AIの数学は、ここまで面白く読める
2024年ノーベル物理学賞受賞　ジェフリー・ヒントン氏絶賛！

・「学習する機械」というアイデアは、どこからやってきたのか？
・一度は忘れ去られた技術が、なぜ現代のAIで復活したのか？
・人工知能の能力に、限界はあるのか？

［ニューラルネットワーク、勾配降下法、誤差逆伝播法、ディープラーニング……］
本書では、現代AIを生み出した画期的なアイデアの数々を、数学の基礎と研究の歴史から解き明かしていきます。

［線形代数、微積分、確率・統計、最適化理論……］
一見無関係な数学が、機械に「学習」を与えるために、どのように結びついてきたのか。
ベクトルや行列の基礎から丁寧にたどることで、AIを支える数学の美しさを垣間見ることができます。

本書の魅力は、数学の解説だけにとどまりません。

［イリヤ・サツケヴァー、ジェフリー・ヒントン、 ジョン・ホップフィールド……］
著者は、研究者たちの証言を丹念に拾い上げ、機械学習の発展を当事者の視点から描き出します。
一次情報に裏打ちされた語りによって、現代AIを支える数学が臨場感あふれる「知の物語」として立ち上がります。

［AIを使う人、AIを作る人、そしてAIの正体を知りたい人へ……］
現代のAIを本質から理解するための、知的興奮に満ちた一冊です！
プロローグ
Chapter 1 パターンに焦がれて（Desperately Seeking Patterns）
Chapter 2 ここでは誰もが、ただの数……（We Are All Just Numbers Here ...）
Chapter 3 お椀の底へ（The Bottom of the Bowl）
Chapter 4 すべては確率しだい（In All Probability）
Chapter 5 類は友を呼ぶ（Birds of a Feather）
Chapter 6 行列には魔法が宿る（There's Magic in Them Matrices）
Chapter 7 カーネルトリック、その大いなる手品（The Great Kernel Rope Trick）
Chapter 8 物理学が、そっと手を貸す（With a Little Help from Physics）
Chapter 9 ディープラーニングを後退させた男（いや、彼のせいではない）（The Man Who Set Back Deep Learning（Not Really））
Chapter 10 しつこい神話に終止符を打ったアルゴリズム（The Algorithm that Put Paid to a Persistent Myth）
Chapter 11 機械の眼（The Eyes of a Machine）
Chapter 12 テラ・インコグニターー未知なる地（Terra Incognita）
エピローグ
後記 トランスフォーマーさえあればよい？（Are Transformers All We Need?）