Pendidikan seperti apa yang dibutuhkan untuk para peneliti di AI?

Andaikata tujuan saya adalah untuk berkolaborasi dan menciptakan AI tingkat lanjut, misalnya yang menyerupai manusia dan proyeknya akan berada di garis depan penelitian AI, keterampilan apa yang akan saya butuhkan?

Saya berbicara tentang hal-hal spesifik seperti program universitas apa yang harus saya selesaikan untuk masuk dan menjadi kompeten di bidangnya. Berikut adalah beberapa hal yang saya pikirkan, hanya untuk memberi contoh apa yang saya maksud:

• Ilmu komputer: jelas AI dibangun di atas komputer, tidak ada salahnya untuk mengetahui bagaimana komputer bekerja, tetapi beberapa hal tingkat rendah dan mesin hal-hal tertentu tampaknya tidak penting, saya mungkin salah tentu saja.
• Psikologi: jika AI menyerupai manusia, pengetahuan tentang kognisi manusia mungkin akan berguna, meskipun saya tidak membayangkan neurologi pada tingkat sel atau kebiasaan psikologis yang rumit yang khas manusia seperti kompleks Oedipus akan relevan, tetapi sekali lagi, saya mungkin salah .

Sebagai peneliti AI penuh waktu, saya akan mengatakan bahwa PhD dalam pembelajaran mesin tentu akan menjadi salah satu pilihan yang bermanfaat.

Namun, untuk mencapai kemajuan yang sangat dibutuhkan , AI perlu menghindari jebakan pemikiran bahwa metode yang saat ini populer adalah 'peluru perak'. Ada beberapa bahaya bahwa PhD yang mengarah langsung ke (katakanlah) beberapa sub-sub-area DL akan berakhir dengan memaksakan terlalu banyak bias pada perspektif siswa selanjutnya.

Penelitian AI pada dasarnya adalah kegiatan multi-disiplin. Oleh karena itu, kemungkinan latar belakang lain termasuk:

• Matematika atau fisika (ke tingkat pertama atau tingkat PhD). Latar belakang yang kuat dalam hal ini tidak pernah merugikan siapa pun. Orang yang kompeten di bidang ini cenderung dapat mengubah kemampuan mereka ke domain baru dengan relatif mudah.

• Rekayasa Perangkat Lunak. Salah satu hal yang dibutuhkan AI adalah arsitektur integratif untuk rekayasa pengetahuan. Inilah sebabnya . Saya percaya bahwa salah satu alasan mengapa kami belum berhasil melakukan OCR pada level 5 tahun adalah bahwa kami belum menerima bahwa kami harus 'membangun palu godam untuk memecahkan kacang'. Arsitek perangkat lunak digunakan untuk mengelola kompleksitas skala besar, sehingga mereka mungkin dapat membantu.

• Sains Kognitif, Psikologi, Linguistik Kognitif. Alasannya jelas di sini.

Di atas semua itu, saya pribadi berpikir bahwa seorang peneliti AI yang baik harus kreatif, ingin tahu dan siap untuk mempertanyakan kebijaksanaan yang diterima, yang semuanya lebih penting dalam praktik daripada spesifik latar belakang mereka.

Penelitian tentang AI tampaknya semakin luas hari ini (2016). Pertama, beberapa departemen "jelas" (tanpa urutan):

• Ilmu Komputer (misalnya teori komputasi, algoritma): Peneliti AI di sana berasumsi bahwa kecerdasan adalah semacam komputasi, dalam berbagai bentuk (misalnya jaringan saraf, sistem logika).
• Rekayasa Perangkat Lunak : Dengan asumsi kami menemukan model yang baik untuk AI, bagaimana Anda membuatnya? Inilah yang ingin diketahui oleh insinyur. Dan mungkin sulit untuk memetakan model matematika ke bagian rekayasa.
• Statistik dan Probabilitas (lebih spesifik dari sekedar Matematika, yang juga dekat dengan Ilmu Komputer): Ini adalah tentang Ilmu data, terutama sebagai dasar untuk Machine Learning, cabang paling aktif di AI --- yang "hanya" selimut yang belajar bagian .
• Fisika: Ini sangat relevan sekarang untuk perangkat keras (lihat di bawah).
• Neuro Science: Memahami cara kerja otak, sebagai inspirasi untuk membuat yang buatan, adalah rumah bagi Connectionists. Baru-baru ini, Hassabis dan timnya di Google Deepmind membuat beberapa terobosan terkait pembelajaran penguatan, memori, perhatian, dll.

Baru-baru ini Teknik Elektro mendapatkan banyak cahaya, bersama-sama dengan cabang Fisika terkait. Beberapa laboratorium publik dan swasta fokus pada "chip otak". Untuk beberapa nama: IBM (yang sudah mengerjakan itu untuk beberapa waktu), Nvidia, dan Facebook. Sekitar tahun 2010, menjadi jelas bahwa teknik seperti pembelajaran dalam membutuhkan tenaga kuda, sehingga fokus yang meningkat pada pembuatan chip yang lebih kuat, lebih kecil, lebih hemat energi. Dan di atas semua itu, ada semua pekerjaan di Quantum Computing.

Tapi masalahnya, tampaknya ada banyak bidang yang terlibat dalam penelitian AI. Kita harus menyebutkan Kimia dan Biologi, sebagai inspirasi dan alat untuk membuat model atau perangkat keras baru (mis. Chip yang tidak menggunakan silikon, sehingga mereka bisa menjadi lebih kecil).

Sedangkan untuk 2016, bidang di atas adalah yang paling aktif, dan berjanji untuk tetap sangat aktif untuk beberapa waktu. Pilih sendiri tergantung minat, keterampilan, atau intuisi Anda!

Untuk menyelesaikannya, kita mungkin akan terkejut dalam beberapa tahun ketika kita melihat kembali ke tempat asal AI. Saya percaya bahwa jika kita berhasil membangun AGI, itu akan memanfaatkan semua bidang ini pula. Saya kira serunya menjadi bagian dari cerita.