¿Cuándo debo aprender inteligencia artificial? [cerrado]

Directo al grano: realmente me gustaría aprender IA.

Pero quiero algunos consejos de expertos en CS sobre cuándo debería saltar a la Inteligencia Artificial.

¿Qué requisitos previos son necesarios para comprender mejor los conceptos de IA?

Necesitarás algunas matemáticas discretas . Gráficos, árboles, etc. Estas son las estructuras subyacentes a la IA.

Necesitará algunas habilidades de programación , especialmente en lenguajes como Prolog y LISP. Muchos sistemas de IA están programados en estos idiomas.

Necesitarás algo de lógica . Cálculo proposicional y predicado. Su sintaxis y semántica. Quizás alguna lógica modal. Esto formará la base para aprender sobre la representación del conocimiento, que es la base de la IA.

Durante los primeros dos años de un título regular en ciencias de la computación, generalmente obtienes suficientes antecedentes para comenzar a estudiar IA.

Pero no hay límite para la complejidad de la IA. Para profundizar en ello, necesitará estadísticas, cálculo, álgebra matricial y probablemente mucho más. La teoría del aprendizaje estadístico (o más simplemente aprendizaje automático) depende de estas áreas.

Mi consejo. Compre un libro sobre Inteligencia Artificial para leer en su propio tiempo. Una buena es la Inteligencia Artificial: un enfoque moderno de Stuart Russell y Peter Norvig. Siempre que no entiendas algo, trata de averiguar qué conocimientos previos te faltan. Luego llena esos huecos.

Yo diría de inmediato.

Por supuesto, necesitará muchos temas diferentes, como el que mencionó Dave Clarke. Los que necesita realmente dependen del sabor de IA que elija. Si lo que busca es el aprendizaje automático, no necesitará lógica o matemáticas discretas, pero necesitará grandes ayudas de teoría de la probabilidad, estadística, álgebra lineal, optimización y cálculo multivariado.

Mi punto es que si estás aprendiendo estas cosas para dominar la IA, y no por su propio bien, necesitarás algo para mantener tu motivación. Entonces comenzaría a perder el tiempo. En lugar de leer sobre todo esto, solo intente escribir un jugador de ajedrez sin ningún conocimiento previo, o programe una simple simulación de vida artificial. Si comienza por su cuenta, le dará un contexto para colocar las cosas que aprenderá más adelante.

Si espera hasta que haya completado todos los temas que mencioné anteriormente antes de escribir su primer programa de IA, necesitará una poderosa resolución para aguantar durante los tres años más o menos necesarios para terminar.

Una vez que haya escrito algunos programas de juguetes, puede comenzar con un libro de resumen, para que los catadores de todas estas materias se centren en la IA. Russell y Norvig son un poco pesados ​​en la lógica. Su mejor opción depende de qué subcampos le interesen. Si opta por el aprendizaje automático, el "aprendizaje automático" de Tom Mitchell es una buena opción.

Si bien estoy de acuerdo con las otras respuestas, como yo mismo y busco ser un estudiante de IA moderna, creo que el conocimiento matemático es de suma importancia.

Tome esta serie de conferencias de YouTube de la Universidad de Stanford, por ejemplo . Si puede completar las primeras 6 conferencias y comprender los conceptos matemáticos y la notación que se presentan para explicar cómo y por qué los algoritmos como Regresión logística, Bayesiano y Algoritmos de redes neuronales como SVM (Máquinas de vectores de soporte) se pueden usar para resolver problemas en un proceso de recopilación de conocimiento de la computadora, entonces estás listo para comenzar una investigación seria, en mi opinión.

Si encuentra que le faltan los fundamentos, entonces los cursos como los que se enumeran a continuación pueden ser un buen lugar para comenzar:

1. Informática 1 y 2,
2. Estructuras de datos,
3. Análisis de algoritmos,
4. 3 cursos de cálculo,
5. Matemáticas discretas,
6. Álgebra lineal,
7. Probabilidades y estadísticas,

Algunos pueden sugerir ecuaciones diferenciales ordinarias o un curso de análisis, pero esto puede ser una matanza excesiva. Aunque si su objetivo es una investigación seria, entonces recomiendo el enfoque de matar en exceso. Otro libro interesante que me recomendaron fue " Superinteligencia " de Nick Bostrom si tienes curiosidad.

También creo que los cursos de psicología, neurociencia básica, biología (cómo se comunican las células y los microorganismos) posiblemente incluso la sociología pueden no ser malas inversiones de su tiempo. Le ayudará a comprender la inteligencia en el sentido más amplio. Los algoritmos genéticos , por ejemplo, están modelados a partir de procesos biológicos sobre cómo se transmiten los genes.

En el sentido sociológico, ¿cómo piensa una multitud? ¿Es inteligencia distribuida o estupidez distribuida, o ambas bajo ciertas circunstancias? ¿Puede esto proporcionar orientación para nuevos algoritmos en el futuro? Dudoso, pero espero que veas mi punto.