¿Qué tengo que estudiar para trabajar en inteligencia artificial?

Si lo que quiere hacer es aplicar juegos de herramientas de aprendizaje automático a conjuntos de datos, entonces no necesita estudiar mucho. Estudie el campo al que desea aplicar el aprendizaje automático, luego tal vez el viejo texto ” Minería de datos: herramientas y técnicas prácticas de aprendizaje automático … luego, cuando desee aplicar alguna técnica particular de aprendizaje automático, busque un artículo o dos sobre eso técnica y leerlo …

Por otro lado, si lo que quieres es trabajar en Inteligencia General Artificial, entonces las cosas se ponen más interesantes …

Si fuera a estructurar un programa de grado en AGI, usaría los siguientes libros como parte del núcleo. En un primer intento, podría dividir el plan de estudios en cinco cursos principales, tales como:

  1. Historia de la IA
  2. Algoritmos, estructuras y métodos de IA
  3. Neurociencia y Psicología Cognitiva
  4. Filosofía de la mente
  5. Teorías y arquitecturas AGI

Los libros enumerados a continuación darían materias primas para todos los cursos anteriores (que se complementarán con varios documentos y tareas, etc.). Los he dividido en 5 categorías correspondientes a la lista anterior, aunque esto es algo crudo ya que algunos de los libros realmente cruzan las categorías.

Historia de la IA

Estos dos libros clásicos te darán una idea de la historia temprana del campo de la IA:

Computers and Thought, un libro editado de 1963

Lo que las computadoras aún no pueden hacer, por Hubert Dreyfus

Algoritmos, estructuras y métodos de IA

Los libros en esta categoría no son principalmente sobre AGI, sino que presentan ideas que vale la pena conocer si va a trabajar en AGI.

Inteligencia artificial de Russell y Norvig. Este no es un libro AGI, es un libro estrecho de IA. Pero es excelente por lo que es. Muchas de las ideas y métodos descritos aquí tienen un papel que desempeñar en varias arquitecturas AGI.

El diseño de la innovación de David Goldberg: una discusión profunda, amplia y legible sobre el aprendizaje evolutivo

Introducción a la computación evolutiva, por Eiben y Smith: una visión general competente y actual de los algoritmos genéticos y la programación genética

Redes neuronales y máquinas de aprendizaje, por Simon Haykin: una buena (aunque larga) revisión del trabajo sobre redes neuronales y métodos relacionados para el aprendizaje automático, incluidas las redes neuronales recurrentes

Fundamentos del lenguaje por Ray Jackendoff: con mucho, el tratamiento más completo y profundo de la lingüística tradicional (a diferencia de la lingüística estadística) que he visto. Una excelente manera de comprender la naturaleza de todos los diversos fenómenos lingüísticos con los que tendrá que lidiar un AGI.

Procesamiento del habla y el lenguaje, por Jurafsky y Martin: una excelente revisión del campo del “procesamiento estadístico del lenguaje”. Este ciertamente no es un enfoque AGI-ish para la lingüística, sin embargo, nos enseña mucho sobre la naturaleza del lenguaje, ya que El AGI que aprende el lenguaje dependerá de fenómenos estadísticos similares hasta cierto punto.

Probabilistic Robotics, de Thrun, Burgard y Fox: un enfoque estrecho de la IA para la robótica, pero es útil saber cómo se hace esto y con qué dificultades se enfrentan

Neurociencia y Psicología Cognitiva

Algunos libros de texto sólidos …

Neurociencia: Explorando el cerebro, oso, Connors y Paradiso – un libro de texto notablemente comprensible que resume nuestro conocimiento actual sobre el complejo sistema que es el cerebro humano

Fundamentos de la psicología cognitiva por Robert Kellogg: una revisión directa de la psicología cognitiva, un poco seca pero que vale la pena entender si desea construir una AGI similar a la humana

Neurociencia cognitiva del desarrollo, de Johnson y de Hann: un texto sencillo que revisa cómo se desarrolla la mente / cerebro del niño. Es útil saber si desea crear un AGI que se desarrolle de una manera vagamente similar.

Algunos libros más livianos que presentan ideas relevantes de científicos individuales:

Construyendo un lenguaje, por Michael Tomasello: una revisión magistral del aprendizaje de idiomas como un proceso social y encarnado

Action in Perception de Alva Noe: sobre la conexión entre ver y actuar

La revolución de la visión de Mark Changizi: explicando la visión como predicción desde una perspectiva de neurociencia y ciencia cognitiva

On Intelligence de Jeff Hawkins: presenta una visión de la neurociencia y el AGI que, según he argumentado, está muy simplificado, pero aún vale la pena conocerlo

Alguna filosofía de la mente relevante para AGI

Mi libro The Hidden Pattern presenta una filosofía mental específicamente orientada hacia AGI, aunque también aborda muchos otros temas. Algunas ideas más recientes a lo largo de líneas similares se dan en estos documentos: Hacia una teoría general de la inteligencia general, un principio de correspondencia mente-mundo, hacia un modelo formal de sinergia cognitiva

Correlaciones neuronales de la conciencia, un volumen editado por Thomas Metzinger

Ser nadie, de Thomas Metzinger: el mejor libro que conozco sobre cómo la mente se crea

El resplandor del ser, de Allan Combs: una fantástica revisión y análisis de los diversos estados de conciencia en los que se encuentran los humanos

La mente encarnada, de Varela, Thompson y Rosch, un clásico sobre la relación entre mente y cuerpo

Supersizing the Mind de Andy Clark: una visión general actualizada del trabajo sobre la “mente extendida”; la forma en que la mente se extiende al entorno y al cuerpo, en lugar de residir solo en el cerebro

Erik Jantsch, The Self-Organizing Universe … una visión de la teoría de los sistemas de la mente y el mundo de “panorama general”, poniendo la inteligencia humana en perspectiva. Agotado y difícil de encontrar, pero una lectura bastante buena

Gregory Bateson, Mente y naturaleza: una unidad necesaria: describe la mente como un sistema cibernético entre muchos otros

La neurofilosofía del libre albedrío, por Henrik Walter: una versión del “libre albedrío” que es científicamente sólida y relevante para AGI

Algunas lecturas sobre AGI mismo

Escribí un libro de resumen no técnico sobre mi propio enfoque de AGI (que también examinaba muchos otros materiales), llamado La revolución de AGI

En 2005, Cassio Pennachin y yo editamos un libro sobre Inteligencia Artificial General.

Pei Wang y yo editamos un libro sobre los fundamentos teóricos de la inteligencia general artificial

El libro de Eric Baum ¿Qué es el pensamiento? revisa una variedad de temas interesantes relacionados con AGI

El libro Commonsense Reasoning de Erik Mueller presenta un enfoque de AGI basado en la lógica con cierta profundidad, basándose directamente en las ideas del pionero de la IA John McCarthy

El libro Rigid Flexibility de Pei Wang describe la visión única de Pei sobre AGI y los mecanismos lógicos y de control subyacentes

Los volúmenes de actas de la serie de conferencias de Inteligencia General Artificial contienen una gran cantidad de documentos relacionados con AGI, y los sitios web de la conferencia contienen enlaces a archivos PDF gratuitos de los documentos.

El AGI Journal contiene documentos relevantes para AGI, principalmente en este punto de naturaleza teórica.

La tesis doctoral de mi antiguo colega Moshe Looks es excelente y explica cómo combinar el aprendizaje evolutivo y el modelo probabilístico.

El libro de Marcus Hutter, Universal AI, es bastante matemático, pero también es una obra de arte y tiene un gran valor conceptual. El libro Machine Superintelligence de Shane Legg es similar y más corto y fácil de leer.

Este libro resume el trabajo sobre SOAR, quizás el más exhaustivo y exitoso de los “Sistemas de IA a la antigua usanza” (y que todavía está en desarrollo, incorporando una serie de características modernas): La arquitectura cognitiva de Soar

Y luego, por supuesto, está nuestro tomo sobre OpenCog, Engineering General Intelligence, Volumen 1 y Volumen 2 … las versiones gratuitas están vinculadas desde aquí

Todo lo que puede comenzar started – ¡Buena suerte!

¡Teoría, teoría, teoría! Teoría de la información, cibernética, reconocimiento de patrones, ¡todo!

Aprendí solo el 20% del material necesario en cursos de posgrado. El resto fue la bendición de la biblioteca e internet. ¡Haz tu propia investigación, siempre!

Para comenzar, tenga una comprensión básica del aprendizaje automático estadístico,

Página en coursera.org
Página en coursera.org

Tiene que ser bueno programando usando C / C ++ o Python

Deberá poder pensar en psicología, tener conocimientos y habilidades matemáticas y habilidades informáticas. Querrá comprender cómo el hombre ha teorizado sobre la mente y la teoría de la mente y la naturaleza del conocimiento, por lo que también hay algo de filosofía.
Por lo tanto, tome un mínimo de dos cursos de psicología, todas las matemáticas que pueda incluir, al menos un curso introductorio de filosofía, un curso de sociología porque eso se relaciona con la forma en que las entidades interactúan, todos los cursos básicos de informática (programación, algoritmos, compiladores, Teoría del sistema operativo seguro, matemáticas discretas e ingeniería y ciencias matemáticas. Tome un curso de escritura (no literatura sino cómo escribir, para ingenieros).

More Interesting

¿Los humanos tienen alguna posibilidad de ganar una guerra contra una civilización de máquinas de inteligencia artificial súper inteligentes como las de la matriz?

¿Qué tan lejos está la inteligencia artificial en comparación con la inteligencia humana?

¿Qué uso crees que podría tener la IA para la humanidad después de que se hayan apoderado de la Tierra? ¿Cuáles son las opciones más optimistas?

Cómo lograr mi sueño de IA

¿Cuál sería el impacto positivo de aprovechar SAP + cloud computing en inteligencia artificial y por qué?

¿Cuáles son algunos de los usos modernos de la inteligencia artificial distribuida?

¿Cuáles son las posibilidades de que una IA súper inteligente ya exista en otro planeta en el universo?

Si tenemos IA en el futuro, ¿realmente crees que algún día podrían volverse locos y matar humanos?

¿El concepto de superinteligencia de IA es científicamente falsificable?

¿Qué proyecto para principiantes de ML puedo construir para apoyar mi aplicación a un programa universitario de aprendizaje automático?

¿Es correcto afirmar que no existe la inteligencia artificial?

¿Por qué Stephen Hawking y Elon Musk están tan preocupados por los peligros de la IA? ¿Están justificados?

¿Serán obsoletos los trabajos de ingeniería normales cuando se cree la IA? ¿Cómo puedo asegurarme de no quedar obsoleto?

¿Cómo afectaría una IA fuerte al futuro del desarrollo del juego?

¿Hay algún proyecto de inteligencia artificial que genere una película de animación?