Trong khi tôi đồng ý với các câu trả lời khác, như bản thân tôi và mong muốn trở thành một sinh viên của AI hiện đại, tôi nghĩ kiến thức toán học là điều tối quan trọng.
Lấy chuỗi bài giảng YouTube này từ Đại học Stanford chẳng hạn . Nếu bạn có thể vượt qua 6 bài giảng đầu tiên và hiểu các khái niệm và ký hiệu toán học được trình bày để giải thích cách thức và lý do các thuật toán như Logistic Regression, Bayesian và thuật toán Mạng thần kinh như SVM (Support Vector Machines) có thể được sử dụng để giải quyết các vấn đề trong Quá trình thu thập kiến thức của máy tính, sau đó bạn đã sẵn sàng để bắt đầu nghiên cứu nghiêm túc - theo ý kiến của tôi.
Nếu bạn thấy rằng bạn đang thiếu các nguyên tắc cơ bản, thì các khóa học như danh sách dưới đây có thể là một nơi tốt để bắt đầu:
- Khoa học máy tính 1 và 2,
- Cấu trúc dữ liệu,
- Phân tích thuật toán,
- 3 khóa học tính toán,
- Toán rời rạc,
- Đại số tuyến tính,
- Xác suất và Thống kê,
Một số có thể đề xuất các phương trình vi phân thông thường hoặc một khóa học Phân tích - nhưng điều này có thể kết thúc. Mặc dù nếu nghiên cứu nghiêm túc là mục tiêu của bạn, thì tôi khuyên bạn nên sử dụng phương pháp tiêu diệt. Một cuốn sách thú vị khác được đề xuất cho tôi là " Superintellect " của Nick Bostrom nếu bạn chỉ tò mò.
Tôi cũng nghĩ rằng các khóa học về Tâm lý học, Khoa học thần kinh cơ bản, Sinh học (Cách thức tế bào và vi sinh vật giao tiếp) thậm chí có thể là Xã hội học có thể không phải là khoản đầu tư tồi trong thời gian của bạn. Nó sẽ giúp bạn hiểu trí thông minh theo nghĩa lớn hơn. Các thuật toán di truyền , ví dụ, được mô hình hóa từ các quá trình sinh học liên quan đến cách các gen được truyền lại.
Theo nghĩa xã hội học, một đám đông nghĩ như thế nào? Là nó phân phối thông minh hay ngu ngốc phân tán, hoặc cả hai trong những trường hợp nhất định? Điều này có thể cung cấp hướng dẫn cho các thuật toán mới trong tương lai? Nghi ngờ, nhưng hy vọng bạn nhìn thấy quan điểm của tôi.