Que tipo de educação é necessária para os pesquisadores em IA?

Suponha que meu objetivo seja colaborar e criar uma IA avançada, por exemplo, que se assemelhe a um ser humano e que o projeto esteja na fronteira da pesquisa em IA, que tipo de habilidades eu precisaria?

Estou falando de coisas específicas, como em qual programa universitário devo concluir para entrar e ser competente no campo. Aqui estão algumas das coisas em que pensei, apenas para exemplificar o que quero dizer:

• Ciências da computação: obviamente, a IA é construída em computadores, não faria mal saber como os computadores funcionam, mas algumas coisas de baixo nível e coisas específicas de máquinas não parecem essenciais, posso estar errado, é claro.
• Psicologia: se a IA se assemelhar a seres humanos, o conhecimento da cognição humana provavelmente seria útil, embora eu não imagine que a neurologia no nível celular ou peculiaridades psicológicas complicadas típicas de seres humanos como o complexo de Édipo sejam relevantes, mas, novamente, posso estar errado .

Como pesquisador de IA em tempo integral, eu diria que um doutorado em aprendizado de máquina certamente seria uma opção útil.

No entanto, para fazer o progresso necessário , a IA precisa evitar cair na armadilha de pensar que os métodos atualmente na moda são qualquer tipo de 'bala de prata'. Há algum risco de que um PhD que vá direto para (digamos) alguma área sub-sub-sub de DL acabe impondo um viés demais à perspectiva subsequente do aluno.

A pesquisa em IA é uma atividade essencialmente multidisciplinar. Outros possíveis antecedentes, portanto, incluem:

• Matemática ou física (primeiro grau ou nível de doutorado). Uma sólida formação em qualquer um destes nunca fez mal a ninguém. Pessoas que são competentes nesses campos tendem a transformar suas habilidades em novos domínios com relativa facilidade.

• Engenharia de software. Uma das coisas de que a IA precisa são arquiteturas integrativas para engenharia do conhecimento. Aqui está o porquê . Acredito que uma das razões pelas quais ainda não conseguimos fazer OCR no nível de uma criança de cinco anos é que ainda temos que aceitar que temos que "construir uma marreta para quebrar uma noz". Os arquitetos de software estão acostumados a gerenciar a complexidade em larga escala, para que possam ajudar.

• Ciência Cognitiva, Psicologia, Linguística Cognitiva. As razões aqui são óbvias.

Acima de tudo, eu pessoalmente acho que um bom pesquisador de IA deve ser criativo, curioso e preparado para questionar a sabedoria recebida, as quais são mais importantes na prática do que as especificidades de seus antecedentes.

Pesquisas sobre IA parecem estar ficando mais amplas atualmente (2016). Primeiro, poucos departamentos "óbvios" (sem pedido):

• Ciência da computação (por exemplo, teoria da computação, algoritmos): os pesquisadores de IA assumem que a inteligência é um tipo de computação, sob várias formas (por exemplo, uma rede neural, um sistema lógico).
• Engenharia de software : Supondo que encontremos um bom modelo para IA, como você o faz? É isso que o engenheiro vai querer descobrir. E pode ser difícil mapear modelos matemáticos para uma peça de engenharia.
• Estatística e Probabilidades (mais específicas do que apenas a Matemática, que também é próxima à Ciência da Computação): trata-se de Ciência de Dados, principalmente como base para o Machine Learning, o ramo mais ativo da IA ​​- que "apenas" cobre a parte do aprendizado .
• Física: isso é particularmente relevante agora para o hardware (veja abaixo).
• Neuro Science: Entenda como o cérebro funciona, como inspiração para criar um artificial, é o lar dos conexionistas. Recentemente, Hassabis e sua equipe no Google Deepmind fizeram várias descobertas relacionadas ao aprendizado por reforço, memória, atenção etc.

Recentemente, a Engenharia Elétrica está recebendo muita luz, juntamente com os ramos relacionados da Física. Vários laboratórios públicos e privados se concentram em "chips cerebrais". Para citar alguns: IBM (que já trabalha nisso há algum tempo), Nvidia e Facebook. Por volta de 2010, ficou claro que técnicas como aprendizado profundo exigem potência, portanto, um foco crescente na criação de chips mais poderosos, menores e mais eficientes em termos energéticos. Além disso, há todo o trabalho em computação quântica.

Mas o fato é que parece haver muitos outros campos envolvidos na pesquisa de IA. Devemos mencionar Química e Biologia, como inspiração e ferramentas para criar novos modelos ou hardware (por exemplo, chips que não usam silício, para que possam ficar menores).

Quanto a 2016, os campos acima são os mais ativos e prometem permanecer muito ativos por algum tempo. Escolha o seu próprio, dependendo do seu interesse, habilidades ou mera intuição!

Para finalizar, podemos nos surpreender em alguns anos quando olharmos para trás de onde veio a IA. Acredito que, se conseguirmos criar uma AGI, ela aproveitará todos esses campos de qualquer maneira. Eu acho que a emoção é fazer parte da história.