답변:
이산 수학 이 필요합니다 . 그래프, 나무 등 이것이 AI의 기본 구조입니다.
특히 Prolog 및 LISP와 같은 언어의 프로그래밍 기술 이 필요합니다 . 많은 AI 시스템이이 언어로 프로그래밍되어 있습니다.
당신은 몇 가지 논리 가 필요합니다 . 명제와 술어 미적분. 그들의 구문과 의미. 아마도 일부 모달 논리입니다. 이것은 AI에 기초한 지식 표현에 대한 학습의 기초를 형성 할 것입니다.
정규 컴퓨터 과학 학위의 첫 2 년 동안 일반적으로 AI 공부를 시작하기에 충분한 배경을 얻습니다.
그러나 AI가 얼마나 복잡한 지에 대한 제한은 없습니다. 더 깊이 들어가려면 통계, 미적분학, 행렬 대수 등이 필요합니다. 통계 학습 이론 (또는 간단히 기계 학습)은 이러한 영역에 따라 다릅니다.
나의 충고. 인공 지능에 관한 책을 구입하여 자신의 시간에 읽으십시오. 좋은 것은 인공 지능 : Stuart Russell과 Peter Norvig의 현대적인 접근 방식입니다. 무언가를 이해하지 못할 때마다 어떤 배경 지식이 부족한지 알아 내십시오. 그런 다음 그 틈을 메우십시오.
나는 바로 말할 것이다.
물론 Dave Clarke가 언급 한 것과 같이 다양한 주제가 필요합니다. 당신이 원하는 것은 실제로 당신이 원하는 AI의 풍미에 달려 있습니다. 머신 러닝의 끝을 향해 나아가려면 논리 나 이산 수학이 필요하지 않지만 확률 이론, 통계, 선형 대수, 최적화 및 다변량 미적분학에 큰 도움이 필요합니다.
내 요점은 AI를 마스터하기 위해 이러한 것들을 배우고 자신의 이익을 위해서가 아니라면 동기 부여를 유지하기 위해 무언가가 필요하다는 것입니다. 그래서 난 그냥 엉망 시작합니다. 이 모든 것을 읽는 대신 사전 지식없이 체스 플레이어를 쓰거나 간단한 인공 생활 시뮬레이션을 프로그래밍하십시오. 스스로 시작하는 경우 나중에 배울 내용을 배치 할 수있는 컨텍스트를 제공합니다.
첫 번째 AI 프로그램을 작성하기 전에 위에서 언급 한 모든 주제를 완료 할 때까지 기다리는 경우 3 년 정도 기다려야 해결이 완료 될 수 있습니다.
몇 가지 장난감 프로그램을 작성한 후에는 개요 책으로 시작하여 AI에 중점을 둔 이러한 모든 주제를 맛볼 수 있습니다. Russell과 Norvig는 논리에 약간 무겁습니다. 가장 좋은 옵션은 관심있는 하위 필드에 따라 다릅니다. 머신 러닝을 원한다면 Tom Mitchell의 "Machine Learning"이 좋은 옵션입니다.
나는 다른 대답에 동의하지만, 나 자신과 현대 AI의 학생이되기를 기대하면서, 수학적 지식이 가장 중요하다고 생각합니다.
Stanford University의 YouTube 강의 시리즈 를 예로 들어 보겠습니다. . 처음 6 개의 강의를 통해 수학적 개념과 표기법을 이해하면 Logistic Regression, Bayesian 및 SVM (Support Vector Machines)과 같은 신경망 알고리즘과 같은 알고리즘을 사용하여 문제를 해결하는 방법과 이유를 설명 할 수 있습니다. 컴퓨터의 지식 수집 과정을 마치면 진지한 연구를 시작할 준비가 된 것입니다.
기초가 부족하다는 것을 알게되면 아래 목록과 같은 과정을 시작하는 것이 좋습니다.
어떤 사람들은 정규 미분 방정식이나 분석 과정을 제안 할 수도 있지만, 이는 너무 치명적일 수 있습니다. 진지한 연구가 목표라면 오버 킬 방식을 권장합니다. 나에게 추천 한 또 다른 흥미로운 책은 " Superintelligence 은 Nick Bostrom의 "입니다.
나는 또한 심리학, 기초 신경 과학, 생물학 (세포와 미생물이 의사 소통하는 방법)의 과정이 사회학조차도 시간의 나쁜 투자가 아닐 수도 있다고 생각합니다. 더 큰 의미에서 지능 을 이해하는 데 도움이됩니다 . 예를 들어, 유전자 알고리즘 은 유전자가 어떻게 전달되는지에 관한 생물학적 과정으로 모델링됩니다.
사회학적인 관점에서, 군중은 어떻게 생각합니까? 특정 상황에서 지능이 분산되어 있거나 어리 석음이 분산되어 있습니까? 향후 새로운 알고리즘에 대한 지침을 제공 할 수 있습니까? 의심의 여지가 있지만 내 요점을 알 수 있기를 바랍니다.