Quel type de formation est requis pour les chercheurs en IA?

Supposons que mon objectif soit de collaborer et de créer une IA avancée, par exemple qui ressemble à un être humain et que le projet soit à la frontière de la recherche en IA, de quel type de compétences aurais-je besoin?

Je parle de choses spécifiques comme quel programme universitaire dois-je suivre pour entrer et être compétent dans le domaine. Voici quelques-unes des choses auxquelles j'ai pensé, juste pour illustrer ce que je veux dire:

• Informatique: évidemment l'IA est construite sur des ordinateurs, ça ne ferait pas de mal de savoir comment fonctionnent les ordinateurs, mais certaines choses de bas niveau et des choses spécifiques aux machines ne semblent pas essentielles, je peux me tromper bien sûr.
• Psychologie: si l'IA ressemble à des êtres humains, la connaissance de la cognition humaine serait probablement utile, bien que je n'imagine pas la neurologie au niveau cellulaire ou des caprices psychologiques compliqués typiques des êtres humains comme le complexe d'Œdipe seraient pertinents, mais encore une fois, je peux me tromper .

En tant que chercheur à plein temps en IA, je dirais qu'un doctorat en apprentissage automatique serait certainement une option utile.

Cependant, pour faire des progrès bien nécessaires , l'IA doit éviter de tomber dans le piège de penser que les méthodes actuellement à la mode sont une sorte de «solution miracle». Il y a un risque qu'un doctorat qui se dirige directement vers (disons) un sous-sous-sous-domaine de DL finisse par imposer trop de biais à la perspective ultérieure de l'étudiant.

La recherche en IA est une activité essentiellement multidisciplinaire. D'autres antécédents possibles comprennent donc:

• Mathématiques ou physique (au premier degré ou au doctorat). Une solide expérience dans ces deux cas n'a jamais fait de mal à personne. Les personnes compétentes dans ces domaines ont tendance à être en mesure de transformer leurs capacités vers de nouveaux domaines relativement facilement.

• Génie logiciel. L'une des choses dont l'IA a besoin, ce sont des architectures intégratives pour l'ingénierie des connaissances. Voici pourquoi . Je crois que l'une des raisons pour lesquelles nous n'avons pas encore réussi à faire de l' OCR au niveau d'un enfant de 5 ans est que nous devons encore accepter que nous devons «construire un marteau pour casser une noix». Les architectes logiciels sont habitués à gérer la complexité à grande échelle, ils peuvent donc être en mesure de vous aider.

• Sciences cognitives, psychologie, linguistique cognitive. Les raisons ici sont évidentes.

Surtout, je pense personnellement qu'un bon chercheur en IA devrait être créatif, curieux et prêt à remettre en question la sagesse reçue, qui sont tous plus importants dans la pratique que les spécificités de leur formation.

La recherche sur l'IA semble s'élargir ces jours-ci (2016). Premièrement, quelques départements "évidents" (sans ordre):

• Informatique (par exemple théorie du calcul, algorithmes): les chercheurs en IA supposent que l'intelligence est une sorte de calcul, sous diverses formes (par exemple un réseau de neurones, un système logique).
• Génie logiciel : en supposant que nous trouvions un bon modèle pour l'IA, comment le faites-vous? C'est ce que l'ingénieur voudra comprendre. Et il peut être difficile de mapper des modèles mathématiques à une pièce d'ingénierie.
• Statistiques et probabilités (plus spécifiques que les mathématiques, qui sont également proches de l'informatique): il s'agit de la science des données, notamment en tant que fondement du Machine Learning, la branche la plus active de l'IA --- qui couvre "juste" la partie apprentissage .
• Physique: Ceci est particulièrement pertinent maintenant pour le matériel (voir ci-dessous).
• Neuro Science: Comprendre comment fonctionne le cerveau, comme source d'inspiration pour en créer un artificiel, est la maison des connexionnistes. Récemment, Hassabis et son équipe de Google Deepmind ont fait plusieurs percées liées à l'apprentissage par renforcement, à la mémoire, à l'attention, etc.

Récemment, le génie électrique reçoit beaucoup de lumière, ainsi que les branches connexes de la physique. Plusieurs laboratoires publics et privés se concentrent sur les "puces cérébrales". Pour n'en nommer que quelques-uns: IBM (qui y travaille depuis un certain temps déjà), Nvidia et Facebook. Vers 2010, il est devenu clair que des techniques telles que le deep learning nécessitent de la puissance, donc une concentration croissante sur la création de puces plus puissantes, plus petites et plus économes en énergie. Et en plus de cela, il y a tout le travail en informatique quantique.

Mais le fait est qu'il semble y avoir beaucoup plus de domaines qui s'impliquent dans la recherche sur l'IA. Nous devrions mentionner la chimie et la biologie, à la fois comme source d'inspiration et comme outils pour fabriquer de nouveaux modèles ou matériels (par exemple, des puces qui n'utilisent pas de silicium, afin qu'elles puissent devenir plus petites).

Comme pour 2016, les champs ci-dessus sont les plus actifs et promettent de rester très actifs pendant un certain temps. Choisissez le vôtre en fonction de votre intérêt, de vos compétences ou de votre simple intuition!

Pour finir, nous serons peut-être surpris dans quelques années quand nous regarderons d'où vient l'IA. Je crois que si nous parvenons à construire une AGI, cela tirera parti de tous ces domaines de toute façon. Je suppose que le frisson est de faire partie de l'histoire.