Lo que llamaríamos “IA convencional” es, esencialmente, aprendizaje automático. En el sentido más amplio, como un problema en la intersección de la ciencia, la tecnología y la filosofía, la inteligencia artificial probablemente ya sea incomprensible para una persona.
No significa que sea imposible de resolver. Puedes construir un pequeño avión en tu garaje y volar de forma segura. Pero necesita cientos de personas calificadas para construir Boeing 777, y habrá muchas personas cuyas áreas de conocimiento respectivas apenas se entrecruzan. Pero lo común entre ellos será un firme conocimiento de los fundamentos. Varias disciplinas centrales que constituyen la base sobre la cual se construye todo lo demás.
Para el aprendizaje automático, las matemáticas son más que un área central, lo es todo. En esta respuesta le doy cuenta más personal sobre eso. Un grado relevante sin duda ayuda. Un programa de posgrado – aún más. Sin embargo, así es como funcionan las cosas en este momento, cuando el mundo académico es impulsado por la academia y los laboratorios de investigación se llenan principalmente de científicos e ingenieros con antecedentes similares.
Algunas personas expresan la esperanza de que cambiará en el futuro, con el desarrollo de marcos de trabajo de DL. Pero las bibliotecas para el ML más “tradicional” han existido durante bastante tiempo, y los cursos de ML todavía están llenos de estudiantes STEM. “Las cosas deben hacerse lo más simples posible, pero no más simples”, este es uno de esos límites. Ya que ML es actualmente nuestra mejor herramienta para construir sistemas inteligentes, ser bueno en matemáticas es tan importante como lo es.
- ¿Qué debo aprender o hacer en mi tiempo libre?
- ¿Qué has aprendido de correr?
- Quiero crear un chatbot basado en aprendizaje automático de la A a la Z. Mi objetivo es crear un chatbot social, luego agregarle funciones, por ejemplo, puede recomendar un restaurante específico para una comida. ¿Dónde puedo empezar?
- Cómo empezar a aprender el idioma alemán
- ¿Es posible aprender habilidades para la vida googlándolos?
Hay otro camino, el biológico. Si la neurociencia es tu mermelada, eres dorado. Algunas ideas sobre cómo construir un sistema que imite partes del cerebro humano están muy vivas, y fascinan a suficientes personas como para ser exploradas y respetadas activamente en la comunidad científica. Pero esto es incluso más académico que el ML convencional, apenas hay una manera de aplicar tus habilidades para crear algo. Tal vez si eres un neurocirujano, pero casi no tienen tiempo para pensar en cerebros artificiales cuando hay tantos naturales para arreglar.
La parte de ingeniería tampoco es fácil. Los desafíos aquí están relacionados con la computación escalable de alto rendimiento en un extremo del problema y con aproximaciones de funciones complejas en el otro: cuando su red gigante está fuera del clúster, no va a ser muy rápida, por lo que debe hacer es más ligero. Para que su reloj inteligente pueda funcionar varios cientos de veces por segundo, por ejemplo. También es una tarea pesada en matemáticas.
No importa lo que hagas, va a ser desafiante e increíblemente fascinante. Pero para la mayoría de los propósitos prácticos y relevantes, un buen dominio de las matemáticas es absolutamente crucial.