¿Qué debo hacer si quiero trabajar en inteligencia artificial cuando sea mayor?

Dan, el hecho de que hagas esta pregunta a una edad tan temprana indica que ya tienes el requisito básico y clave de motivación y deseo de trabajar en cualquier campo en el que estés interesado; el resto es “logística simple” para que aprendas y sobresalir en lo que te motiva y te fascina ( nunca estuve cerca de hacerte una pregunta como a tu edad )

Quizás sea demasiado pronto para enfocarnos en un solo campo todavía, pero hay un proceso subyacente de razonamiento / pensamiento lógico / matemático que une todo lo que aprendemos sobre el mundo que nos rodea y sobre nosotros mismos:

• Por lo tanto, vale la pena desarrollar la habilidad no solo para hablar, sino también para pensar y razonar en el lenguaje de las matemáticas.
• algunos de nosotros podemos ser pensadores visuales ( usando el razonamiento geométrico, por ejemplo ) y algunos pensadores lógicos / simbólicos puros ( usando el razonamiento puramente lógico y la manipulación simbólica ), o una combinación de ambos. Solo tenemos que aprovechar lo que nos viene naturalmente: con el tiempo podemos mejorar en lo que tampoco viene naturalmente. Aprender a programar en cualquier idioma de su elección sin duda ayudaría a perfeccionar y probar nuestra capacidad de razonar ( un programa no funcionará si nuestro razonamiento es defectuoso, por lo que podemos iterar y mejorar )
• Como eres muy joven, compartiendo algunas cosas que he aprendido a lo largo de los años ( tengo un hijo de tu edad ), debemos tener cuidado

• no permitamos que un maestro particular comprenda una asignatura o una evaluación de nosotros, manchemos nuestra visión de esa asignatura, particularmente si nos gusta mucho ( he escuchado varias anécdotas en las que un profesor inspiró o mató el amor de una asignatura por parte de un alumno ). A veces, lamentablemente, la comprensión de un maestro puede ser incompleta / inadecuada o puede no ver el talento / impulso que tiene. Por favor, no dejes que eso te desanime.
• Tampoco es justo para nosotros esperar obtener los mejores maestros en todos los campos. Pero afortunadamente, en estos días, solo necesitamos buscar maestros tan buenos en la web y escucharlos para tener una visión del campo a través de sus ojos (los libros, por supuesto, son el medio convencional para entender el campo a través de sus ojos, particularmente genial maestros del pasado ). Por ejemplo, mirar un video o leer un libro de Richard Feynman ( un físico ) nos ayudará a ver el mundo que nos rodea desde una vista que nuestros sentidos no perciben directamente.
• Incluso si no entendemos algo completamente al principio, está bien: pensarlo y leer sobre el mismo concepto desde diferentes puntos de vista nos ayudará a tener un momento de epifanía o simplemente encontrar la respuesta en alguna fuente.
• es natural que se pregunte qué tiene que ver la física con la inteligencia artificial, pero parte del pensamiento subyacente que es la base de nuestro reciente éxito en la inteligencia artificial se basa en parte en el trabajo realizado en física, ya que las leyes de la física son todas las leyes estadísticas ( piense en promedio por ahora ) en esencia. Eso nos lleva nuevamente a las matemáticas: el campo subyacente que es una destilación pura de todo razonamiento y pensamiento humano .

• Si no tenemos buenas calificaciones o no ingresamos a una escuela a la que aspiramos, no deberíamos dejar que eso afecte nuestros espíritus. Cualquier forma de evaluación académica, aunque inevitable, falla en muchos ( pero no en todos ) los casos, al identificar candidatos verdaderamente motivados que tengan el potencial de contribuir significativamente, pero no necesariamente académicamente exitosos. Ha habido muchos casos, algunos incluso premios nobeltos, que tuvieron un comienzo desigual, o incluso que los adultos consideraron que “no mostraban ningún talento digno de mención” ( No puedo recordar el nombre del noble laureado; mencionó esto en su conferencia de aceptación )
• Además, tiene la suerte de estar aprendiendo en un momento en que la educación está experimentando una rápida democratización, independientemente de en qué parte del mundo se encuentre, si tiene una conexión a Internet, puede ver a expertos en el campo hablar sobre un tema, gracias a universidades como Stanford, MIT, etc., publicando sus cursos en línea con video conferencias ( no tenía eso cuando crecí, los libros impresos eran la única fuente de conocimiento ).
• Otra fuente valiosa para adquirir tanto conocimiento como comprensión de conceptos: tenemos personas con muy buena comprensión de un campo aquí mismo en Quora y pueden ser de gran ayuda. Tomemos por ejemplo las matemáticas, solo sigan a aquellos como Conner Davis, David Joyce, Alon Amit. Conner Davis es bueno tanto en matemáticas como en aprendizaje automático (es un escritor activo) y brinda una perspectiva muy única a cualquier problema. Si algo es difícil, no dude en hacer preguntas, como ya lo está haciendo. Recibirá una respuesta incluso si no es inmediata.
• Si tenemos buenas calificaciones y llegamos a escuelas de gran reputación, entonces podemos sentirnos orgullosos y felices, pero no debemos permitir que eso nos haga sentir complacientes o, lo que es más importante, crear la ilusión de que sabemos todo lo que se necesita saber. Nuestra comprensión del mundo que nos rodea y de nosotros mismos, aunque progresamos rápidamente con el tiempo, sigue siendo extremadamente inadecuada. Por ejemplo,

• Todavía no entendemos de qué está compuesto el 96% del universo. Todo lo que hace que el mundo que nos rodea, incluyéndonos a nosotros, constituya solo el 4% de la materia hecha de componentes básicos que conocemos. Sin embargo, tenemos evidencia de materia (~ 23%) que ejerce una influencia gravitacional pero no es detectable a través de la luz ( no interactúa con la fuerza electromagnética ). ¿Qué pasa con el 73% restante? Vea el video ” La materia oscura no es suficiente ” a continuación: es bastante interesante .
• Tenemos todo el diagrama de “cableado cerebral” de un pequeño gusano, pero tenemos muy poca comprensión de cómo funciona, y con solo alrededor de 400 “células cerebrales” ( más de un tercio de sus células totales de ~ 1000 ) ese pequeño gusano tiene Un repertorio bastante rico de comportamiento complejo. Elegí un gusano, solo para resaltar cuán poco es nuestra comprensión de nuestro cerebro de 100 mil millones de neuronas.
• A pesar de nuestro progreso reciente en IA, incluso nuestros mejores modelos de IA no tienen el sentido común de un niño de 5 años.
• Luego hay muchas otras cosas obvias que nos gustaría hacer, pero aún no podemos, como ir al planeta más distante, y mucho menos a la estrella más cercana.
• Así que tenemos mucho que aprender, ejecutar y lograr …

Le deseo lo mejor ( perdón por mi respuesta tardía y mi tono paterno; es muy difícil evitar eso dada mi edad y la suya ).

Solo estoy agregando algunos enlaces para que pueda ver / leer en su tiempo libre: son solo una muestra de videos / libros que elaboran algunas de las cosas mencionadas anteriormente.

Referencias

• Una conversación con Feynman, titulada “divertido de imaginar”. Si no tiene tiempo, puede omitir todos los enlaces a continuación, pero solo vea este video solo ( en caso de que no lo haya visto antes ). Es quizás uno de los mejores maestros de todos los tiempos …

• Amazon.com: ¿Qué es la vida ?: Este es un libro de un físico que contribuyó significativamente a nuestra comprensión del mundo de los átomos. Quizás tenga más sentido en unos años para usted, pero vale la pena leerlo en algún momento, porque es un físico que intenta comprender cómo funcionan los sistemas biológicos. Desde el punto de vista de los físicos, los sistemas biológicos parecen desafiar las leyes estadísticas a las que está acostumbrado. La estructura molecular del gen aún no se descubrió, mientras escribió este libro, pero sus ideas aún son relevantes hoy en día. Y lo que es más importante, su pensamiento y razonamiento no están vinculados a un campo en particular: abarca muchos campos y el hilo conductor es la matemática.
• El siguiente enlace es una muy buena reseña sobre los componentes básicos de la materia: lo que sabemos y aún no sabemos. Ignora el título – campos cuánticos – es una charla amplia destinada a cualquiera.

• La respuesta a la pregunta “cuál es el 96% que no es materia normal”

• Dado que usted preguntó específicamente sobre inteligencia artificial, aquí hay una introducción muy reciente de un ingeniero de DeepMind ( una empresa de Google que trabaja en IA ): es una introducción bastante simple, aunque puede haber algunos conceptos matemáticos que aún no habría aprendido, por lo que puede saltearlos por ahora, aún vale la pena verlos para obtener una idea de los tipos de problemas que podemos resolver usando AI.

La llamada IA, a la que se refieren la mayoría de las respuestas, es realmente una sub-rama de la informática y no el tema emocionante que está anticipando. Eres joven y hay varios campos que alimentan a la IA. Encuentra los que más te convengan.

Por ejemplo, los filósofos han estado pensando profundamente en esto durante muchas décadas, tienen muy buenas ideas al respecto, pero pueden carecer de habilidades de ingeniería.

La ingeniería de control está más cerca de la IA que la mayoría de las personas se dan cuenta. Pero esto fue conocido en el pasado por personas como Norbert Weiner, (Cybernetics), un contemporáneo de Alan Turing (previsión de IA) y John Von Neumann (acreditado con la idea de almacenar programas y, por lo tanto, definir una arquitectura de computadora)

Neurocientíficos: estas personas analizan la biología y pueden decir qué mecanismos están presentes y desentrañar las conexiones.

(La informática tiene poco que ver con la inteligencia artificial y estos sistemas están programados y son deterministas, por lo que, a menos que le guste la informática y no le importe si no está haciendo la IA la mayor parte del tiempo (si no todo), mire la informática)

Antropología / biología evolutiva / sociología / psicología: todos estos tienen roles en esta investigación.

Ingeniería electrónica: muchas de las ideas en lógica digital combinatoria y secuencial son una buena manera de abordar las ideas más intratables de los circuitos neuronales

Matemáticas: el cálculo numérico, el procesamiento de señales, la teoría de la probabilidad, etc., todos tienen su lugar en este campo. Algunos creen que hay un aspecto mecánico cuántico en la conciencia, por lo que las matemáticas aplicadas son muy pertinentes.

Todo esto requiere matemáticas, algo de química, biología y física.

Los investigadores de IA deberían desarrollar una capacidad de conocimiento ecléctico, es decir, una especie de polímato.

Por lo tanto, su plan debe ser construir una base de matemáticas y ciencias para las materias de su escuela. Aprende a leer libros técnicos. Y traza un camino para las materias de examen superiores que DISFRUTAS. Decide que quieres ser investigador y elige un camino hacia IA / Ingeniería / Filosofía / etc. y obtén un título de al menos 2.1. Luego encuentre un doctorado adecuado. ¡Buena suerte!

Primero , haz tus cálculos correctos:

La respuesta de William Chen a ¿Cómo aprendo matemáticas para el aprendizaje automático?

Entonces puede pasar a comprender las matemáticas detrás del aprendizaje automático:

CS229 – Aprendizaje automático de Andrew Ng

Una vez que haya terminado con eso, su mejor opción sería inscribirse en el programa de nanogrado de IA de Udacity o puede ver los cursos gratuitos sobre IA del catálogo.

Para elegir el lenguaje de programación, vaya a Python.

¡Salud!

Hacer un plan de este tipo estará sujeto a las tendencias que intervienen, por lo que es más una intención como lo que significa el campo y cómo saber si aún está en curso si cambia como lo ha hecho durante décadas, en lo que respecta a tener nuevos nombres así como enfoques similares a lo que sucedió con la cibernética, por ejemplo.

Si alguien hubiera hecho esto a principios de los años 70, entonces no habría sabido acerca de las computadoras personales, e Internet, la web o la nube, y la psicología o la lingüística estarían al borde de las cogniciones y las neurociencias. Suponiendo que todos los problemas de investigación actuales se resuelvan, saber a dónde va a convertirse se convertirá en un arte, actualmente aparentemente basado en la inversión más que en las subvenciones, pero también junto con el interés global que está alcanzando a los nacionales y es probable que salte. Mire lo que hizo el teléfono inteligente simple para la accesibilidad para que la mayoría del público haya escuchado sobre esto y esté involucrado, y se convierta en algo que no pueden evitar. También está conduciendo a la automatización, lo que hace que la noción de cómo funciona la sociedad sea diferente en comparación con las granjas y fábricas del pasado.

La inteligencia parece ser todo cerebro, pero también está incorporada, por lo que habrá más de eso, incluido el corazón y las tripas. Hay manos biónicas que son asequibles y pueden ser mejores que el equipo original de cierta manera, lo cual es genial. El punto es que el estudio del futuro y la predicción es una habilidad decente. Nuevamente, desde Asimov a través de los grandes nombres que estaban comenzando en ese momento, es una diferencia bastante dramática. La computación prácticamente barrió las tablas. Esto amenaza con hacer lo mismo. Sitios como Wolfram’s involucran la participación en todos los niveles y proporcionan una introducción a las facciones. En última instancia, puede tratarse de lo que tienen que traer a la fiesta desde otros campos que aún no habían sido absorbidos y que beneficiarían a la humanidad. Por ejemplo, ahora tienen un transporte autónomo que se suma a la infraestructura urbana. Algo como la ingeniería genética parece lo suficientemente complejo. Y la computación cuántica está a punto de salpicar.

Por lo tanto, existen los valores de por qué están en él y qué va a hacer para la sociedad, así como las funciones de inteligencia, así como todas las máquinas prácticas que cambian continuamente, así como la interfaz o relación con los usuarios, como la malla o los nanobots. Y la visión de los boomers será usurpada por los millennials y las olas que les siguen. La idea es que está motivando el progreso, probablemente junto con las teorías de la educación misma, y ​​cada persona puede tratar de encontrar su contribución creativa en medio de la estática. Alguien intentará arrinconarlo. Otros lo usarán para reclutar a sus miembros. Todas las sospechas habituales. Y todavía tiene que ser capaz de explicar cosas, construir cosas y proporcionar algunas instrucciones razonables. Agárrate a tu sombrero.

Si bien debe aprender todos los cursos de matemáticas hasta el cálculo, puede comenzar temprano si lo desea.

Comience aprendiendo los fundamentos de un lenguaje de programación como Python o Java, y luego desarrolle sus habilidades de programación y su capacidad para “pensar como un programador”.

Luego, puede pasar a AI y redes neuronales. Intente hacer un programa simple que pueda predecir algunas salidas en función de algunas entradas (como la posición de un terremoto frente a la magnitud). Luego puede pasar a cosas más complicadas como redes neuronales convolucionales para el procesamiento de imágenes.

Si hay algo relacionado con las matemáticas que no comprende, intente visualizarlo en su cabeza en lugar de criticarlo con las matemáticas. Busque tutoriales que usen la intuición en lugar de las matemáticas puras.

Recomiendo mirar el canal de youtube de Siraj Raval. Tiene toneladas de videos amigables para principiantes que me han ayudado mucho (solo tengo 13 años) y no requieren muchas matemáticas. Su introducción a la serie de aprendizaje profundo es increíble y le sugiero que lo revise.

Enlaces para aprender IA:

Conjunto de datos sobre terremotos: http://kaggle.com/burnetap/earthquake/input

Canal de Siraj: https://www.youtube.com/channel/ …

Nota: Para la serie de aprendizaje profundo de Siraj, deberá descargar las bibliotecas de Anaconda http://continuum.io/DOWNLOADS

Espero que esto te haya ayudado!

Bueno, te diré lo que haría:

1. Presta atención a las matemáticas durante los próximos 3 años, confía en mí, las matemáticas que aprenderás son muy importantes para los fundamentos del aprendizaje automático y la inteligencia artificial, siempre puedes aprender un lenguaje de programación pero no puedes sentarte y volver a aprender esos conceptos matemáticos. de la escuela secundaria.
2. aprenda un lenguaje de programación en su tiempo libre, repito, solo en su tiempo libre, es decir, cuando se haya ocupado de sus otras responsabilidades, como las tareas de la clase, sugiero Python ya que es fácil de aprender.
3. perfecciona el lenguaje lentamente, asegúrate de cubrir todos los conceptos y sigue experimentando probándote a ti mismo.
4. Crea mini proyectos en las vacaciones

Ahora estoy seguro de que esto es suficiente para comenzar, una vez que haya seguido lo que dije, puede comenzar con cosas como TensorFlow una vez que ingrese a la universidad

Pero por ahora

Presta mucha atención al primer punto.

Saludos 🙂

Estudie mucho en sus clases hasta el final de la escuela secundaria y vaya a la universidad con una especialización en un campo científico que le guste (matemáticas aplicadas, CS, física … Todos pueden conducir a campos de IA)

(Por supuesto, ese no es el único camino, sino el clásico y uno de los más efectivos si usa bien sus recursos)

Si desea comenzar en este momento, necesita aprender a programar (elegir un idioma y aprender lo básico, tiene tutoriales de administrador en la web) y luego puede comenzar con un proyecto pequeño pero razonable. Una sugerencia sería construir un jugador en tic tac toe (3 × 3 luego n * m con otra regla como anotar mucho alineando 5 símbolos. Los detalles del juego están en la web nuevamente). La dificultad no es la misma y verás que los algoritmos que usaste en el primer caso (un jugador perfecto en pocos segundos si lo codificaste bien) para construir un jugador en el segundo caso (no escalarán (serán atrozmente ineficientes si prefiera) con la complejidad del juego (¡Complejidad! En esta etapa, revise una estructura de datos y un libro de algoritmos, también es muy interesante). Luego comenzará a preguntarse cómo hacerlo mejor (tenga una buena aproximación de un jugador perfecto para ejemplo), luego enfréntate a juegos más difíciles … ¡y estás en camino!

Pero por favor haga de la escuela su prioridad, ¡eso es lo más importante aquí!

Matemáticas, calcula y crea programas de juguetes en Python

El mayor grupo cuando entro en este campo fue … ‘Derivación parcial’. Me di cuenta de que no sabía el verdadero significado de eso durante toda mi educación. Entonces, cuando tenga la oportunidad de aprender matemáticas / cálculos, trate de entender eso.

Solo una respuesta simple y rápida ya que de ninguna manera soy un experto en el campo. Pero yo diría que simplemente comience a aprender programación / estadísticas lo mejor que pueda. El resto vendrá naturalmente a medida que aprenda y encuentre a dónde quiere ir.

Al principio, intente crear algunas cosas interesantes que sean interesantes para usted, como aplicaciones / juegos. Y luego vea dónde puede implementar AI en esos juegos y aprenda cómo hacerlo, pidiendo ayuda a otros. Esta es una excelente manera de progresar en el aprendizaje.

Consulte bibliotecas / marcos como Tensflow y Sci-kit learn. Estos son excelentes lugares para comenzar cuando desee obtener más información técnica, ya que hay mucha ayuda en la web y muchos ejemplos de práctica para comenzar. Luego, tómalos y dales tu propio toque para ver realmente cómo funcionan.

¡Buena suerte! ¡Es genial que quieras comenzar a tu edad!