Kapan saya harus belajar kecerdasan buatan? [Tutup]

Langsung ke titik: Saya benar-benar ingin belajar AI.

Tapi saya ingin beberapa saran dari orang-orang CS berpengalaman tentang kapan saya harus terjun ke Intelegensi Buatan.

Prasyarat apa yang diperlukan agar saya dapat lebih memahami konsep AI?

Anda akan membutuhkan beberapa matematika diskrit . Grafik, pohon, dan sebagainya. Ini adalah struktur yang mendasari AI.

Anda akan memerlukan beberapa keterampilan pemrograman , terutama dalam bahasa seperti Prolog dan LISP. Banyak sistem AI diprogram dalam bahasa-bahasa ini.

Anda akan membutuhkan logika . Kalkulus proposisional dan predikat. Sintaks dan semantik mereka. Mungkin beberapa modal logika. Ini akan membentuk dasar untuk belajar tentang representasi pengetahuan, yang merupakan dasar dari AI.

Selama dua tahun pertama dari gelar ilmu komputer biasa Anda biasanya memperoleh latar belakang yang cukup untuk mulai belajar AI.

Tetapi tidak ada batasan seberapa kompleks AI bisa. Untuk mengetahui lebih dalam, Anda perlu statistik, kalkulus, aljabar matriks, dan mungkin lebih banyak lagi. Teori pembelajaran statistik (atau lebih tepatnya pembelajaran mesin) tergantung pada bidang-bidang ini.

Saranku. Beli buku tentang Kecerdasan Buatan untuk dibaca di waktu Anda sendiri. Yang bagus adalah Kecerdasan Buatan: Pendekatan Modern oleh Stuart Russell dan Peter Norvig. Setiap kali Anda tidak memahami sesuatu, cobalah untuk mengetahui pengetahuan latar belakang apa yang kurang dari Anda. Lalu isi celah itu.

Saya akan mengatakannya segera.

Tentu saja Anda akan membutuhkan banyak subjek berbeda, seperti yang Dave Clarke sebutkan. Yang mana yang Anda butuhkan sangat tergantung pada rasa AI yang Anda pilih. Jika Anda menuju akhir Pembelajaran Mesin, Anda tidak akan memerlukan logika atau matematika tersendiri, tetapi Anda akan memerlukan banyak teori probabilitas, statistik, aljabar linier, optimisasi, dan kalkulus multivarian.

Maksud saya adalah jika Anda mempelajari hal-hal ini untuk menguasai AI, dan bukan untuk kepentingan mereka sendiri, Anda akan memerlukan sesuatu untuk meningkatkan motivasi Anda. Jadi saya akan mulai bermain-main. Alih-alih membaca semua hal ini, cobalah untuk menulis pemain catur tanpa pengetahuan sebelumnya, atau program simulasi kehidupan artifisial sederhana. Jika Anda memulai sendiri, itu akan memberi Anda konteks untuk menempatkan hal-hal yang akan Anda pelajari nanti.

Jika Anda menunggu sampai Anda menyelesaikan semua mata pelajaran yang saya sebutkan di atas sebelum Anda menulis program AI pertama Anda, Anda akan membutuhkan tekad yang kuat untuk bertahan selama tiga tahun atau lebih yang dibutuhkan untuk menyelesaikannya.

Setelah Anda menulis beberapa program mainan, Anda bisa mulai dengan buku ikhtisar, untuk mendapatkan pencicipan semua mata pelajaran ini terfokus pada AI. Russell dan Norvig sedikit berat dalam hal logika. Pilihan terbaik Anda tergantung pada subbidang yang Anda minati. Jika Anda mengikuti Pembelajaran Mesin, maka "Pembelajaran Mesin" Tom Mitchell adalah pilihan yang baik.

Sementara saya setuju dengan jawaban lain, karena saya sendiri dan ingin menjadi mahasiswa AI modern, saya pikir pengetahuan Matematika sangat penting.

Ambil seri kuliah YouTube ini dari Stanford University sebagai contoh . Jika Anda dapat melewati 6 kuliah pertama dan memahami konsep dan notasi matematika yang disajikan untuk menjelaskan bagaimana dan mengapa algoritma seperti Logistic Regression, Bayesian, dan algoritma Neural Network seperti SVM (Support Vector Machines) dapat digunakan untuk menyelesaikan masalah dalam suatu proses pengumpulan pengetahuan komputer, maka Anda siap untuk memulai penelitian yang serius - menurut pendapat saya.

Jika Anda mendapati bahwa Anda kekurangan fundamental, maka Kursus seperti apa yang tercantum di bawah ini mungkin merupakan tempat yang baik untuk memulai:

1. Ilmu Komputer 1 dan 2,
2. Struktur data,
3. Analisis Algoritma,
4. 3 kursus Kalkulus,
5. Matematika Terpisah,
6. Aljabar linier,
7. Probabilitas dan Statistik,

Beberapa mungkin menyarankan Persamaan Diferensial Biasa atau kursus Analisis - tetapi ini mungkin terlalu mematikan. Meskipun jika penelitian serius adalah tujuan Anda, maka saya merekomendasikan pendekatan over kill. Buku menarik lainnya yang direkomendasikan kepada saya adalah " Superintelligence " oleh Nick Bostrom jika Anda hanya ingin tahu.

Saya juga berpikir begitu kursus dalam Psikologi, Ilmu Saraf dasar, Biologi (Bagaimana sel dan mikroorganisme berkomunikasi) bahkan mungkin Sosiologi mungkin bukan investasi buruk waktu Anda. Ini akan membantu Anda memahami kecerdasan dalam arti yang lebih luas. Algoritma genetika , misalnya, dimodelkan dari proses biologis mengenai bagaimana gen diturunkan.

Dalam pengertian sosiologis, bagaimana pendapat orang banyak? Apakah intelijen didistribusikan atau kebodohan didistribusikan, atau keduanya dalam keadaan tertentu? Bisakah ini memberikan panduan untuk algoritma baru di masa depan? Diragukan, tapi mudah-mudahan Anda mengerti maksud saya.