¿Qué tipo de educación se requiere para los investigadores en IA?

Supongamos que mi objetivo es colaborar y crear una IA avanzada, por ejemplo, una que se parezca a un ser humano y el proyecto estaría en la frontera de la investigación de IA, ¿qué tipo de habilidades necesitaría?

Estoy hablando de cosas específicas como qué programa universitario debo completar para ingresar y ser competente en el campo. Estas son algunas de las cosas en las que pensé, solo para ejemplificar lo que quiero decir:

• Ciencias de la computación: obviamente, la IA está construida sobre computadoras, no estaría de más saber cómo funcionan las computadoras, pero algunas cosas de bajo nivel y cosas específicas de la máquina no parecen esenciales, por supuesto, puedo estar equivocado.
• Psicología: si la IA se asemeja a los seres humanos, el conocimiento de la cognición humana probablemente sería útil, aunque no imagino que la neurología a nivel celular o las complicadas peculiaridades psicológicas típicas de los seres humanos como el complejo de Edipo serían relevantes, pero nuevamente, puedo estar equivocado .

Como investigador de IA a tiempo completo, diría que un doctorado en aprendizaje automático sin duda sería una opción útil.

Sin embargo, para hacer un progreso muy necesario , la IA debe evitar caer en la trampa de pensar que los métodos de moda actuales son cualquier tipo de 'bala de plata'. Existe el peligro de que un doctorado que se dirija directamente a (digamos) alguna área sub-sub-sub de DL terminaría imponiendo demasiado sesgo en la perspectiva posterior del estudiante.

La investigación de IA es una actividad esencialmente multidisciplinaria. Otros posibles antecedentes, por lo tanto, incluyen:

• Matemáticas o física (hasta primer grado o doctorado). Un fondo sólido en cualquiera de estos nunca le hizo daño a nadie. Las personas que son competentes en estos campos tienden a poder convertir sus habilidades a nuevos dominios con relativa facilidad.

• Ingeniería de software. Una de las cosas que necesita la IA son las arquitecturas integradoras para la ingeniería del conocimiento. He aquí por qué . Creo que una de las razones por las que aún no hemos logrado hacer OCR a nivel de un niño de 5 años es que todavía tenemos que aceptar que tenemos que 'construir un mazo para romper una nuez'. Los arquitectos de software están acostumbrados a gestionar la complejidad a gran escala, por lo que pueden ayudar.

• Ciencia Cognitiva, Psicología, Lingüística Cognitiva. Las razones aquí son obvias.

Sobre todo, personalmente creo que un buen investigador de IA debería ser creativo, inquisitivo y estar preparado para cuestionar la sabiduría recibida, todo lo cual es más importante en la práctica que los detalles de sus antecedentes.

La investigación sobre IA parece ser cada vez más amplia en estos días (2016). Primero, pocos departamentos "obvios" (sin orden):

• Informática (por ejemplo, teoría de la computación, algoritmos): los investigadores de IA suponen que la inteligencia es un tipo de computación, bajo diversas formas (por ejemplo, una red neuronal, un sistema lógico).
• Ingeniería de software : suponiendo que encontremos un buen modelo para la IA, ¿cómo lo hace? Esto es lo que el ingeniero querrá descubrir. Y puede ser difícil asignar modelos matemáticos a una pieza de ingeniería.
• Estadísticas y probabilidades (más específico que solo las matemáticas, que también está cerca de la informática): se trata de la ciencia de datos, especialmente como una base para el aprendizaje automático, la rama más activa en inteligencia artificial, que "solo" cubre la parte de aprendizaje .
• Física: Esto es particularmente relevante ahora para el hardware (ver más abajo).
• Neurociencia: entender cómo funciona el cerebro, como inspiración para crear uno artificial, es el hogar de los conexionistas. Recientemente, Hassabis y su equipo en Google Deepmind hicieron varios avances relacionados con el aprendizaje de refuerzo, la memoria, la atención, etc.

Recientemente, la Ingeniería Eléctrica está recibiendo mucha luz, junto con las ramas relacionadas de Física. Varios laboratorios públicos y privados se centran en "chips cerebrales". Por nombrar algunos: IBM (que ya está trabajando en eso durante algún tiempo), Nvidia y Facebook. Alrededor de 2010, quedó claro que las técnicas como el aprendizaje profundo requieren potencia, por lo tanto, un enfoque cada vez mayor en la creación de chips más potentes, más pequeños y más eficientes. Y además de eso, hay todo el trabajo en Quantum Computing.

Pero la cuestión es que parece haber muchos más campos que se están involucrando en la investigación de IA. Debemos mencionar Química y Biología, como inspiración y herramientas para hacer nuevos modelos o hardware (por ejemplo, chips que no usan silicio, por lo que pueden hacerse más pequeños).

En cuanto a 2016, los campos anteriores son los más activos y prometen permanecer muy activos durante bastante tiempo. ¡Elige el tuyo dependiendo de tu interés, habilidades o mera intuición!

Para terminar, podemos sorprendernos en unos pocos años cuando miramos hacia atrás de dónde proviene la IA. Creo que si logramos construir un AGI, aprovechará todos estos campos de todos modos. Supongo que la emoción es ser parte de la historia.