Прямо к делу: я бы очень хотел выучить ИИ.
Но я хочу получить совет от опытных ребят из CS о том, когда мне следует перейти к искусственному интеллекту.
Какие предпосылки необходимы для того, чтобы я лучше понял концепции ИИ?
artificial-intelligence
cprogcr
источник
источник
Ответы:
Вам понадобится немного дискретной математики . Графики, деревья и пр. Это структуры, лежащие в основе ИИ.
Вам понадобятся некоторые навыки программирования , особенно на таких языках, как Prolog и LISP. Многие системы ИИ запрограммированы на этих языках.
Вам понадобится немного логики . Исчисление высказываний и предикатов. Их синтаксис и семантика. Возможно какая-то модальная логика. Это послужит основой для изучения представления знаний, которое лежит в основе ИИ.
В течение первых двух лет регулярного обучения информатике вы обычно получаете достаточно знаний, чтобы начать изучать ИИ.
Но нет предела тому, насколько сложным может быть ИИ. Чтобы углубиться в это, вам понадобятся статистика, исчисление, матричная алгебра и, возможно, многое другое. Теория статистического обучения (или, проще говоря, машинное обучение) зависит от этих областей.
Мой совет. Купите книгу по искусственному интеллекту, чтобы читать в свое время. Хорошим примером является искусственный интеллект: современный подход Стюарта Рассела и Питера Норвиг. Когда вы чего-то не понимаете, постарайтесь выяснить, каких базовых знаний вам не хватает. Затем заполните эти пробелы.
источник
Я бы сказал прямо сейчас.
Конечно, вам понадобится много разных предметов, таких как упомянутый Дейв Кларк. Какие из них вам действительно нужны, зависит от того, какой вкус ИИ вы выберете. Если вы стремитесь к цели машинного обучения, вам не понадобится логика или дискретная математика, но вам потребуются большие знания теории вероятностей, статистики, линейной алгебры, оптимизации и многомерного исчисления.
Я хочу сказать, что если вы изучаете эти вещи, чтобы овладеть ИИ, а не ради них самих, вам нужно что-то, чтобы поддерживать свою мотивацию. Так что я бы начал просто бездельничать. Вместо того, чтобы читать все эти вещи, просто попробуйте написать шахматист без каких-либо предварительных знаний или запрограммируйте простой искусственный симулятор жизни. Если вы начнете самостоятельно, это даст вам контекст для размещения материала, который вы узнаете позже.
Если вы подождете, пока не закончите все предметы, которые я упомянул выше, прежде чем писать свою первую программу ИИ, вам понадобится решительная решимость продержаться три года или около того, чтобы закончить.
После того, как вы написали несколько игрушечных программ, вы можете начать с обзорной книги, чтобы сфокусироваться на искусстве искусственного интеллекта. Рассел и Норвиг немного тяготеют к логике. Ваш лучший вариант зависит от того, какие подполя вас интересуют. Если вы выбираете машинное обучение, то «Машинное обучение» Тома Митчелла - хороший вариант.
источник
Хотя я согласен с другими ответами, так как я сам и хочу стать учеником современного ИИ, я думаю, что математические знания имеют первостепенное значение.
Возьмите эту серию лекций на YouTube из Стэнфордского университета, например . Если вы можете пройти первые 6 лекций и понять математические концепции и обозначения, которые представлены, чтобы объяснить, как и почему алгоритмы, такие как алгоритмы логистической регрессии, байесовской и нейронной сети, такие как SVM (машины опорных векторов), могут использоваться для решения проблем в Процесс сбора знаний компьютера, то вы готовы начать серьезные исследования - на мой взгляд.
Если вы обнаружите, что вам не хватает основ, то Курсы, такие как список ниже, могут быть хорошим местом для начала:
Некоторые могут предложить Обыкновенные дифференциальные уравнения или курс анализа - но это может быть слишком. Хотя, если ваша цель - серьезные исследования, тогда я рекомендую подход «перебить». Еще одна интересная книга, рекомендованная мне, была « Суперинтеллект » Ника Бострома, если вам просто любопытно.
Я также думаю, что курсы по психологии, основам нейробиологии, биологии (как клетки и микроорганизмы взаимодействуют), возможно, даже социология не могут быть плохими инвестициями вашего времени. Это поможет вам понять интеллект в более широком смысле. Например, генетические алгоритмы смоделированы на основе биологических процессов, касающихся передачи генов.
В социологическом смысле, как думает толпа? Распределяется ли интеллект или распределенная глупость, или и то, и другое при определенных обстоятельствах? Может ли это обеспечить руководство для новых алгоритмов в будущем? Сомнительно, но, надеюсь, вы понимаете мою точку зрения.
источник