Hay varios lugares para eso y depende de lo que le interese y / o sus habilidades.
El dominio de la IA es amplio en su espectro y, a pesar de muchas afirmaciones que probablemente haya visto en la prensa o en Internet, hasta el momento no existe un enfoque que demuestre algo cercano a lo que ahora se llama Inteligencia Artificial general (AGI o IA fuerte). Eso significa que tienes que elegir tu dominio y ver si hay una carrera que se pueda hacer para ello.
Sin embargo, hay muchos enfoques de IA estrechos con todas sus fortalezas y debilidades junto con sus comunidades correspondientes (investigación o industria) que tienden a fusionarse a su alrededor.
- ¿Cuáles son algunos pasos que puedo tomar para obtener una pasantía en informática?
- ¿Es 26 años una buena edad para comenzar una carrera en programación?
- ¿Qué habilidades debe tener un estudiante de Ciencias de la Computación que se postulará en Google?
- ¿Hay trabajos de Python?
- ¿Puede una persona conseguir un trabajo en el campo de TI sin experiencia en CS o experiencia?
¿Desea lidiar con problemas que involucran la extracción de patrones de una gran cantidad de datos para presentar tendencias o agrupar / relacionar datos en grupos? Bueno, el aprendizaje automático, ya sea estadístico o bio inspirado, puede ser un buen lugar para comenzar.
Desea explorar gráficos complejos para propagar información a través de ellos (como lo hace el rango de página de Google o la red social de Facebook) o buscar la conexión más corta entre 2 nodos de este gráfico (básicamente buscando la mejor ruta en un mapa para un automóvil sin conductor o simplemente para alguien solicitando la ruta para ir a una ubicación en un servicio de mapas)? Bueno, la teoría de gráficos y los algoritmos de búsqueda pueden ayudarlo para eso.
¿Desea poder lidiar con el resultado incierto de las situaciones y aún así encontrar la estrategia menos riesgosa y / o potencialmente más óptima o simplemente la estimación más probable? Los enfoques estocásticos como los procesos gaussianos son la gran tendencia y la comunidad robótica es muy activa en eso.
¿Desea procesar señales complejas como la voz o la visión para darle sentido? Bueno, implica una pequeña mezcla de todo lo anterior dependiendo de quién le enseñe o le presente la “solución definitiva”. Alguien dijo una vez irónicamente que para cada algoritmo de procesamiento de visión hay una imagen para la cual es óptima. Desafortunadamente, sigue siendo cierto.
¿Quieres hacer lo que lo hace todo? Bueno, es mejor que comprenda bien, al menos en el nivel superior, sobre todo lo anterior, luego intente encontrar una buena arquitectura sobre cómo conectar esas y buenas técnicas para cambiar a diferentes representaciones con diferente expresividad y representación.
O bien, puede seguir la corriente y simplemente afirmar que, a pesar de que ninguno de los anteriores ha demostrado ser un AGI o incluso cercano a él, el enfoque “X” es el más prometedor. En este momento, el viento tiende a soplar hacia el enfoque estocástico o hacia los bioinspirados cuando se trata de la industria. No es un absoluto sin embargo. Por ejemplo, Watson o Siri de IBM son en su mayoría una arquitectura compleja que combina un poco de todo. De manera similar, la mayoría de los robots tienden a mezclarlo todo (actualmente hay un sesgo de canción hacia el estocástico, pero luego se relaciona con el hecho de que los robots actuales solo se ocupan de la navegación entre 2 ubicaciones). en general, queda por ver si alguno de esos enfoques puede presentar algo como la IA del proyecto público y temer o fantasear.
El punto final es que no hay tal cosa (al menos hasta ahora) como una carrera en IA aparte si investigas (y aun así …). La IA es solo un conjunto de algoritmos que, como cualquier otro algoritmo, deben usarse según se ajusten al problema. Tal vez algún día haya un algoritmo de IA general y luego uno pueda decirle cómo decidir cómo seguir una carrera en él. Hasta entonces, manténgase informado sobre la cantidad de cosas que están sucediendo y vea cuáles se ajustan a su interés y problema. Si finalmente se demuestra que existe un AGI, entonces su mejor apuesta no es necesariamente en la IA sino en los subsistemas que le permiten evolucionar (la propiocepción es importante en mi humilde opinión) y los que bloquearán cualquier derivación de la misma; lo que significa que aprender sobre técnicas de seguridad y confiabilidad puede ser su mejor apuesta a largo plazo en términos de carrera. La buena noticia es que ya se puede aprender mucho del software complejo y de misión crítica del pasado, como el aviónico o el espacio.