Ответы пользователя по тегу Искусственный интеллект
  • Куда пойти учиться, если хочешь заниматься искусственным интеллектом?

    aideus
    @aideus
    Два варианта, о которых знаю:

    СПбГУ, факультет свободных искусств и наук, направление подготовки - компьютерные науки и искусственный интеллект (бакалавриат); читаются, в частности, дисциплины: Введение в искусственный интеллект, Машинное обучение, Обработка изображений и компьютерное зрение, Общий искусственный интеллект, Когнитивная робототехника

    ИТМО, кафедра компьютерной фотоники и видеоинформатики, направление подготовки - прикладная информатика; по факту читаются, в частности, дисциплины:
    (бакалавриат) Технологии искусственного интеллекта, Машинное обучение, Методы обработки и распознавания изображений, Системы компьютерного зрения
    (магистратура) Общий искусственный интеллект, Распознавание образов, Метавычисления

    И там, и там курсовые и дипломные работы могут быть связаны с тематикой ИИ
    Ответ написан
    Комментировать
  • Где найти современную литературу по ИИ на русском?

    aideus
    @aideus
    Из более современного, хотя и с уклоном в научно-популярное
    Искусственный интеллект и универсальное мышление
    Ответ написан
    Комментировать
  • Какие разделы математики актуальны в сфере нейронных сетей и ИИ?

    aideus
    @aideus
    Для ИНС в первую очередь нужны:
    - линейная алгебра (работа с матрицами: большинство ИНС очень компактно записывается в матричной форме)
    - математический анализ (дифференцирование: многие популярные алгоритмы обучения строятся на градиентах; понятие экстремума, сходимости и т.д.)
    - теория вероятностей (многие ИНС имеют вероятностную трактовку, без которой понять их архитектуру проблематично)
    - численные методы (например, когда аналитический вычислить производную или интеграл нельзя, а такие ситуации возникают часто, ничего другого кроме их численной оценки не остается, и нужно знать, как это правильно сделать);
    Для более продвинутого или специфического использования ИНС нужны:
    - теория графов (во-первых, сама ИНС - это граф, хотя на базовом уровне использования этого учитывать не нужно; во-вторых, ряд архитектур ИНС удобно представлять в форме вероятностных генеративных моделей, конкретнее, графических моделей);
    - теория дифференциальных уравнений (рекуррентные ИНС соответствуют системам дифуров);
    - теория динамического хаоса (ряд рекуррентных ИНС, например сети Хопфилда, хорошо описываются в терминах фазового портрета, аттракторов, бифуркаций, но в целом эта область математики нужна не очень часто);
    - исчисление предикатов (традиционно сети с бинарными нейронами рассматривались как способ представления предикатов);
    - теория алгоритмов (конечные автоматы, формальные грамматики, машины Тьюринга и т.д.) (помимо того, что сами ИНС представляют собой некий класс алгоритмов и возникают теоретические вопросы, где этот класс для той или иной архитектуры находится в иерархии Хомского, сейчас еще популярны и нейросимвольные сети, требующие обращения к указанным разделам математики)

    Перечисленные области (за исключением теории динамического хаоса) являются строго необходимыми и в машинном обучении в целом. Основы функционального анализа и вариационного исчисления нередко бывают нужны для более глубокого понимания существующих методов или для разработки своих. Теория меры нужна в вероятностном подходе к машинному обучению, хотя ее зачастую стараются избегать (не раз встречал высказывания в духе: ну, с теорией меры это можно было бы показать более строго и обще, но мы можем и без нее обойтись, чтоб было понятнее).

    Если же говорить про ИИ в целом, то там нужна практически вся математика (хотя это в определенном смысле преувеличение: чистые математики решают свои внутренние задачи очень изощренными методами; в ИИ могут пригодиться результаты любого раздела математики, но крайне редко эти разделы нужны целиком). Гармонический анализ (Фурье, вейвлеты), без которого можно более или менее обойтись в машинном обучении, строго необходим в компьютерном зрении или распознавании речи. Комбинаторика, весьма редко нужная для ИНС, является основой классических методов ИИ (поиска в пространстве состояний). Теория алгоритмов, находящая лишь эпизодические применения в ИНС, является строго необходимой (как частично, так и практически полностью) в других подобластях машинного обучения и ИИ (например, в автоматическом программировании или машинном переводе). Теория множеств строго нужна в области представления знаний, нечеткой логике и т.д. Даже теория категорий может пригодиться (например, в вероятностных языках программирования - подобласти машинного обучения - при использовании функциональных языков типа Haskell ее применение оказывается вполне уместным). Ну, и так далее.

    В общем, в каждой подобласти ИИ есть свой минимально необходимый набор математических знаний, без которого очень сложно начать эту подобласть изучать. Для ИНС это линейка, матан, численные методы, весьма желательно теория вероятностей. В других областях это может быть комбинаторика, графы, теория алгоритмов, мат. логика. Есть разделы математики, которые окажутся неизбежными для изучения/использования, только при выборе конкретной подобласти или даже конкретных методов в ней; а так они или совсем не нужны, или нужны только самые базовые сведения из них.
    Ответ написан
    Комментировать
  • Что почитать об искусственном интеллекте?

    aideus
    @aideus
    Если «Для самых маленьких», то подойдет книжка «Искусственный интеллект и универсальное мышление»:
    aideus.ru/research/doc/2012_Polytechnics_AI_UniThink-part.pdf
    В электронном виде, правда, есть только часть книги, но говорят, что скоро появится в печатном.
    Ответ написан
    Комментировать