¿Qué carreras están disponibles en el campo de la IA y qué requieren?

He trabajado en cuatro (o más) puestos relacionados con IA que parecen ser típicos del campo.

Hasta que la minería de datos aumentó en popularidad, la mayoría del trabajo relacionado con la IA había sido para el ejército estadounidense o la “comunidad” de inteligencia. Muchos de los problemas de interés en la guerra implican una gran coordinación de recursos y comunicación, protocolos y planificación de gestión, reconocimiento y predicción de patrones y automatización de plataformas (como ‘Future Combat Systems’). Hasta que las empresas y la web se interesaron por el aprendizaje automático, probablemente el 90% de los trabajos de IA recayeron en contratistas de defensa y laboratorios de investigación del gobierno, mientras que el otro 10% aterrizó en la academia.

Con el aumento de la minería de datos, la tendencia se ha vuelto un poco hacia los negocios. Muchas empresas contratan directamente a personas con habilidades de aprendizaje automático, mientras que muchas se subcontratan a través de empresas que no hacen nada más. Trabajo en el primero, una gran farmacia que usa IA para caracterizar el desarrollo de fármacos. Utilizamos la cuantificación de cambios anatómicos, químicos o genéticos para identificar la separación entre animales o personas tratadas y no tratadas, tanto positivas (eficacia) como negativas (toxicidad).

Personalmente, hago esto usando procesamiento de imágenes y visión por computadora. Otros en mi departamento usan lenguaje natural y reconocimiento de patrones para identificar tendencias de conversación en texto libre o estructurado que nos ofrecen información sobre temas relacionados con las drogas que nos interesan. Otros utilizan la teoría de optimización / ciencias de la gestión / matemática aplicada y comentarios para remodelar las políticas, la práctica y el protocolo para mejorar la precisión y el rendimiento de la producción. Estas técnicas a menudo incluyen habilidades como análisis de elementos finitos, dinámica de fluidos computacional, discriminación estadística (como pruebas de Kruskal, bosques aleatorios o SVM).

La mayoría de mis compañeros de trabajo tienen doctorados en ingeniería eléctrica o informática (procesamiento de imágenes biomédicas / visión o biología computacional), matemática aplicada, ingeniería química, etc. Solo tengo un MS (en CS), que ha sido un pasivo y un limitador de carrera. Aun así, disfruté trabajando en I + D (desde hace 24 años). Donde estoy ahora, hay un fuerte énfasis en la capacidad matemática y la capacidad de recoger rápidamente suficiente conocimiento de dominio para agregar valor a la investigación dirigida por otros: biólogos, químicos, ingenieros químicos y empresarios: vendedores, ventas, finanzas, etc.

En los últimos 5 años, ha habido un aumento en la inteligencia artificial centrada en los grandes datos, como la minería de datos y el aprendizaje automático de datos web y bases de datos o subconjuntos muy grandes. Estos a menudo sirven los intereses de la inteligencia (negocios o seguridad nacional o militar) y, a veces, medicina / atención médica / farmacias (como la genómica y la metabolómica). El análisis genético probablemente empleará más análisis relacionados con la IA en el futuro cercano, especialmente si se pueden eliminar un par de obstrucciones en las rutas críticas, como la entrega de cargas útiles de SIRNA y material genético en las células objetivo correctas y no en las incorrectas, o disponibilidad de cuerpos genéticos mucho más grandes vinculados a enfermedades específicas, tumores o mecanismos biológicos cotidianos.

Hace unos años, entrevisté en General Electric y descubrí que tenían un grupo comparable en su centro de I + D en Nueva York. He escuchado historias similares sobre muchas otras grandes corporaciones como Ford, Toyota, GM, Lockheed Martin, Google, Amazon, Facebook, o laboratorios gubernamentales / think tanks / ‘bandidos de circunvalación’ como Mitre, SRA, NSA, NRO, CIA , Laboratorio de Investigación Naval, Laboratorios de Propulsión a Chorro, etc. También hay muchas empresas pequeñas que realizan I&D por contrato principalmente para el gobierno de los Estados Unidos (militares e inteligencia). Estos se encuentran en todo Estados Unidos, pero especialmente como startups académicas cerca de las principales universidades o alrededor de Washington, DC.

AI es la carrera con un alcance versátil. Tendrás muchas oportunidades.

1. Programación: la programación en cualquier nivel es el buen camino de la IA. Puede programar en la industria de diferentes niveles. La programación para software, robots, sistema de fábrica, etc. son algunos ejemplos.
2. Robótica: dar a los robots la inteligencia a nivel humano para que puedan tomar decisiones por sí mismos es el camino difícil de la IA. También es muy interesante. Hoy en día se fabrican muchos robots que pueden realizar diferentes actividades por sí mismos. Los drones (aviones sin hombre) también son el resultado de la IA.
3. Protésicas neuronales: en las prótesis neuronales, es un desafío y la preocupación global diseñar equipos con sistemas integrados que puedan actuar de manera amigable con el cerebro humano.

Además de esto, hay muchos otros campos.

Pidió responder … y Joe lo resumió amablemente; AI (o AGI) es un campo y aún no es una disciplina discreta. Del mismo modo, nadie persigue convertirse en ingeniero, pero aprenden a convertirse en numerosos tipos de ingenieros.

Las principales áreas de enfoque actuales para los títulos y el empleo posterior se basan en componentes del campo de la IA (por ejemplo, aprendizaje automático, procesamiento del lenguaje natural y reconocimiento de patrones). Puede obtener fácilmente una lista más completa con una búsqueda en la web o una visita a un wiki.

En esencia, la IA se basa en el conocimiento de las matemáticas avanzadas, la física y la química combinadas de varias maneras para crear un medio para detectar, evaluar y actuar sobre la información. Hay oportunidades en todos los niveles. Como puede suponer, la cantidad de habilidad que necesita en estas áreas básicas de conocimiento depende del enfoque. Los sensores para la captura de datos pueden variar ampliamente en forma; Las arañas web y el software API se aplican en algunas áreas, mientras que los CCD y los escáneres láser son necesarios en otras.

Por otro lado, debido a que los elementos fundamentales de la IA se basan en gran medida en la probabilidad, algunos rechazan la idea de llamar a las áreas de IA una disciplina de ingeniería. Citan el requisito fundamental de repetibilidad y previsibilidad que se encuentra en las disciplinas de ingeniería clásicas.

Me gusta la respuesta a continuación. Depende un poco de lo que quieras decir con “en el campo de la IA”. A medida que la IA se vuelve más omnipresente, podrías trabajar para una empresa que obtiene al menos parte de sus ingresos de la IA, no solo como científico de la computación, sino como Persona de recursos humanos, una persona de ventas, una persona de servicio, etc. No sé si eso cuenta como una “carrera en el campo de la IA”. Si quiere decir que quiere aprender y ampliar y aplicar las tecnologías reales de IA, entonces necesitas estudiar informática, principalmente. También puede tener un título en EE o incluso neurociencia y ser parte de un equipo que diseña y fabrica chips que al menos están ligeramente inspirados en la neurociencia real. En muchos casos, para que los sistemas de IA sean aceptados, será muy importante diseñar y probar los patrones de interacción con ellos. Esto sería típicamente la procedencia de la interacción humano-computadora.

(Esta fue una respuesta a la pregunta original: ¿Hay carreras que no sean de programación disponibles en el campo de la IA? )

Hay trabajos de todo tipo en las empresas que realizan trabajos que pueden caracterizarse como inteligencia artificial, por supuesto, pero creo que esta es una respuesta engañosa. Básicamente, debe ser más específico sobre lo que está preguntando.

No hay campo de IA. Algo llamado “inteligencia artificial”, en la medida en que existe, existe como una etiqueta que las personas aplican a varios dominios de problemas en ingeniería de software y ciencias de la computación. Estos dominios de problemas no están relacionados en gran medida, pero están asociados entre sí por razones históricas; por ejemplo, la transcripción automática del lenguaje natural hablado no tiene ninguna relación con el juego de ajedrez, pero hacer que las máquinas hagan ambas cosas se ha considerado parte de la inteligencia artificial en varias ocasiones.

Entonces, ¿hay trabajos que no sean de programación que involucren algo que alguien en algún lugar considere que tiene algo que ver con la IA? Si. ¿Hay trabajos que implican convertirse en el nuevo tutor de HAL 9000? No.