¿Qué le aconsejaría a un joven de 17 años que quiere hacer algo grande en el campo de la IA en los próximos 20 años?

Answer 1

1. Aprender los fundamentos. No puedes hacer nada Grande si no tienes los fundamentos técnicos. Ver también: La respuesta de Yisong Yue a ¿Qué teoría del aprendizaje automático necesito saber para ser un profesional exitoso del aprendizaje automático?
2. Comience con poco y se invierta. La verdad es que nadie sabe realmente qué va a ser grande en los 20 años. Al igual que en muchos campos, muchas de las investigaciones de aprendizaje automático más significativas provienen de personas que afrontan los desafíos personales que enfrentaban en su propia investigación. En el mundo del software, este concepto se conoce como dogfooding.
3. No busques la perfección. La investigación es un esfuerzo desordenado, y el progreso puede ser ruidoso. Esperar hasta que su resultado sea perfecto antes de discutir con otros y recopilar comentarios puede disminuir drásticamente el ritmo de su investigación.

Answer 2

La respuesta de Yisong Yue es genial, pero agregaré algunas cosas. Hay varias habilidades realmente importantes, y vale la pena tratar de mejorar que la mayoría de las personas en el campo en una de ellas:

• sistema de construcción: implementar código no trivial. Por ejemplo, poder deprimirse y ver el funcionamiento de algún controlador de video, o entender realmente cómo funciona CUDA / paralelismo / etc. a un nivel profundo. Además, poder prototipar ideas extremadamente rápido.
• mates. Si bien los fundamentos son siempre importantes, resulta que cuando intentas modificar los algoritmos existentes y ‘abrescar el capó’, por así decirlo, a menudo surge un problema matemático no trivial. Las herramientas para resolver su problema pueden provenir del cálculo estocástico, el análisis funcional, el álgebra lineal a nivel de investigación o las estadísticas matemáticas modernas. A menudo, uno leerá un resumen de un artículo muy teórico y pensará “¡esto resuelve mi problema!” Sin embargo, para aplicarlo, es posible que deba ser capaz de comprenderlo profundamente y modificarlo. Es posible que solo necesite un poco de la complejidad de su modelo, pero incluso para usar ese fragmento es necesario comprenderlo.
• experiencia de dominio: si está aplicando el aprendizaje automático a nuevos problemas en la ciencia, necesita saber a) qué problemas vale la pena tratar de resolver con el aprendizaje automático b) qué propiedades necesita en una solución y c) qué solución satisface esas propiedades.
• habilidades de comunicación: escritura fuerte, saber cómo describir experimentos, matemáticas y código de una manera intuitiva. Saber hacer buenos carteles y diapositivas.