Welche Ausbildung ist für KI-Forscher erforderlich?

Angenommen, mein Ziel ist es, zusammenzuarbeiten und eine fortschrittliche KI zu schaffen, zum Beispiel eine, die einem Menschen ähnelt, und das Projekt würde an der Grenze der KI-Forschung stehen. Welche Fähigkeiten würde ich benötigen?

Ich spreche über bestimmte Dinge wie das Universitätsprogramm, das ich absolvieren sollte, um in das Feld einzutreten und kompetent zu sein. Hier sind einige der Dinge, über die ich nachgedacht habe, um zu veranschaulichen, was ich meine:

• Informatik: Offensichtlich ist die KI auf Computern aufgebaut, es würde nicht schaden zu wissen, wie Computer funktionieren, aber einige Dinge auf niedriger Ebene und maschinenspezifische Dinge scheinen nicht wesentlich zu sein, ich kann mich natürlich irren.
• Psychologie: Wenn KI Menschen ähnelt, wäre die Kenntnis der menschlichen Erkenntnis wahrscheinlich nützlich, obwohl ich mir keine Neurologie auf zellulärer Ebene vorstelle oder komplizierte psychologische Macken, die für Menschen wie den Ödipus-Komplex typisch sind, relevant wären, aber auch hier kann ich mich irren .

Als hauptberuflicher KI-Forscher würde ich sagen, dass eine Promotion in maschinellem Lernen sicherlich eine nützliche Option wäre.

Um jedoch die dringend benötigten Fortschritte zu erzielen, muss die KI nicht in die Falle tappen, dass derzeit modische Methoden jede Art von „Silberkugel“ sind. Es besteht die Gefahr, dass eine Promotion, die direkt in einen Sub-Sub-Sub-Bereich von DL führt, die spätere Perspektive des Studenten zu stark beeinflusst.

KI-Forschung ist eine im Wesentlichen multidisziplinäre Aktivität. Andere mögliche Hintergründe sind daher:

• Mathematik oder Physik (bis zum ersten Grad oder Doktorat). Ein starker Hintergrund in beiden Fällen hat niemandem geschadet. Menschen, die in diesen Bereichen kompetent sind, können ihre Fähigkeiten relativ leicht auf neue Bereiche übertragen.

• Softwareentwicklung. Eines der Dinge, die KI benötigt, sind integrative Architekturen für das Knowledge Engineering. Hier ist warum . Ich glaube, dass einer der Gründe, warum wir es noch nicht geschafft haben, OCR auf dem Niveau eines 5-Jährigen durchzuführen, darin besteht, dass wir noch nicht akzeptiert haben, dass wir „einen Vorschlaghammer bauen müssen, um eine Nuss zu knacken“. Softwarearchitekten sind es gewohnt, die Komplexität in großem Maßstab zu verwalten, sodass sie möglicherweise helfen können.

• Kognitionswissenschaft, Psychologie, Kognitive Linguistik. Die Gründe hier liegen auf der Hand.

Ich persönlich denke vor allem, dass ein guter KI-Forscher kreativ, neugierig und bereit sein sollte, empfangene Weisheiten in Frage zu stellen, die in der Praxis wichtiger sind als die Besonderheiten ihres Hintergrunds.

Die KI-Forschung scheint in diesen Tagen (2016) immer breiter zu werden. Erstens "offensichtliche" wenige Abteilungen (keine Reihenfolge):

• Informatik (z. B. Berechnungstheorie, Algorithmen): KI-Forscher gehen davon aus, dass Intelligenz eine Art Berechnung in verschiedenen Formen ist (z. B. ein neuronales Netzwerk, ein Logiksystem).
• Software Engineering : Angenommen, wir finden ein gutes Modell für KI, wie schaffen Sie es? Dies möchte der Ingenieur herausfinden. Und es kann schwierig sein, mathematische Modelle einem technischen Teil zuzuordnen.
• Statistiken und Wahrscheinlichkeiten (spezifischer als nur Mathematik, der Informatik auch in der Nähe ist): Es handelt sich um Daten , Wissenschaft, insbesondere als Grundlage für maschinelles Lernen, der aktivste Zweig in AI --- die „nur“ deckt die Lernteil .
• Physik: Dies ist jetzt besonders relevant für Hardware (siehe unten).
• Neurowissenschaften: Verstehen Sie, wie das Gehirn funktioniert, als Inspiration für die Schaffung eines künstlichen Gehirns. Vor kurzem haben Hassabis und sein Team bei Google Deepmind mehrere Durchbrüche im Zusammenhang mit verstärktem Lernen, Gedächtnis, Aufmerksamkeit usw. erzielt.

In letzter Zeit bekommt die Elektrotechnik zusammen mit den verwandten Bereichen der Physik viel Licht. Mehrere öffentliche und private Labors konzentrieren sich auf "Gehirnchips". Um nur einige zu nennen: IBM (der schon seit einiger Zeit daran arbeitet), Nvidia und Facebook. Um 2010 wurde deutlich, dass Techniken wie Deep Learning Leistung erfordern und sich daher zunehmend darauf konzentrieren, leistungsstärkere, kleinere und energieeffizientere Chips zu entwickeln. Hinzu kommt die ganze Arbeit im Quantum Computing.

Aber die Sache ist, es scheint viel mehr Bereiche zu geben, die sich mit KI-Forschung befassen. Wir sollten Chemie und Biologie als Inspiration und Werkzeug zur Herstellung neuer Modelle oder Hardware erwähnen (z. B. Chips, die kein Silizium verwenden, damit sie kleiner werden können).

Für 2016 sind die oben genannten Felder am aktivsten und versprechen, noch einige Zeit sehr aktiv zu bleiben. Wählen Sie Ihre eigenen aus, abhängig von Ihrem Interesse, Ihren Fähigkeiten oder Ihrer bloßen Intuition!

Zum Schluss werden wir vielleicht in ein paar Jahren überrascht sein, wenn wir zurückblicken, woher die KI gekommen ist. Ich glaube, wenn wir es schaffen, eine AGI aufzubauen, werden alle diese Bereiche ohnehin genutzt. Ich denke, der Nervenkitzel ist es, Teil der Geschichte zu sein.