¿Recomiendas aprender Prolog, ML o Lisp para Machine Learning e Inteligencia Artificial? ¿Por qué?

Esta es una pregunta interesante porque parece suponer que el aprendizaje automático y la IA en general son básicamente lo mismo. Machine Learning es un enfoque para construir software inteligente, pero no es el único. La IA simbólica tradicional a menudo se desarrolla en Lisp, Prolog, ML, etc., porque todas son excelentes en la manipulación simbólica. Los sistemas expertos se adaptan bien a los lenguajes simbólicos porque uno puede expresar reglas a un alto nivel que no oscurezca la lógica con detalles de lenguaje de bajo nivel. En el mundo tradicional de IA, los humanos desarrollan modelos y entregan los modelos a un software que puede aplicarlos a problemas individuales, generalmente siguiendo algún tipo de inferencia lógica (ya sea hacia adelante o hacia atrás).

Los sistemas de aprendizaje automático, por otro lado, se tratan realmente de construir representaciones matemáticas de sistemas de bajo nivel de tal manera que los datos de entrenamiento muevan el sistema hacia un mejor rendimiento. A menudo no hay ningún modelo de alto nivel. En lugar de que un humano proporcione un sistema con un modelo operativo, el sistema desarrolla su propio modelo. Dado que los humanos solo codifican la funcionalidad de aprendizaje en sí sin mucha información de dominio, cualquier lenguaje que facilite la escritura del código matemático funciona bien. Muchos sistemas de Machine Learning hoy en día están escritos en Python simplemente porque muchos de los fundamentos matemáticos están disponibles como bibliotecas.

A pesar de los grandes éxitos recientes de los sistemas de Machine Learning, todavía hay espacio para la IA tradicional, particularmente en sistemas donde es importante entender por qué un sistema se comporta de la manera en que lo hace. Hasta que podamos extraer de manera confiable una descripción de alto nivel del funcionamiento de un sistema de aprendizaje, algunos problemas deberán resolverse simbólicamente. Para estos problemas, Lisp, Prolog y sus amigos siguen siendo herramientas valiosas.

Por mucho que odie decirlo, aprende Python. A medida que avanza la ML y la IA modernas, Python tiene la mejor integración de lenguaje con los sistemas ML / Deep Learning.

Los lenguajes clásicos de IA (Lisp, Prolog) ya no disfrutan de un amplio apoyo en IA de vanguardia y aprendizaje automático, aunque algunos de nosotros estamos tratando de solucionarlo.

Sí, y está olvidando OPS (para programación no secuencial), SQL (para manipulación de datos) y Python (para modularidad).