TL; DR – Parece que quieres una lista de las mejores escuelas de ciencias de la computación. Primero, según una lista, están: Carnegie Mellon, MIT, Stanford y UC Berkeley.
Respuesta más larga:
Parece que está haciendo algunas suposiciones infundadas aquí sobre la relación entre la IA débil y fuerte y el aprendizaje automático.
- ¿Cómo cambiará Google Brain el futuro de la búsqueda?
- ¿Con qué biblioteca de aprendizaje automático debo experimentar entre SparkML, Microsoft Azure ML y AWS ML?
- ¿Debo ir a la Universidad de Radboud o Groningen para Machine Learning?
- ¿Qué es un buen texto introductorio de aprendizaje automático?
- ¿Cuál es la diferencia entre Python y el aprendizaje automático?
Su primer comentario dice: ” IA débil => IA tradicional. (no es lo que estoy buscando, pero es mejor que Machine Learning, que no es realmente el núcleo de la IA) “
De acuerdo, compraré la primera equivalencia que esté haciendo aquí, que “IA débil” es más o menos lo mismo que “IA tradicional”. Ambos significan algoritmos artesanales diseñados para resolver problemas específicos. La afirmación de que el aprendizaje automático “no es realmente el núcleo de la IA” me confunde. ¿Qué quieres decir con el “núcleo” de la IA? Las únicas cosas que podría pensar que se ajustan a esa definición son (1) matemáticas y (2) algoritmos, que en conjunto son más o menos … ciencias de la computación.
De acuerdo, entonces si está buscando escuelas de ciencias de la computación , aquí hay una lista posible de las “mejores escuelas” para ello: https://www.usnews.com/best-grad…
De ellos, realmente no me preocuparía por clasificaciones específicas si una escuela está dentro de más / menos cinco o diez rangos de otra, ya que todos son lugares bastante buenos para comenzar a buscar. Creo que cada escuela entre los veinticinco principales es una institución de investigación. Para un doctorado, el grupo de laboratorio al que te unes es mucho más importante que el ranking de la escuela, particularmente cuando llegas al nivel de querer hacer tipos específicos de IA.
Su segundo comentario dice: ” IA fuerte => Inteligencia general artificial (sobre lo que estoy preguntando)” , pero al mismo tiempo, usted dice que no se refiere al aprendizaje automático.
Dado lo que entendemos actualmente sobre el aprendizaje automático, creo que está malinterpretando el aprendizaje automático o el AGI, o ambos. Nvidia tiene un buen artículo que habla sobre la relación entre AI, ML y el aprendizaje profundo (¿La diferencia entre AI, Machine Learning y Deep Learning? | NVIDIA Blog). Verá que “inteligencia artificial” es un término general para una gran cantidad de técnicas que cumplen con los criterios (bastante vagos) de hacer que la máquina sea “más parecida a la humana”. En el caso débil de IA, podemos hacer máquinas de manera justa a través de algoritmos de tipo humano con casos de uso muy específicos. Si me describe cómo hace una tarea repetitiva simple, probablemente podría diseñar un algoritmo que imite eso, haciendo una “inteligencia artificial” porque se comporta de la manera que lo haría un humano para esa tarea .
¿Pero para la inteligencia artificial general? Eso implica un programa que puede hacer cualquier tarea intelectual que un humano podría hacer. La única forma de abordar esto con una IA “tradicional” es hacer un montón enorme y desordenado de algoritmos específicos para cada tarea que un humano pueda encontrar. Excepto el aprendizaje. No se puede enseñar a aprender cosas, porque eso sería aprendizaje automático . ¡Pero aprender es exactamente cómo los humanos aprenden a ser “generalmente inteligentes”! Los bebés son bastante tontos, en lo que respecta a “tareas intelectuales” específicas, ¡pero pueden aprender!
¿Ves la contradicción de excluir el aprendizaje automático de la tarea de construir AGI?
La mayoría de las cosas que he visto en los marcos para AGI primero intentan abordar el problema de aprendizaje, generalmente de una manera que imita el aprendizaje humano de alguna manera (ya sea mediante la construcción de redes neuronales, o aprendiendo de la demostración, o el aprendizaje de refuerzo, etc.) , porque no hay forma de que sepamos dónde puede construir una “IA fuerte” a partir de algoritmos específicos de dominio.
No es que los algoritmos específicos de dominio sean malos, eso sí. Esta “IA débil” puede ser muy buena para muchas tareas porque aprovecha el conocimiento experto del dominio, e incluso los mejores usos del aprendizaje automático a menudo implicarán el conocimiento del dominio proporcionado manualmente en algún nivel.
Recomiendo analizar un poco más el aprendizaje automático y los algoritmos generales antes de profundizar demasiado en la búsqueda de un buen programa de doctorado para AGI.
