人工智能(AI)已经成为我们生活中无处不在的一部分. 从个性化建议到医学诊断, 人工智能多年来一直在塑造我们周围的世界. 尽管它无处不在, 人工智能继续存在, 如果不是完全在黑盒里, 至少在一个阴暗的地方. ISACA的 人工智能:机器学习、深度学习和神经网络入门 试图用一个清晰易懂的指南来照亮这个盒子, 全面覆盖该领域，提供大量实际用例, 例子和插图.
“从本质上讲，人工智能是一个没有统一理解的总称. 本出版物源于ISACA为数字信任从业者提供必要信息的愿望, 不管工作功能如何, 最终形成了一个知识体系,乔恩·勃兰特说, ISACA导演, 专业实践与创新. “这本入门书非常全面，旨在增加读者对人工智能及其内部工作原理的了解, 不管他们对人工智能的熟悉程度如何.”
我们的目标是吸引那些刚刚开始AI之旅的人，以及那些在这个领域有一些知识的人, 该出版物为读者提供了一个结构化的方法来提高他们对人工智能的理解, 第一个, 在深入学习机器学习(ML)之前，介绍基本的AI概念和AI类型, 大型语言模型(llm), 神经网络(NNs), 深度学习(DL), 生成式人工智能(generative AI)和AI的未来.
人工智能的巨大前景以及它被纳入流行应用的速度表明，我们迫切需要深思熟虑、全面地解决其潜在风险, 确保负责任的开发和部署由机器智能驱动的应用程序. 人工智能:机器学习、深度学习和神经网络入门 用一整章来解决这个问题, 可以说是书中最重要的一个, 研究“迫切需要负责任的人工智能治理和一个专门负责人工智能的新监管机构”.”1
随着人工智能应用的继续, so, 太, 增加了网络攻击和意外使用的风险, 需要协调一致的努力来有效地减轻与之相关的多重风险. 组织治理的及时覆盖, 立法行动和负责任的人工智能框架的发展为读者提供了必要的知识，使他们能够驾驭自20世纪40年代以来不断发展的人工智能伦理和社会格局的复杂性.
追踪人工智能从早期理论概念到我们今天使用的强大应用程序的演变, 这本入门书涵盖了机器智能发展中的突破性事件, 包括ELIZA的开发, ，试图模拟类似人类的对话,”2 由于IBM的超级计算机“深蓝”和人类国际象棋卫冕冠军之间的历史性国际象棋比赛，主流媒体的关注, 卡斯帕罗夫, 到生成式人工智能子领域的最新发展, 它们使用生成对抗网络(gan)跨媒体格式输出新内容.
至于之前提到的“黑匣子”， 人工智能:机器学习、深度学习和神经网络入门 研究了人们可能会遇到的不同类型的人工智能，这些人工智能是按功能和能力分类的. 无论是从头到尾读这本书，还是把它作为参考资源, 读者将从中获得涵盖传统分析和预测人工智能的知识, 到新兴的人工智能能力，如可解释人工智能(XAI)，使人工智能的过程和输出变得越来越透明和值得信赖.
这本书的很大一部分被保留了, 这是理所当然的, 机器学习(ML), 现代人工智能的一个子领域:“机器学习是人工智能的一个创新子领域，它使用模型和算法使机器能够从数据中学习，而无需明确的编程. 这些模型和算法基于各种数学概念，如统计学, 概率, 线性代数, 微积分, 和优化. 作为数据科学的重要组成部分, 机器学习利用先进的统计方法来开发能够解决复杂问题的强大算法.”3
强调数据准备在机器学习中的关键作用, 本书涵盖了各种类型的数据集和数据处理, 从数据收集到数据分割训练, 验证, 和测试, 广泛探索监督式, 无人管理的, 强化学习, 随着各种技术的使用，它们可以跨不同的领域提供输出. 它还检查神经网络, 深度学习的基础——一个强大的机器学习子集，利用复杂的架构来处理日益复杂的任务. 各种DL架构, 比如自动编码器, 卷积神经网络(cnn), 递归神经网络, 和变压器, 描述, 特别注意其具体的长处和短处.
认识到人工智能不是一个单一的研究领域，而是一个多学科的研究领域, 解决其技术和道德层面, this publication is designed for anyone engaged in using AI and monitoring and challenging its outputs; anyone exploring how machines learn and make decisions as well as generate human-like content; and anyone looking forward to what the future holds as AI begins to understand and respond to human emotions and social cues. 提供清晰易懂的解释， 人工智能:机器学习、深度学习和神经网络入门 使其读者能够参与当前和未来关于人工智能的讨论.
1 ISACA, 人工智能:机器学习、深度学习和神经网络入门 p. 137, 2024.
2 同前., p. 15
3 同前., p. 29
