Những loại giáo dục cần thiết cho các nhà nghiên cứu trong AI?

Giả sử mục tiêu của tôi là hợp tác và tạo ra một AI tiên tiến, ví dụ như một con người giống với con người và dự án sẽ ở trên biên giới của nghiên cứu AI, tôi cần loại kỹ năng nào?

Tôi đang nói về những điều cụ thể như chương trình đại học nào tôi nên hoàn thành để vào và có năng lực trong lĩnh vực này. Dưới đây là một số điều mà tôi nghĩ về, chỉ để làm rõ những gì tôi muốn nói:

• Khoa học máy tính: rõ ràng AI được xây dựng trên máy tính, sẽ không đau khi biết máy tính hoạt động như thế nào, nhưng một số thứ cấp thấp và những thứ cụ thể của máy có vẻ không cần thiết, dĩ nhiên tôi có thể sai.
• Tâm lý học: nếu AI giống với con người, kiến ​​thức về nhận thức của con người có thể hữu ích, mặc dù tôi không tưởng tượng thần kinh ở cấp độ tế bào hoặc các quirks tâm lý phức tạp điển hình cho con người như phức hợp Oedipus sẽ có liên quan, nhưng một lần nữa, tôi có thể sai .

Là một nhà nghiên cứu AI toàn thời gian, tôi nói rằng một tiến sĩ về học máy chắc chắn sẽ là một lựa chọn hữu ích.

Tuy nhiên, để đạt được tiến bộ rất cần thiết , AI cần tránh rơi vào cái bẫy nghĩ rằng các phương pháp thời trang hiện nay là bất kỳ loại 'viên đạn bạc' nào. Có một mối nguy hiểm là một tiến sĩ tiến thẳng vào (nói) một số khu vực phụ của DL sẽ kết thúc quá nhiều thành kiến ​​đối với quan điểm tiếp theo của sinh viên.

Nghiên cứu AI là một hoạt động đa ngành về cơ bản. Do đó, các nền tảng có thể khác bao gồm:

• Toán học hoặc vật lý (đến mức độ đầu tiên hoặc trình độ tiến sĩ). Một nền tảng mạnh mẽ trong một trong những điều này không bao giờ làm bất kỳ ai làm hại. Những người có năng lực trong các lĩnh vực này có xu hướng có thể chuyển khả năng của họ sang các lĩnh vực mới tương đối dễ dàng.

• Kỹ thuật phần mềm. Một trong những điều mà AI cần là kiến ​​trúc tích hợp cho kỹ thuật tri thức. Đây là lý do tại sao . Tôi tin rằng một trong những lý do khiến chúng tôi chưa thể làm được OCR ở cấp độ 5 tuổi là chúng tôi vẫn chưa chấp nhận rằng chúng tôi phải 'chế tạo búa tạ để bẻ khóa'. Kiến trúc sư phần mềm được sử dụng để quản lý sự phức tạp quy mô lớn, vì vậy họ có thể giúp đỡ.

• Khoa học nhận thức, Tâm lý học, Ngôn ngữ học nhận thức. Những lý do ở đây là rõ ràng.

Trên hết, cá nhân tôi nghĩ rằng một nhà nghiên cứu AI giỏi nên sáng tạo, tò mò và chuẩn bị để đặt câu hỏi về sự khôn ngoan, tất cả đều quan trọng trong thực tế hơn là chi tiết cụ thể về nền tảng của họ.

Nghiên cứu về AI dường như ngày càng rộng hơn (2016). Đầu tiên, "rõ ràng" một vài bộ phận (không có thứ tự):

• Khoa học máy tính (ví dụ lý thuyết tính toán, thuật toán): Các nhà nghiên cứu AI ở đó cho rằng trí thông minh là một loại tính toán, dưới nhiều hình thức khác nhau (ví dụ: mạng thần kinh, hệ thống logic).
• Kỹ thuật phần mềm : Giả sử chúng ta tìm thấy một mô hình tốt cho AI, làm thế nào để bạn tạo ra nó? Đây là những gì các kỹ sư sẽ muốn tìm ra. Và có thể khó ánh xạ các mô hình toán học thành một mảnh được thiết kế.
• Thống kê và Xác suất (cụ thể hơn là chỉ Toán, mà cũng gần với khoa học máy tính): Đây là khoảng Khoa học dữ liệu, đặc biệt là nền tảng để Machine Learning, các chi nhánh hoạt động mạnh nhất trong AI --- mà "chỉ là" bìa các học phần .
• Vật lý: Điều này đặc biệt phù hợp với phần cứng (xem bên dưới).
• Khoa học thần kinh: Hiểu cách bộ não hoạt động, như một nguồn cảm hứng để tạo ra một thứ nhân tạo, là ngôi nhà cho những người kết nối. Gần đây, Hassabis và nhóm của ông tại Google Deepmind đã thực hiện một số bước đột phá liên quan đến tăng cường học tập, trí nhớ, sự chú ý, v.v.

Gần đây Kỹ thuật điện đang nhận được rất nhiều ánh sáng, cùng với các ngành Vật lý liên quan. Một số phòng thí nghiệm công cộng và tư nhân tập trung vào "chip não". Để đặt tên cho một số: IBM (người đã làm việc trên đó một thời gian rồi), Nvidia và Facebook. Vào khoảng năm 2010, rõ ràng là các kỹ thuật như học sâu đòi hỏi mã lực, do đó tập trung ngày càng nhiều vào việc tạo ra các chip mạnh hơn, nhỏ hơn, tiết kiệm năng lượng hơn. Và trên hết, có tất cả các công việc trong Máy tính lượng tử.

Nhưng vấn đề là, dường như có nhiều lĩnh vực đang tham gia vào nghiên cứu AI. Chúng ta nên đề cập đến Hóa học và Sinh học, vì cả nguồn cảm hứng và công cụ để tạo ra các mô hình hoặc phần cứng mới (ví dụ: chip không sử dụng silicon, để chúng có thể nhỏ hơn).

Đối với năm 2016, các lĩnh vực trên là hoạt động mạnh nhất và hứa hẹn sẽ vẫn hoạt động trong một thời gian khá dài. Chọn của riêng bạn tùy thuộc vào sở thích, kỹ năng hoặc trực giác của bạn!

Để kết thúc, chúng ta có thể ngạc nhiên trong một vài năm khi chúng ta nhìn lại nơi AI đã đến. Tôi tin rằng nếu chúng ta quản lý để xây dựng một AGI, nó sẽ tận dụng tất cả các lĩnh vực này. Tôi đoán sự hồi hộp là một phần của câu chuyện.