¿Es posible comenzar con el aprendizaje automático sin conocimientos previos en IA, o la IA debería estudiarse primero en general?

El desglose va de lo más general a lo más específico: IA, Machine Learning, Deep Learning. Para aprovechar al máximo el aprendizaje automático, deberías tener una sólida comprensión de la IA. Esto no solo incluye lo que hemos aprendido hoy sobre IA, sino también todos los algoritmos que se han desarrollado hasta ahora. Aquí hay algunos algoritmos de búsqueda en particular que pueden ser de su interés para comenzar: primera búsqueda en profundidad, primera búsqueda de amplitud, búsqueda de conflictos mínimos, búsqueda A *, búsqueda codiciosa. Algunos algoritmos de búsqueda codiciosos comunes para conocer: Prim, Kruskal, TSP y Dijkstra. Tener una comprensión sólida de la búsqueda no informada frente a la informada, la heurística, los problemas de satisfacción de restricciones y la búsqueda de confrontación es muy importante para comprender los fundamentos de la IA.

Puede ser sorprendente para usted, pero el aprendizaje automático no está muy relacionado con la inteligencia artificial en términos de contenido técnico, técnicas o enfoques. Sí, se ocupan de problemas en el mismo dominio (en alto nivel).

El aprendizaje automático requiere conocimientos de programación y matemáticas; a saber, álgebra lineal, probabilidad, estadística, cálculo y optimización. El aprendizaje automático a partir de hoy se ocupa del aprendizaje de funciones complejas a partir de muchos datos. Puede aprender el patrón usando el modelo que se le dio, pero no crea nuevos algoritmos,

Por otro lado, se supone que la IA crea algo que puede crear nuevos algoritmos y resolver problemas que no están necesariamente en ningún dominio específico. La IA se ocupa de las matemáticas, la lógica, la neurociencia, la representación / manipulación simbólica y cosas que muy probablemente aún no se han descubierto, por lo que la IA todavía está esperando hacer un progreso significativo.

Los términos IA y aprendizaje automático se usan indistintamente en toda la industria. Leí lo siguiente en LinkedIn, ‘cuando estás recaudando fondos lo llamas AI, cuando estás contratando lo llamas Aprendizaje automático.

Con toda seriedad, generalmente me refiero a los servicios cognitivos que están listos para implementar, modelos ampliamente capacitados, listos para calificar modelos, disponibles con API, como la capacidad de IA. Estos incluyen principalmente servicios de visión por computadora y lingüística.

Definitivamente puedes aprender machine learning sin aprender IA general. Incluso puede ser un investigador de aprendizaje automático sin tener mucha profundidad en el tema general de la IA. Necesitas estudiar IA solo si quieres ser un investigador de IA. AI es en realidad un término amplio, que incluye diferentes áreas de investigación y actualmente la única parte de la investigación de IA que tiene aplicaciones prácticas es la parte de aprendizaje automático. Es por eso que muchos investigadores de aprendizaje automático no son investigadores generales de IA.

AI es un campo amplio, y ML está bajo AI. Así que sí, creo que tiene más ventaja tomar ML primero que AI. La cuestión es que, cuando tomas IA o ML, puede haber algunas superposiciones (lo cual es totalmente correcto para la repetibilidad).

Creo que lo que es importante saber es la imagen más amplia de todo esto (cómo ML o CV ayuda en la IA, etc.)

La IA es amplia. El aprendizaje automático es solo parte de ello. Definitivamente puedes comenzar con el aprendizaje automático.

Pero antes de eso, aprenda la probabilidad y las estadísticas inferenciales.

Es posible. De hecho, el aprendizaje automático es un subcampo de la inteligencia artificial. Entonces es posible.

El aprendizaje automático se puede estudiar solo, pero algunos sistemas utilizan técnicas de muchas áreas diferentes de IA. Por lo tanto, estudiar IA en general puede ser útil.