He escuchado sentimientos similares de muchas personas que entran en este campo sobre cómo pueden hacer los cálculos y las matemáticas, pero tienen problemas con las pruebas. Permítanme responder esta pregunta desde dos perspectivas:
- ¿ Necesitas ser bueno en matemáticas puras (incluidas las pruebas) para ser un investigador de IA?
La respuesta a esta pregunta es no. Muchas personas en la investigación de IA no son matemáticos increíblemente talentosos que entienden y pueden aportar pruebas para cada propiedad matemática e idea utilizada en la IA. La mayoría de estos investigadores tienden a ser buenos en álgebra lineal, probabilidad y estadística, y cálculo multivariable, pero no todos entienden todos los aspectos de estos campos, más aún cómo estos campos son útiles para aplicaciones en IA.
- ¿Necesitas ser bueno en matemática pura (incluidas las pruebas) para ser un investigador excepcional de IA?
Aquí la respuesta se inclina más hacia sí. Puedes apostar a que las personas que empujan el campo de la IA en nuevas direcciones tienen una base teórica increíblemente rica en matemáticas. Probablemente puedan probar las propiedades de algoritmos comunes de aprendizaje automático con solo un poco de reflexión. Su increíble comprensión de la teoría detrás de este campo les permite formular mejor las preguntas de investigación que tienen más posibilidades de ser resueltas y crear enfoques novedosos para abordar estos problemas.
- ¿Cuáles son las tareas cotidianas de un analista de investigación de renta variable de primer año en un banco de inversión superior?
- ¿Es posible investigar para un blog usando solo Internet?
- ¿El Centro de Investigación Pew está financiado por BJP y Modi?
- ¿Cómo rescatan los bomberos en rascacielos altos durante los incendios?
- ¿Fue criticada injustamente la investigación de Mark Regnerus sobre familias del mismo sexo?
Para resumir, aquí hay realmente dos escuelas de pensamiento. La mayoría de las personas que estudian matemáticas pueden tomar integrales, reducir hileras en matrices, calcular probabilidades, etc. Y estas personas que son buenas en los cálculos pueden ser investigadores promedio que solo resuelven problemas al acceder a un conjunto de herramientas de algoritmos de ML y ajustar parámetros de forma iterativa hasta que él o ella obtiene algunos resultados razonables. Por otro lado, sin embargo, hay muchas menos personas que pueden generar pruebas de propiedades en matemáticas de nivel superior, simplemente porque requiere un pensamiento más intensivo, a menudo utilizando cierto nivel de síntesis y creatividad. Y de la misma manera, las personas que eligen profundizar en la teoría y ejercitar rutinariamente su capacidad de sintetizar y crear nueva información tienen más probabilidades de convertirse en buenos investigadores.
