¿Necesito buenos conocimientos en informática para algún día conseguir un trabajo en inteligencia artificial? Soy programador, ¿es esto todo el ‘CS’ que necesitaré?

Tener experiencia en CS definitivamente ayudará a conseguir un trabajo en una gran empresa de tecnología, y ahí es donde se está realizando parte del trabajo de IA de vanguardia. Muchas de las personas que trabajan en IA en Google tienen doctorados donde el campo de investigación es un subcampo de IA. (Por lo general, las especializaciones están en áreas específicas como PNL, visión artificial, etc.)

Si está buscando aplicar las técnicas de inteligencia artificial existentes a un problema de software en particular, puede hacerlo con algunas soluciones estándar. No tengo ninguna experiencia con este enfoque, pero imagino que un desarrollador podría desarrollar cierta habilidad con las herramientas sin tener un título de CS.

Solía ​​ser que la búsqueda era un tema avanzado que requería conocimiento experto y desarrollo personalizado. Se desarrollaron algunas bibliotecas que facilitaron el proceso (sobre todo Apache Lucene), pero aún así requirieron alguna integración personalizada. Luego, surgieron algunas soluciones más fáciles de usar que envolvieron las bibliotecas, como Solr y Elasticsearch. Un desarrollador de software suficientemente competente puede aprender a usar estas soluciones con bastante facilidad. Sacar el máximo provecho de ellos puede requerir cierta comprensión “oculta”, así como experiencia con las herramientas. Pero la mayoría de los desarrolladores podrían comenzar a experimentar con el sistema en unos pocos días.

Sospecho que AI está en la etapa de “Lucene” en la actualidad. No sé de ningún sistema en el que pueda lanzar documentos / imágenes / etc. en ello y que construya modelos inteligentes. Dicho esto, no estoy bien versado en lo que está realmente disponible, así que tómalo con un grano de sal.

El campo de la IA requiere mucha menos programación y mucha más matemática e intuición.

Para comenzar, realmente ni siquiera necesitas muchas matemáticas; porque lo más probable es que implementes algo que ya es popular y establecido (pero simplista). En la mayoría de los casos, las matemáticas ya se te han dado, así que solo debes programarlas.

Por ejemplo: en una red neuronal (perceptrones), la función matemática para la activación puede ser función escalonada, tanh o sigmoide (1 + e ^ -x) ^ – 1. La propagación hacia atrás es la derivada de aquellos, que para y (x) = (1 + e ^ -x) ^ – 1) es y (x) * (1 – y (x)). Fácil verdad? Ni siquiera necesitas saber las matemáticas. Realmente ni siquiera necesitas programación. Cree una función de activación (act (int x)) que tome x, e es una variable estática y eso es todo. Para derivada, se llama int temp = act (x); temp de retorno * (1 – temp); Acabo de programar todas las matemáticas difíciles para este perceptrón multicapa aquí mismo.

Ahora entra el problema (esto es por mi experiencia). ¿Qué sucede cuando tu IA deja de aprender? ¿O no aprende correctamente? Está tratando de aprender 1+ 1 = 2, pero pones 1 y 1 como entrada, la salida es 3, 5, 1, 5, 6, etc.… ¿cómo “depuras” tu IA?

Ese es el dolor de cabeza con la IA, es que su programación y matemática son tan simples que cuando algo sale mal, no sabrá dónde comenzar a depurar (como principiante).

Comencé a construir IA hace unos 15 años (justo al salir de la universidad). En ese momento, nadie realmente podía ayudarme porque todavía no había mucha gente en el campo de la IA, ciertamente no tenía Quora y no estoy seguro de si existió stackoverflow o stackexchange, por lo que todos los resultados de Google le informan sobre implementación básica sin más explicaciones sobre cómo “depurar o ajustar” su IA. Así que lo único que me queda es mi intuición. Ajusté la estructura básica del perceptrón para hacer la normalización en los datos de entrada y salida, agregué la red de corrección de errores porque el resultado seguiría estancado (es como 1 + 1 = 3 y siempre 3); así que hubo dos perceptrones que se entrenaron simultáneamente, el resultado principal mostraría 3 y la corrección muestra -1 para las entradas 1 y 1 (solo un ejemplo, mis conjuntos de datos fueron mucho más complicados).

Eso también es lo que me gustó de la IA. El campo es casi puro basado en la investigación. No hay un estándar ni consenso sobre qué funciona y qué no. Si puedes obtener resultados, ¡es genial! Puede ser pionero en su propia IA y dejar que su pensamiento creativo se vuelva loco.

Que te diviertas.

Para AI, el requisito del lado de la “programación” del conocimiento no es tan alto. Entonces, si eres un programador, eso debería estar bien. La matemática, por otro lado, es otra historia, y (al menos para mi caso) el cálculo regular de ingeniería eléctrica y el álgebra lineal no fueron lo suficientemente buenos para la IA.