Auf den Punkt gebracht: Ich würde wirklich gerne AI lernen.
Ich möchte jedoch einige Ratschläge von erfahrenen CS-Mitarbeitern, wann ich in die künstliche Intelligenz einsteigen sollte.
Welche Voraussetzungen sind notwendig, um die KI-Konzepte besser zu verstehen?
Antworten:
Sie benötigen etwas diskrete Mathematik . Graphen, Bäume und so weiter. Dies sind die Strukturen, die AI zugrunde liegen.
Sie benötigen einige Programmierkenntnisse , insbesondere in Sprachen wie Prolog und LISP. Viele KI-Systeme sind in diesen Sprachen programmiert.
Sie brauchen etwas Logik . Aussagen- und Prädikatenrechnung. Ihre Syntax und Semantik. Vielleicht eine modale Logik. Dies bildet die Grundlage für das Erlernen der Wissensrepräsentation, die der KI zugrunde liegt.
Während der ersten zwei Jahre eines regulären Informatikstudiums erhalten Sie in der Regel genügend Hintergrundinformationen, um mit dem AI-Studium zu beginnen.
Der Komplexität der KI sind jedoch keine Grenzen gesetzt. Um näher darauf einzugehen, benötigen Sie Statistiken, Kalkül, Matrixalgebra und wahrscheinlich noch viel mehr. Die statistische Lerntheorie (oder einfacher maschinelles Lernen) hängt von diesen Bereichen ab.
Mein Rat. Kaufen Sie ein Buch über künstliche Intelligenz, um es in Ihrer Freizeit zu lesen. Eine gute ist Künstliche Intelligenz: Ein moderner Ansatz von Stuart Russell und Peter Norvig. Wenn Sie etwas nicht verstehen, versuchen Sie herauszufinden, welches Hintergrundwissen Ihnen fehlt. Dann füllen Sie diese Lücken.
Würde ich gleich sagen
Natürlich brauchen Sie viele verschiedene Themen, wie das, was Dave Clarke erwähnt hat. Welche Sie wirklich brauchen, hängt davon ab, für welches AI-Aroma Sie sich entscheiden. Wenn Sie sich dem maschinellen Lernen nähern möchten, brauchen Sie keine Logik oder diskrete Mathematik, aber Sie brauchen große Portionen von Wahrscheinlichkeitstheorie, Statistik, linearer Algebra, Optimierung und multivariater Berechnung.
Mein Punkt ist, dass, wenn Sie diese Dinge lernen, um KI zu meistern, und nicht um ihrer selbst willen, Sie etwas brauchen, um Ihre Motivation aufrechtzuerhalten. Also fange ich einfach an rumzuspielen. Versuchen Sie einfach, einen Schachspieler ohne Vorkenntnisse zu schreiben oder programmieren Sie eine einfache künstliche Lebenssimulation, anstatt sich mit all diesen Dingen vertraut zu machen. Wenn Sie alleine anfangen, erhalten Sie einen Kontext, in dem Sie die Dinge platzieren können, die Sie später lernen werden.
Wenn Sie warten, bis Sie alle oben genannten Fächer abgeschlossen haben, bevor Sie Ihr erstes AI-Programm schreiben, brauchen Sie eine gewaltige Entschlossenheit, um die drei oder mehr Jahre durchzuhalten.
Sobald Sie ein paar Spielzeugprogramme geschrieben haben, können Sie mit einem Überblicksbuch beginnen, um Verkostungen all dieser Themen zu erhalten, die sich auf KI konzentrieren. Russell und Norvig sind ein bisschen logisch. Ihre beste Option hängt davon ab, für welche Unterfelder Sie sich interessieren. Wenn Sie sich für maschinelles Lernen entscheiden, ist Tom Mitchells "Maschinelles Lernen" eine gute Option.
Obwohl ich mit den anderen Antworten einverstanden bin und mich mit der modernen KI befassen möchte, halte ich mathematische Kenntnisse für äußerst wichtig.
Nehmen Sie zum Beispiel diese YouTube-Vorlesungsreihe von der Stanford University . Wenn Sie die ersten 6 Vorlesungen durcharbeiten und die mathematischen Konzepte und die Notation verstehen, die vorgestellt werden, um zu erklären, wie und warum Algorithmen wie die logistische Regression, die Bayes'sche und die neuronale Netzwerkalgorithmus wie SVM (Support Vector Machines) zur Lösung von Problemen in a verwendet werden können Nach dem Sammeln von Computerwissen sind Sie bereit, ernsthafte Nachforschungen anzustellen - meiner Meinung nach.
Wenn Sie feststellen, dass Ihnen die Grundlagen fehlen, sind Kurse wie die folgende möglicherweise ein guter Anfang:
Einige schlagen vielleicht gewöhnliche Differentialgleichungen oder einen Analysekurs vor - aber dies kann übermässig sein. Wenn ernsthafte Forschung Ihr Ziel ist, empfehle ich den Over-Kill-Ansatz. Ein weiteres interessantes Buch, das mir empfohlen wurde, war " Superintelligence " von Nick Bostrom, wenn Sie nur neugierig sind.
Ich denke auch, dass Kurse in Psychologie, Neurowissenschaften, Biologie (wie Zellen und Mikroorganismen kommunizieren) möglicherweise auch Soziologie keine schlechten Investitionen Ihrer Zeit sind. Es wird Ihnen helfen, die Intelligenz im weiteren Sinne zu verstehen . Zum Beispiel werden genetische Algorithmen aus biologischen Prozessen modelliert, die die Weitergabe von Genen betreffen.
Wie denkt eine Menschenmenge im soziologischen Sinne? Ist es verteilte Intelligenz oder verteilte Dummheit oder beides unter bestimmten Umständen? Kann dies als Leitfaden für zukünftige neue Algorithmen dienen? Zweifelhaft, aber hoffentlich sehen Sie meinen Standpunkt.