Đi thẳng vào vấn đề: Tôi thực sự muốn học AI.
Nhưng tôi muốn một số lời khuyên từ những kẻ CS có kinh nghiệm về việc khi nào tôi nên nhảy vào Trí tuệ nhân tạo.
Những điều kiện tiên quyết cần thiết để tôi có thể nắm bắt tốt hơn các khái niệm AI?
Đi thẳng vào vấn đề: Tôi thực sự muốn học AI.
Nhưng tôi muốn một số lời khuyên từ những kẻ CS có kinh nghiệm về việc khi nào tôi nên nhảy vào Trí tuệ nhân tạo.
Những điều kiện tiên quyết cần thiết để tôi có thể nắm bắt tốt hơn các khái niệm AI?
Câu trả lời:
Bạn sẽ cần một số toán học rời rạc . Đồ thị, cây, vân vân. Đây là những cấu trúc bên dưới AI.
Bạn sẽ cần một số kỹ năng lập trình , đặc biệt là các ngôn ngữ như Prolog và LISP. Rất nhiều hệ thống AI được lập trình bằng các ngôn ngữ này.
Bạn sẽ cần một số logic . Tính toán đề xuất và vị ngữ. Cú pháp và ngữ nghĩa của họ. Có lẽ một số logic phương thức. Điều này sẽ tạo cơ sở cho việc học về biểu diễn tri thức, vốn là nền tảng của AI.
Trong hai năm đầu tiên có bằng khoa học máy tính thông thường, bạn thường có đủ nền tảng để bắt đầu nghiên cứu về AI.
Nhưng không có giới hạn về mức độ phức tạp của AI. Để hiểu sâu hơn về nó, bạn sẽ cần số liệu thống kê, tính toán, đại số ma trận và có thể nhiều hơn nữa. Lý thuyết học thống kê (hay đơn giản hơn là học máy) phụ thuộc vào các lĩnh vực này.
Lời khuyên của tôi. Mua một cuốn sách về Trí tuệ nhân tạo để đọc trong thời gian của riêng bạn. Một điều tốt là Trí tuệ nhân tạo: Cách tiếp cận hiện đại của Stuart Russell và Peter Norvig. Bất cứ khi nào bạn không hiểu điều gì đó, hãy cố gắng tìm ra những kiến thức nền tảng mà bạn đang thiếu. Sau đó lấp đầy những khoảng trống đó.
Tôi sẽ nói ngay.
Tất nhiên bạn sẽ cần rất nhiều môn học khác nhau, như bài mà Dave Clarke đã đề cập. Những gì bạn cần thực sự phụ thuộc vào hương vị của AI bạn đi cho. Nếu bạn hướng đến sự kết thúc của Machine Learning, bạn sẽ không cần logic hay toán học rời rạc, nhưng bạn sẽ cần sự trợ giúp lớn về lý thuyết xác suất, thống kê, đại số tuyến tính, tối ưu hóa và tính toán đa biến.
Quan điểm của tôi là nếu bạn học những điều này để thành thạo AI, và không phải vì lợi ích của riêng họ, bạn sẽ cần thứ gì đó để duy trì động lực của mình. Vì vậy, tôi sẽ bắt đầu chỉ loay hoay. Thay vì đọc tất cả những thứ này, chỉ cần cố gắng viết một người chơi cờ mà không có bất kỳ kiến thức nào trước đó, hoặc lập trình một mô phỏng cuộc sống nhân tạo đơn giản. Nếu bạn bắt đầu một mình, nó sẽ cung cấp cho bạn một bối cảnh để đặt những thứ bạn sẽ học sau này.
Nếu bạn đợi cho đến khi bạn hoàn thành tất cả các môn học mà tôi đã đề cập ở trên trước khi bạn viết chương trình AI đầu tiên của mình, bạn sẽ cần một quyết tâm mạnh mẽ để duy trì trong ba năm hoặc lâu hơn để hoàn thành.
Khi bạn đã viết một vài chương trình đồ chơi, bạn có thể bắt đầu với một cuốn sách tổng quan, để có được những người yêu thích tất cả những chủ đề này tập trung vào AI. Russell và Norvig hơi nặng về logic. Tùy chọn tốt nhất của bạn phụ thuộc vào trường con bạn quan tâm. Nếu bạn tham gia Machine Learning, thì "Machine Learning" của Tom Mitchell là một lựa chọn tốt.
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:
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.