Quand devrais-je apprendre l'intelligence artificielle? [fermé]

Droit au but: je voudrais vraiment apprendre l'IA.

Mais je veux des conseils de gars CS expérimentés sur le moment où je devrais sauter dans l'intelligence artificielle.

Quelles sont les conditions préalables nécessaires pour que je puisse mieux comprendre les concepts de l'IA?

Vous aurez besoin de quelques mathématiques discrètes . Graphiques, arbres, etc. Ce sont les structures qui sous-tendent l'IA.

Vous aurez besoin de quelques compétences en programmation , en particulier dans des langages tels que Prolog et LISP. De nombreux systèmes d'IA sont programmés dans ces langues.

Vous aurez besoin d'un peu de logique . Calcul propositionnel et prédicat. Leur syntaxe et sémantique. Peut-être une logique modale. Cela constituera la base de l'apprentissage de la représentation des connaissances, qui est à la base de l'IA.

Au cours des deux premières années d'un diplôme en informatique, vous obtenez généralement suffisamment de connaissances pour commencer à étudier l'IA.

Mais il n'y a pas de limite à la complexité de l'IA. Pour l'approfondir, vous aurez besoin de statistiques, de calculs, d'algèbre matricielle et probablement beaucoup plus. La théorie de l'apprentissage statistique (ou plus simplement l'apprentissage automatique) dépend de ces domaines.

Mon conseil. Achetez un livre sur l'intelligence artificielle à lire à votre rythme. Une bonne est l'intelligence artificielle: une approche moderne par Stuart Russell et Peter Norvig. Chaque fois que vous ne comprenez pas quelque chose, essayez de déterminer les connaissances de base qui vous manquent. Remplissez ensuite ces lacunes.

Je dirais tout de suite.

Bien sûr, vous aurez besoin de beaucoup de sujets différents, comme celui mentionné par Dave Clarke. Ceux dont vous avez besoin dépendent vraiment de la saveur de l'IA que vous recherchez. Si vous vous dirigez vers la fin de l'apprentissage automatique, vous n'aurez pas besoin de logique ou de mathématiques discrètes, mais vous aurez besoin de grandes aides de théorie des probabilités, de statistiques, d'algèbre linéaire, d'optimisation et de calcul multivarié.

Mon point est que si vous apprenez ces choses afin de maîtriser l'IA, et pas pour leur propre bien, vous aurez besoin de quelque chose pour maintenir votre motivation. Je commençais donc à déconner. Au lieu de lire tout cela, essayez d'écrire un joueur d'échecs sans aucune connaissance préalable, ou programmez une simulation de vie artificielle simple. Si vous commencez par vous-même, cela vous donnera un contexte pour placer les choses que vous apprendrez plus tard.

Si vous attendez d'avoir terminé tous les sujets que j'ai mentionnés ci-dessus avant d'écrire votre premier programme d'intelligence artificielle, vous aurez besoin d'une grande résolution pour tenir pendant les trois ans environ.

Une fois que vous avez écrit quelques programmes de jouets, vous pouvez commencer par un livre de présentation pour obtenir des dégustateurs de tous ces sujets axés sur l'IA. Russell and Norvig est un peu lourd sur la logique. Votre meilleure option dépend des sous-domaines qui vous intéressent. Si vous optez pour le Machine Learning, le "Machine Learning" de Tom Mitchell est une bonne option.

Bien que je sois d'accord avec les autres réponses, comme moi-même et que je cherche à devenir un étudiant de l'IA moderne, je pense que les connaissances mathématiques sont d'une importance primordiale.

Prenez cette série de conférences YouTube de l'Université de Stanford par exemple . Si vous pouvez passer à travers les 6 premières conférences et comprendre les concepts mathématiques et la notation qui sont présentés pour expliquer comment et pourquoi des algorithmes comme la régression logistique, bayésienne et les réseaux neuronaux comme SVM (Support Vector Machines) peuvent être utilisés pour résoudre des problèmes dans un processus de collecte de connaissances de l'ordinateur, alors vous êtes prêt à commencer des recherches sérieuses - à mon avis.

Si vous constatez que vous manquez les fondamentaux, alors des cours comme ceux énumérés ci-dessous peuvent être un bon point de départ:

1. Informatique 1 et 2,
2. Structures de données,
3. Analyse d'algorithmes,
4. 3 cours de calcul,
5. Mathématiques discrètes,
6. Algèbre linéaire,
7. Probabilités et statistiques,

Certains peuvent suggérer des équations différentielles ordinaires ou un cours d'analyse - mais cela peut être trop fatal. Bien que si une recherche sérieuse soit votre objectif, je recommande l'approche de sur-tuer. Un autre livre intéressant qui m'a été recommandé était " Superintelligence " de Nick Bostrom si vous êtes juste curieux.

Je pense aussi que les cours de psychologie, de neuroscience de base, de biologie (comment les cellules et les micro-organismes communiquent), peut-être même la sociologie, ne sont pas de mauvais investissements de votre temps. Cela vous aidera à comprendre l' intelligence au sens large. Les algorithmes génétiques , par exemple, sont modélisés à partir de processus biologiques concernant la façon dont les gènes sont transmis.

Au sens sociologique, comment pense une foule? Est-ce une intelligence distribuée ou une stupidité distribuée, ou les deux dans certaines circonstances? Cela peut-il fournir des orientations pour de nouveaux algorithmes à l'avenir? Douteux, mais j'espère que vous voyez mon point.