(Advertencia: ¡Puntos de vista subjetivos y autopromoción! También todas las universidades / profesiones que menciono son aquellas cuya investigación he seguido)
La inteligencia artificial presentada es enorme. Por lo tanto, no es posible enumerar todos los subarchivos. Sin embargo, déjame motivarte a algunos de los campos conocidos.
La IA inteligente se puede dividir en las siguientes categorías:
- ¿Por qué la criptografía moderna y la potencia informática no pueden descifrar el manuscrito Voynich?
- Cómo aprender sobre la minería de datos de una manera que le permita realizar su propio
- ¿A dónde va el contenido medio descargado si detenemos la descarga a mitad de camino?
- ¿Cuáles son muchas cosas que la gente no sabe que no puedes hacer en una computadora o en Internet?
- ¿Cuál es el mejor algoritmo de aprendizaje automático para predecir el ganador del juego de fútbol basado en los puntajes pasados de los equipos?
- Representación del conocimiento y razonamiento
- Razonamiento / Deducción / Inferencia
- Aprendizaje (aprendizaje automático)
- Planificación (planificación y programación automatizadas)
- Comunicación (procesamiento del lenguaje natural)
- Percepción (visión por computadora, reconocimiento de voz)
- Movimiento y manipulación (robótica)
Sin embargo, cómo se aborda el problema de la IA (es decir, representación e inferencia) hay pocos sub-archivos más:
- Basado en lógica (programación lógica, programación de conjunto de respuestas)
- Inteligencia computacional (red neuronal artificial)
- Estadística (ordenadas vs. desaliñadas)
Soy un investigador de redes lógicas de Markov que se clasifica como aprendizaje estadístico relacional que combina la lógica de primer orden con el modelo gráfico probabilístico (PGM). Así que estoy entre 1 y 3.
Mi universidad (la Universidad de Texas en Dallas) tiene una sólida trayectoria en ciencia de datos / IA. Aunque UTD no es la Crème de la Crème de las universidades de EE. UU., La investigación producida aquí no es menos que de clase mundial (con la mayoría del profesor insistiendo en enviar solo a conferencias de primer nivel). Los profesores de IA más activos en UTD son:
- Vibhav Gogate (PGM y lógica de Markov)
- Vincent Ng (procesamiento del lenguaje natural)
- Página web de Yang Liu en UTDallas (Reconocimiento de voz / PNL)
- Dr. Sanda Harabagiu (Recuperación de información / Respuesta a preguntas / PNL)
- Nicholas Ruozzi | Instituto de Ciencias e Ingeniería de Datos (PGM, * Uniéndose a nosotros pronto)
Aparte de mi universidad, recomendaría:
- UC Irvine (para aprendizaje automático y PGM): inteligencia artificial y aprendizaje automático @ the bren school of information and computer sciences
- Raymond J. Mooney @ La Universidad de Texas en Austin (PNL)
- Pedro Domingos @ http://www.washington.edu (SRL, Machine Leraning, Tractable Deep Net)
- Página personal WWW de Alan Fern @ Oregon State University (problema de planificación)
- Dhruv Batra – Inicio @ Virginia Tech | Inventa el futuro | Virginia Tech (Visión por computadora)
- David Sontag en NYU (Machine learning, PGM)
(Estoy dejando de lado a los gigantes como MIT, UCB, Stanford, CMU, etc. Además, aunque no está clasificado como prueba de satisfacción de IA y conteo de modelos, se usa mucho como algunas herramientas para la resolución de problemas de IA. Para la satisfacción, consulte: Página de inicio de Carla Gomes, Bart Página de inicio de Selman, Henry Kautz y Ashish Sabharwal (que ya no está en la academia).
Gracias por A2A
