参考。

评语：2023年11月书单（11）：《机器翻译》 虽然是大模型诞生之前的技术栈，但依然是一本值得一读的好书。系统总结了机器翻译领域的知识点。书很厚。作者们是小牛翻译的创始人。也是我最推荐、最常用的机器翻译引擎之一。它的价格比较实惠，比其他家便宜很多。但自从大模型技术诞生之后，百度翻译结合大模型，上线智能翻译，小牛翻译一下子危险了。

评语：2023年11月书单（10）：fastapi开发参考 AI编程课教研参考。

评语：2023年11月书单（10）：fastapi开发参考 AI编程课教研参考。

评语：2023年11月书单（10）：fastapi开发参考 AI编程课教研参考。

评语：2023年11月书单（10）：fastapi开发参考 AI编程课教研参考。

评语：2023年11月书单（9）：《在秋天》 作者太有诗意了。在女儿出生之前，针对那些日常生活中的美好事物，一天写一封信。 >向你展示这个世界，小家伙，让我的生命变得有意义。 最终有了本书。

评语：2023年11月书单（8）：《怎样成为专家》 神经科学角度的解读。英文版是2017年。引用的文献较新。值得一读。

评语：2023年11月书单（7）：《神经科学》第四版 当年读过的一本好教材。2015年的英文版，如今出版中文版了。厚厚的几百页，整本书300多块，全彩印刷。

评语：2023年11月书单（6）：《生活的科学》、《营养的科学》与《睡眠的科学》 依然是我喜欢的DK百科系列。

评语：2023年11月书单（6）：《生活的科学》、《营养的科学》与《睡眠的科学》 依然是我喜欢的DK百科系列。

评语：2023年11月书单（6）：《生活的科学》、《营养的科学》与《睡眠的科学》 依然是我喜欢的DK百科系列。

评语：2023年11月书单（5）：理解与改变世界 最火的国产大模型研发者，清华唐杰翻译的。 图书简介参见：对话图灵奖得主希发基思：AI带来的最大威胁是使人类变成“奴隶的奴隶”

评语：2023年11月书单（4）：Artificial You 图书简介： 在 Artificial You 中，Susan Schneider 指出人工智能将不可避免地朝着新的方向发展，但她敦促由我们来开辟一条明智的前进道路。 当人工智能技术转向向内重塑大脑，以及向外创造机器大脑时，我们应该小心。智人，设计着这些思维，但却不懂他们所把玩的“工具”：自我、思维和意识。 Schneider认为，对这些实体的本质把握不足，可能会破坏人工智能和大脑强化技术的使用，导致有意识生物的死亡或痛苦。为了人类的繁荣延续，我们必须抓住算法背后的哲学问题。 更多参见： 终有一天，AI会有意识吗？

评语：2023年11月书单（3）：The Self-Assembling Brain: How Neural Networks Grow Smarter 图书简介： 过去十年，人工智能（AI）的发展突飞猛进，Chat-GPT 的热潮更使得机器学习、人工神经网络的相关研究频繁进入公众视野。但事实上，早在百年前，神经生物学家就已经发现了大脑神经网络的存在，并承认智能大脑的发育需要学习。但对于这些神经网络如何变得“智能”，科学家们有不同的看法。 制造一个智能神经网络需要哪些信息？是否有一条更快的路径来创造具有人类水平的人工智能？柏林自由大学生物研究所的神经生物学教授 Peter Robin Hiesinger 在The Self-Assembling Brain: How Neural Networks Grow Smarter 中梳理了科学家们关于上述问题的答案。人工智能研究人员发现，在人脑的发育过程中，大脑随着成长发展，学习规则也随之变化。然而，目前即使是最先进的人工智能，其神经网络训练的规则是仍然固定的，是基于人类设计而非自然生长出来的。 基于此，作者认为，“人造大脑”要想能达到与人类智力相当的水平，神经网络的形成须在一套运算法则中逐步形成，没有捷径可走。本书准确地阐述了神经生物学在这一领域发生的争论，探讨了深层神经网络给脑机接口带来的可能性，并进一步启发神经科学和人工智能交叉领域的未来讨论。 更多参考： AI要达到人类智能水平，能向人脑学习什么？