¿Qué habilidades y / o matemáticas se necesitan para estudiar inteligencia artificial?

Answer 1

No estoy de acuerdo con Scott y en parte con Ivo. Puede seguir sus consejos y tendrá un trabajo durante los próximos años, procesando grandes volúmenes de datos o escribiendo videojuegos. Si quieres trabajar en el gran problema de la IA, mi receta es radicalmente diferente a la de Scott.

El tema número uno tiene que ser la epistemología. Si no entiende qué son el conocimiento, el aprendizaje, la experiencia, la sabiduría, la intuición, la saliencia y la inteligencia, todas sus habilidades de programación no pueden impedirle apostar al caballo equivocado; no confíe en sus superiores e ídolos para que le digan a qué caballo apostar ya que (con pocas excepciones) tampoco estudiaron Epistemología. La ciencia de los sistemas ocupa el segundo lugar. Estos deben ser los cimientos de una investigación seria de AGI, no la lógica, las matemáticas o incluso la informática. Una vez que sepas lo que hay que hacer, la programación será trivial.

En general, estudiar métodos libres modelo. Estos se utilizan en las ciencias de la vida. Manténgase alejado de las redes neuronales de estilo Perceptron, pero estudie “Conexión moderna”. Siéntase cómodo con la búsqueda de tablas, la teoría de gráficos, el big data y el aprendizaje automático en general. Siéntase cómodo con “dejar ir”, no insista en el control, en comprender los algoritmos en detalle, en la repetibilidad: aprenda a usar computación evolutiva como GA y GP y otros métodos basados ​​en descubrimiento. Estudie Robustez de Emergencia y Emergencia (una disciplina prometedora) y Biología de Sistemas. No tengas miedo de la palabra “holístico”. Lea “Qué es la vida” de Schrödinger (1946). Estudia Filosofía de la ciencia para que conozcas la diferencia entre el holismo y el reduccionismo y entiendas sus limitaciones en detalle. Estudie cómo los niños aprenden de * fuentes confiables * que se basan en experimentos reales. Estudie la Teoría de la Complejidad suficiente para entender lo que yo y otros queremos decir con “Sistemas Bizarros”.

Evite la lógica, la lógica bayesiana y la lógica difusa: todas son lógicas y, por lo tanto, reduccionistas. Evitar bases de datos y sistemas multiagente. No te preocupes por los “lenguajes de inteligencia artificial“, incluida la familia Lisp; Solo aprende cualquier lenguaje moderno y sólido como C o Java. Evite la lingüística ya que las gramáticas son modelos y los modelos son reduccionistas. Evite las heurísticas, ya que son instruccionistas y, por lo tanto, reduccionistas.

Y sorprendentemente para algunos, evite las pistas falsas de los estudios de Conciencia, temas como Qualia, Chinese Rooms, la prueba de Turing o casi todos los temas importantes que se debatieron en la IA del siglo XX.

¿Es esto demasiado controvertido? Mire mis videos en http://videos.syntience.com y lea http://artificial-intuition.com. También escribí una entrada de blog de consejos para estudiantes de inteligencia artificial en http://monicasmind.com.

Answer 2

Enumeraré las que creo que son de mayor importancia: hay variantes probables que serían mejores dependiendo de su campo en particular.

• Algebra Lineal (para todo)
• Probabilidad / Estadísticas (para cualquier red bayesiana / modelo gráfico, incluidas las redes neuronales)
• Cálculo (derivados para gradientes)
• Algoritmos básicos (comparación de complejidad)
• Lógica (de primer orden y proposicional).

Para referencia, puede simplemente navegar a través de AIMA ( http://www.amazon.com/Artificial …) y aprender todo lo que cubre, ya que es una encuesta bastante completa de los principales temas de AI.

Answer 3

Una comprensión de la probabilidad y las estadísticas es importante, ya que gran parte del aprendizaje automático es básicamente estadísticas extravagantes. También necesita una buena comprensión de los algoritmos básicos, ya que sin eso se quedará atascado en los detalles. Además de eso, nada más es tan importante.

Sin embargo, esta es quizás la forma incorrecta de hacerlo. No necesitas mucho más que un nivel básico de comprensión en cualquier otro campo en particular para comenzar a aprender AI. No es como el cálculo que es extremadamente dependiente del álgebra. Simplemente sumérgete y recoge los detalles de otros campos a medida que avanzas.