¿Cuáles son los mejores / adecuados temas de investigación en inteligencia artificial para estudiantes universitarios?

No creo que haya un “mejor” tema definitivo para trabajar en ningún campo. Hay muchos temas por ahí, y solo necesita encontrar lo que más le interesa, y si su respuesta a eso es “¡pero hay muchas cosas que me interesan!”, Simplemente elija el que se le presente más fácilmente 🙂

Una tesis de pregrado es una oportunidad perfecta para explorar algo sin restricciones externas. Por lo general, cuando realiza una investigación más “adecuada”, los organismos de financiación y otras partes guían el área en la que necesita trabajar, pero como estudiante universitario, es libre de trabajar en ideas ‘locas’. Sin embargo, asegúrese de discutirlo con su supervisor para asegurarse de que sea factible y que no sea demasiado ambicioso. ¡Debería ser DIVERTIDO trabajar!

Otro consejo es no enfocarse en problemas técnicos o detallados por el momento, sino soñar en grande primero, por ejemplo, piense “no sería genial si …”, y continúe desde allí. Confía en mí, los problemas técnicos aparecerán tarde o temprano. Es casi seguro que NO podrás realizar tu sueño por completo, ¡pero te garantizo que hay muchos temas de investigación interesantes y factibles en el camino!

Para comenzar, es posible que desee consultar el excelente Wiki mantenido por AAAI, http://www.aitopics.net y elegir de la lista de áreas a la izquierda.

Estos son algunos de los temas en los que la investigación de IA se beneficiaría enormemente al resolver tareas del sistema mundanas , formales o incluso de expertos :

  • Procesamiento de lenguaje natural como sistemas de reconocimiento de voz y voz (Google now, reconocimiento de voz Baidu, etc.)
  • Sistemas expertos como seguimiento de vuelos, investigación del cáncer, descubrimiento de fármacos, comportamiento celular anómalo y otros sistemas clínicos.
  • Sistemas de redes neuronales (DNN) : tareas de reconocimiento como reconocimiento de patrones, reconocimiento de rostros, reconocimiento de caracteres, reconocimiento de escritura a mano (complete los espacios en blanco para obtener más información)
  • Robótica : específicamente planificación de movimiento, geometría computacional, vehículo no tripulado (espacial y terrestre), robots industriales para todas las tareas posibles en fábricas y hogares (mudanzas, fumigaciones, limpieza, pintura, perforación, revestimiento, tallado, cuidado de niños, cocina (nuevamente rellene los espacios en blanco para más), tareas robóticas de exploración espacial
  • Sistemas de lógica difusa : electrónica de consumo, automóviles, etc.
  • Visión más profunda : reconocimiento de actividad humana y espacial, agrupación y figura de terreno, minería de datos visuales, perforación (tierra y en el espacio)
  • Búsqueda y recuperación de información : filtrado colaborativo, extracción de información, búsqueda de imágenes y videos, sistema de información inteligente
  • Inferencia probabilística : modelos gráficos, métodos de kernel, métodos bayesianos no paramétricos, RL (aprendizaje de refuerzo), resolución de problemas, toma de decisiones y más
  • Bioinformática y biología computacional : esta es un área enorme para explorar.

Puedo seguir y seguir … 🙂

No trabajo en IA, pero creo que ciertas áreas temáticas merecen financiación.

Creo que el área más fácil de “IA” que puede comenzar un estudiante universitario es probablemente la robótica. Rodney Brooks y la robótica probablemente salvaron el campo de la IA sin ayuda. Su estudio de encarnación llegó en el momento adecuado.

Evite los “sistemas expertos”. Se convirtió en un pantano algo inútil que no logró generalizar.

Ciertamente, puede probar el procesamiento de la visión por computadora, el habla y el lenguaje natural, pero se está metiendo en áreas controvertidas.

Pero también tome el libro de Peter Norvig sobre métodos estadísticos, y vea si puede comprenderlo, y encuentre un nicho.

Siempre puede intentar buscar en la comprensión de documentos (esto vuelve a la PNL), pero estaría compitiendo contra los grandes (piense en algoritmos superiores al rango de página).

Prueba la lógica difusa. Esta IA es fácil de entender e implementar para varios problemas