La respuesta a su pregunta es simple: trabajar en IA (o más bien, en cualquier dominio científico) no se trata de cuán inteligente es, sino de cuán apasionado, dedicado y trabajador es.
Estoy seguro de que hay quienes no estarían de acuerdo, pero diría que su capacidad para trabajar duro y aprender de sus errores podría ser una mejor medida del éxito. Más importante aún, para abordar el subtexto de su pregunta, no existe una barrera de entrada basada en el coeficiente intelectual (que posiblemente ni siquiera mida todos los aspectos correctos de la inteligencia necesaria para tener éxito, al igual que los puntajes de las pruebas estandarizadas generalmente no son los correctos forma de medir las capacidades de uno: a menudo estas pruebas conducen a “estudiar para el examen” en lugar de medir adecuadamente la capacidad de uno, como lo hacen los proyectos). Además, no sé de dónde sacas esta estadística declarada de que los investigadores de IA tienen un coeficiente intelectual de 140–160 en promedio (deberías poner una cita adecuada si este es realmente el hallazgo de un estudio científico exhaustivo, relativamente imparcial y bien realizado 😉 ) pero no he oído hablar de tal cosa. En verdad, estoy luchando para recordar mi propia medida de coeficiente intelectual de muchos, muchos años atrás cuando era niño porque, francamente, no me importan mucho esas medidas. Con demasiada frecuencia, veo cosas como el coeficiente intelectual que se usa para reforzar la arrogancia y la arrogancia, algo de lo que muchas figuras líderes modernas en inteligencia artificial (y redes neuronales, específicamente) tienen demasiado.
Una idea genial y simple de mi padre ha sido una de mis motivaciones clave para seguir adelante (y nunca rendirme cuando las cosas van mal, ya que las cosas casi siempre lo hacen siempre que trabajo fervientemente con mis ideas de redes neuronales): enfatizo que es un asunto de lo duro que trabajas Una forma de ser “talentoso” es simplemente tener la capacidad de trabajar más y más duro =] (y, por supuesto, también de manera eficiente, pero eso es parte del proceso de aprendizaje) Además, siempre puedes enseñarte lo que no sabes, especialmente si el trabajo de clase todavía deja algunos baches en su conocimiento aquí y allá (he descubierto, al menos para mí, que es una cuestión de qué tanto quiere aprender algo o necesita un concepto que afecte la rapidez y eficacia con que lo elija arriba).
- ¿Cuál es la probabilidad de que la inteligencia artificial y la realidad aumentada (no virtual) dominen el futuro? Por favor lea los detalles
- ¿Es la singularidad realmente un peligro para la humanidad?
- ¿Puede AI crear su propio lenguaje de programación como lo hace Facebook?
- ¿Cuáles son los tipos de cámaras que se usan en los robots?
- ¿Por qué es Lisp el idioma preferido para la programación de AI / Neural Net?
¡La perseverancia es la clave! Además, es importante contar con un buen mentor / asesor (especialmente en estudios de posgrado), así que asegúrese de hacer su investigación sobre con quién quiere trabajar cuando solicite las escuelas de posgrado. Ah, y el consejo más simple que puedo darte: ¡lee, lee y lee! Así que anímate, mi futuro, colega colega en inteligencia artificial: abundan los problemas y se deben tener nuevas ideas. ¡La mejor de las suertes para cambiar el mundo a través de la IA! Espero leer sus publicaciones / logros algún día. [Y lo más probable es que conozca esos descubrimientos innovadores que podría hacer, ya que no puedo evitar seguir cosas relevantes en arXiv, Google Scholar y CiteSeerX].