The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World

by Pedro Domingos

A thought-provoking and wide-ranging exploration of machine learning and the race to build computer intelligences as flexible as our own
In the world's top research labs and universities, the race is on to invent the ultimate learning algorithm: one capable of discovering any knowledge from data, and doing anything we want, before we even ask. In The Master Algorithm , Pedro Domingos lifts the veil to give us a peek inside the learning machines that power Google, Amazon, and your smartphone. He assembles a blueprint for the future universal learner--the Master Algorithm--and discusses what it will mean for business, science, and society. If data-ism is today's philosophy, this book is its bible.

Genres: Nonfiction, Science, Artificial Intelligence, Technology, Computer Science, Business, Programming

352 pages, Hardcover

First published September 8, 2015

About the author

I'm a professor emeritus of computer science and engineering at the University of Washington and the author of 2040 and The Master Algorithm. I'm a winner of the SIGKDD Innovation Award and the IJCAI John McCarthy Award, two of the highest honors in data science and AI. I'm a Fellow of the AAAS and AAAI, and I've received an NSF CAREER Award, a Sloan Fellowship, a Fulbright Scholarship, an IBM Faculty Award, several best paper awards, and other distinctions. I received an undergraduate degree (1988) and M.S. in Electrical Engineering and Computer Science (1992) from IST, in Lisbon, and an M.S. (1994) and Ph.D. (1997) in Information and Computer Science from the University of California at Irvine. I'm the author or co-author of over 200 technical publications in machine learning, data science, and other areas. I'm a member of the editorial board of the Machine Learning journal, co-founder of the International Machine Learning Society, and past associate editor of JAIR. I was program co-chair of KDD-2003 and SRL-2009, and I've served on the program committees of AAAI, ICML, IJCAI, KDD, NIPS, SIGMOD, UAI, WWW, and others. I've written for the Wall Street Journal, Spectator, Scientific American, Wired, and others. I helped start the fields of statistical relational AI, data stream mining, adversarial learning, machine learning for information integration, and influence maximization in social networks.

Reviews

[Reborn D]

หนังสือแห่งปีของเรา
เราไม่ได้เห็นด้วยทุกอย่างกับเนื้อหาในเล่มนี้
สรุปสั้นๆ แบบไม่เปิดเผยเนื้อหา
- ถ้าอยากได้ความรู้ความเข้าใจเกี่ยวกับโครงสร้างของอัลกอริทึมแบบต่างๆ เล่มนี้เหมาะกับคุณ แต่ถ้าคุณแค่อยากรู้ ว่าแมชีนจะสร้างอิมแพคต่อชีวิตมนุษย์อย่างไร เราของแนะนำให้อ่าน บทนำ บท1 บท10 และบทสุดท้ายก็เพียงพอแล้ว
- จุดเด่นของเล่มนี้ คือความสามารถในการอธิบายของ Pedro Domingos ที่เล่าเรื่องที่ซับซ้อนมากๆ ให้เห็นภาพได้ เพราะวิธีการเล่าเรื่องที่จะพบได้ตลอดทั้งเล่มคือการเปรียบเปรย ซึ่งตรงจุดนี้เราคิดว่าเป็นประโยชน์ต่อผู้อ่านมากๆ ทั้งระดับเริ่มต้น และระดับเชี่ยวชาญ เพราะว่า นอกจากจะเข้าใจง่าย จดจำง่ายแล้ว เราสามารถนำแนวทางการนำเสนอนี้ไปใช้ต่อได้ทันทีในการสื่อสารกับผู้อื่นในหัวข้อที่เกี่ยวกับ ML
- ท้ายเล่มจะพูดถึงเอกสารอ้างอิง ตรงนี้ก็เป็นประโยชน์กับผู้อ่านเช่นกัน โดยเฉพาะผู้เริ่มต้น เพราะรายการอ้างอิงนี้ จะบอกเล่าว่าเราจะเริ่มต้นเส้นทางการศึกษา ML ของตัวเองได้อย่างไร (ซึ่งโดยส่วนตัวแล้ว จะเป็นไปในทางวิชาการมากกว่า)

โดยรวมถือว่า อ่านไม่ง่ายสำหรับผู้เริ่มต้น(คุณอาจได้แรงบันดาลใจ หรือไม่คุณก็อาจจะแหยงไปเลย) และอาจจะง่ายไปสำหรับผู้เชี่ยวชาญ แต่คุณจะได้ขบคิด หรือแม้กระทั่งถกเถียงกับหนังสือแน่นอนถ้าคุณลองให้เวลากับการอ่านหนังสือเล่มนี้มากสะหน่อย