@sentient_agency: 严肃AI研究人员真正推荐的10本书（不是那些到处都有人推荐的书）每个AI阅读清单都列着同样的五本书……

10 本严肃 AI 研究人员真正推荐的书（不是那些人人都推荐的书） 每个 AI 阅读清单上都列着同样的五本书。但实际上构建这些系统的人读得比这更深。以下就是他们私下里会指给你看的书——不是为了在观众面前表演而选的。 1. **Probability Theory: The Logic of Science** - E.T. Jaynes 研究人员暗自称之为改变人生的书。Jaynes 将概率重新定义为不确定条件下推理的数学，而非赌博的赔率——而这正是每个现代模型在做的事。内容密集、观点鲜明，是这个领域最接近“圣典”的东西。圈外几乎没人听说过它。 2. **Information Theory, Inference, and Learning Algorithms** - David MacKay 这本书将信息论和机器学习统一起来，由一位剑桥物理学家写成，读起来很有趣。在线免费，充满谜题，几乎每个真正理解自己模型为何会以某种方式压缩和预测的研究人员书架上都有它。 3. **Reinforcement Learning: An Introduction** - Sutton and Barto 这是从 AlphaGo 到现代模型如何通过人类反馈微调的基础。研究人员推荐它不是因为赶时髦，而是因为书中的思想在数十年后仍然被证明是关键思想。同样免费。 4. **The Book of Why** - Judea Pearl 一位图灵奖得主的论证：今天的 AI 之所以停滞不前，是因为它混淆了相关性和因果关系，并绘制出了真正推理所需的地图。这本书指出了当前系统不断碰到的天花板。研究人员频繁引用它，大众却视而不见。 5. **Vision** - David Marr 一位神经科学家提出的框架，用于解释任何系统（无论是大脑还是机器）如何处理信息。它写于深度学习出现之前，却神奇地预测了深度学习将面临的问题。其中的“分析层次”思想潜移默化地塑造了严肃人士对模型实际所做事情的理解。 6. **Gödel, Escher, Bach** - Douglas Hofstadter 这是一本关于意义和自我如何从遵循简单规则的系统中涌现出来的“邪典”书。它赢得了普利策奖，然后被反复提及，但几乎没人真正读完。读完的人会永远改变对智能的看法。请读原著，而不是摘要。 7. **Metaphors We Live By** - Lakoff and Johnson 本书的论点是：人类思维依赖于隐喻，而非冷酷的逻辑；仅凭一阶逻辑无法构建心智。研究语言模型为何以奇怪方式把握含义的研究人员不断回到这本书。这是一本真正的冷门选择。 8. **The Society of Mind** - Marvin Minsky AI 奠基人之一提出的论点：智能不是单一的东西，而是大量愚蠢的小过程协同工作的涌现。书由数百个一页纸的想法组成。曾多年过时，如今在多智能体系统时代显得很有先见之明。圈内人津津乐道。 9. **How to Solve It** - George Pólya 一本 1945 年关于数学问题解决的书，悄悄塑造了一代研究人员思考如何分解难题的方式，并不断出现在关于如何让模型推理的论文中。它是人类启发式与机器推理之间的桥梁。 10. **The Mathematical Theory of Communication** - Claude Shannon 这篇原创论文发明了信息论，也就此奠定了机器学习所站的整个概念基础。简短、犀利、具有奠基性。研究人员对 Shannon 的崇敬就像物理学家对牛顿的崇敬一样。大多数阅读清单跳过了源头，只引用其后继者。 流行书籍告诉你 AI 可能会做什么。这些书告诉你构建它的人实际在想什么。区别就在于此。