12 كتابًا مختارًا عن الذكاء الاصطناعي، لكل كتاب ملخص وسبب التوصية وملاحظة صريحة عن حدوده.
قراءة في رؤى ورسائل مئة جامعة من أعرق جامعات العالم وأحدثها في أحد عشر إقليمًا، وتحليل لما يجعل الرؤية تدوم، وعشرة دروس لمؤسسة تعليمية جديدة. أُعيد ترتيب الكتاب بهوية الكلية، وصفحاته تعرض صياغة أمينة بعبارتنا لما قرأناه في الصفحات الرسمية لكل جامعة مع رابط ورمز QR للمصدر.
لماذا نقرؤهلأن أول سؤال لمن يبني مؤسسة تعلّم: ماذا يريد أن يكون؟ والكتاب يجيب بالأمثلة.
المرجع الدراسي الأوسع في المجال. يعرّف الذكاء الاصطناعي بأنه تصميم «وكلاء» يتصرفون بأفضل ما يمكن في ضوء ما يعرفون، ثم يمرّ على البحث والمنطق والاحتمالات وتعلم الآلة والإدراك واللغة والروبوتات، وينتهي بفصول عن أخلاقيات الذكاء الاصطناعي وسلامته.
لماذا نوصي بهيعطيك الخريطة الكاملة ولغة المجال، فلا تدخل التخصصات الدقيقة وأنت لا ترى الصورة الكبيرة.
ملاحظة صريحةضخم (أكثر من ألف صفحة) ويحتوي رياضيات كثيرة. لا يُقرأ من الغلاف إلى الغلاف؛ استعمله مرجعًا وارجع إليه حسب موضوع المادة.
يدعم المواد: AI 101 AI 201 AI 303 تأسيسي ← متقدم
الكتاب الذي ثبّت أساس التعلم العميق أكاديميًا. يبدأ بالرياضيات اللازمة (الجبر الخطي والاحتمالات والتحسين)، ثم الشبكات العميقة وطرق تدريبها وتنظيمها، ثم موضوعات بحثية متقدمة وقتها.
لماذا نوصي بهيشرح لماذا تعمل الشبكات العصبية لا كيف تُكتب فقط، وهذا يفرّق بين من يستعمل المكتبات ومن يفهمها.
ملاحظة صريحةصدر قبل ظهور المحوّلات والنماذج اللغوية الكبيرة، فلن تجد فيه أساس النماذج الحالية. اقرأه للأسس (الانتشار العكسي، التحسين، التنظيم) واستكمل الحديث من المراجع الأخرى.
يدعم المواد: AI 103 AI 202 أساسي
كتاب عملي يمشي بك في مشروع تعلم آلة كامل: تجهيز البيانات، ثم النماذج الكلاسيكية بـ Scikit-Learn، ثم الشبكات العصبية بـ Keras، مع أكواد تعمل وتمارين.
لماذا نوصي بهأسرع طريق من «أعرف بايثون» إلى «بنيت نموذجًا وقيّمته».
ملاحظة صريحةأمثلته على TensorFlow وKeras بينما نستعمل PyTorch في الكلية؛ المفاهيم تنتقل لكن الكود يحتاج ترجمة. يعلّمك الأدوات أكثر مما يشرح الرياضيات خلفها.
يدعم المواد: AI 102 AI 201 AI 202 تأسيسي ← أساسي
كتبه صانع مكتبة Keras. يشرح التعلم العميق بحدس وأمثلة: الرؤية الحاسوبية والسلاسل الزمنية والنصوص والمحوّلات والنماذج التوليدية، مع تركيز على فكرة التعميم وكيف نحكم على النموذج.
لماذا نوصي بهأوضح شرح مبسّط للتعلم العميق للمبرمجين، ويضم المحوّلات والذكاء التوليدي.
ملاحظة صريحةيتبنّى وجهة نظر مؤلفه الخاصة في مسائل مثل التعميم والذكاء، وهي محل نقاش بين الباحثين. وأمثلته على Keras.
يدعم المواد: AI 202 AI 204 AI 205 أساسي
يتناول نظام تعلم الآلة كاملًا لا النموذج وحده: هندسة البيانات والميزات، والتدريب، والتقييم، والنشر، والمراقبة، والتحديث المستمر، وجانب الفرق والمؤسسات.
لماذا نوصي بهأغلب مشاريع الذكاء الاصطناعي تفشل في الإنتاج لا في المختبر، وهذا الكتاب يشرح السبب وطريقة التجنب.
ملاحظة صريحةلا يشرح الخوارزميات نفسها، ولا يغطي موجة تطبيقات النماذج اللغوية الكبيرة بتفصيل. مكمّل ممتاز لكنه ليس البداية.
يدعم المواد: AI 105 AI 207 AI 411 أساسي ← متقدم
المرجع الأساسي في التعلم بالتجربة والمكافأة. يبني الفكرة تدريجيًا: عمليات القرار الماركوفية، والبرمجة الديناميكية، ومونت كارلو، والتعلم بالفروق الزمنية، والتقريب بالدوال، وتدرجات السياسة.
لماذا نوصي بهيعطيك الأساس الذي قامت عليه أنظمة تلعب وتتحكم وتتعلم من التفضيلات، وهي حلقة من حلقات تدريب النماذج اللغوية.
ملاحظة صريحةنظري ومكثّف رياضيًا، ولا يُعلّمك كتابة أنظمة التعلم المعزِّز العميق الحديثة. الصبر على الصفحات الأولى يعوّضه ما بعدها.
يدعم المواد: AI 303 AI 432 متقدم
الكتاب المرجعي في معالجة اللغة الطبيعية. ينتقل من النماذج الإحصائية للغة والتمثيلات المتجهية إلى المحوّلات والنماذج اللغوية الكبيرة، ويشمل التعرف على الكلام والمحادثة.
لماذا نوصي بهمجاني ومحدَّث بانتظام ويغطي المسار كاملًا من الأساس إلى النماذج الحديثة.
ملاحظة صريحةما زال مسودة؛ تتغير فصوله وترقيمها بين تحديث وآخر، فاذكر تاريخ النسخة التي تعتمد عليها. وأمثلته إنجليزية في الغالب.
يدعم المواد: AI 203 AI 205 AI 306 أساسي ← متقدم
يرى المؤلف أن الطريقة المعتادة في بناء الذكاء الاصطناعي، أي تحسين هدف يحدده الإنسان بدقة، خطيرة إذا بلغت الأنظمة قدرة كبيرة، ويقترح أن تُبنى الآلات وهي غير متأكدة من أهداف الإنسان فتتعلمها وتستأذنه.
لماذا نوصي بهكتاب سهل القراءة يفتح النقاش المنهجي حول سلامة الذكاء الاصطناعي من باحث مؤسس في المجال.
ملاحظة صريحةالحلول المقترحة نظرية ولم تُطبَّق على نطاق واسع، وبعض الباحثين يرون أن المخاطر مبالغ فيها أو أن الطرح لا يعكس طريقة عمل النماذج الحالية.
يدعم المواد: AI 107 AI 305 تأسيسي
يناقش كيف قد تظهر أنظمة تتفوق على الإنسان في كل المجالات، وما الأخطار المحتملة، وكيف يمكن التحكم فيها. يبني حججه بالتجارب الفكرية والتحليل الفلسفي.
لماذا نوصي بهيعرّفك بالحجج الكبرى في نقاش المخاطر طويلة المدى، وهي حجج لا يستغني عنها من يعمل في السلامة والحوكمة.
ملاحظة صريحةتأملي وتخميني، وصدر قبل طفرة التعلم العميق. التقديرات والأزمنة محل خلاف واسع، فاقرأه تجربةً فكرية لا تنبؤًا بالمستقبل.
يدعم المواد: AI 107 AI 305 AI 309 متقدم
سرد صحفي موثّق لكيف اكتشف الباحثون أن أنظمة التعلم تعكس تحيزات بياناتها وتسيء فهم أهدافها، وكيف حاولوا إصلاح ذلك. يمرّ على الإنصاف والتعلم المعزِّز وتعلم القيم، بمقابلات مع باحثين.
لماذا نوصي بهيقرّب أخطر مشكلة عملية في المجال: كيف نجعل النظام يفعل ما نقصده فعلًا لا ما قلناه حرفيًا.
ملاحظة صريحةغير تقني في عمقه، ويقف عند سنة 2019 تقريبًا، فلا يغطي النماذج اللغوية الكبيرة الحالية.
يدعم المواد: AI 107 AI 305 تأسيسي
يحلل الذكاء الاصطناعي بعين الاقتصاد: هو في جوهره خفض لتكلفة التنبؤ، وكلما رخص التنبؤ زاد الطلب عليه وارتفعت قيمة ما يكمّله: البيانات والحكم البشري والفعل.
لماذا نوصي بهإطار بسيط يساعدك على الحكم: أين يستحق الذكاء الاصطناعي أن يدخل مشروعك، وأين لا يستحق.
ملاحظة صريحةيبسّط كثيرًا، وصدر قبل الذكاء التوليدي. استعمله أداة تفكير في الجدوى لا وصفةً جاهزة.
يدعم المواد: AI 310 AI 307 تأسيسي
تنظر المؤلفة إلى الذكاء الاصطناعي بوصفه صناعة مادية: معادن وطاقة وعمالة وبيانات وتصنيفات، وتربطه بالسلطة والدولة، وتسأل: من يدفع الثمن ومن يستفيد؟
لماذا نوصي بهتقابل الحماس بصورة الكلفة الخفية، وهي زاوية يحتاجها كل من سيبني أنظمة بمسؤولية.
ملاحظة صريحةموقفها نقدي واضح وبعض حججها جدلية. قد لا تتفق مع كل استنتاجاتها، والفائدة في مواجهة حججها لا في قبولها كاملة.
يدعم المواد: AI 107 AI 309 متقدم
