回答:
いくつかの離散数学が必要になります。グラフ、ツリーなど。これらはAIの基礎となる構造です。
特にPrologやLISPなどの言語では、ある程度のプログラミングスキルが必要です。多くのAIシステムはこれらの言語でプログラムされています。
何らかのロジックが必要になります。命題および述語計算。それらの構文とセマンティクス。おそらくいくつかのモーダルロジック。これは、AIの基礎となる知識表現について学ぶための基礎を形成します。
通常のコンピューターサイエンスの学位の最初の2年間で、AIの勉強を始めるのに十分なバックグラウンドを得ることができます。
しかし、AIの複雑さに制限はありません。さらに深くするためには、統計、計算、行列代数などが必要になります。統計学習理論（より単純に機械学習）は、これらの分野に依存しています。
私のアドバイス。人工知能に関する本を購入して、自分の時間に読んでください。良いものは、人工知能：スチュアートラッセルとピーターノーヴィグによるモダンアプローチです。何かを理解できないときはいつでも、あなたが不足している背景知識を見つけ出すようにしてください。次に、それらのギャップを埋めます。
すぐに言います。
もちろん、デイブ・クラークが言及したような多くの異なる主題が必要です。どれが本当に必要なのかは、どのAIのフレーバーに行くかによって異なります。機械学習の終わりを目指すなら、論理や離散数学は必要ありませんが、確率理論、統計、線形代数、最適化、多変量計算の大きな助けが必要になります。
私の要点は、AIを習得するためにこれらのことを学んでいるのであり、自分自身のためではなく、モチベーションを維持するために何かが必要だということです。だから、いじり始めただけだ。このすべてを読むのではなく、事前の知識なしでチェスプレーヤーを書くか、単純な人工生命シミュレーションをプログラムしてみてください。自分で始める場合、後で学習するものを配置するためのコンテキストが提供されます。
最初のAIプログラムを作成する前に、上記のすべての科目を完了するまで待つ場合、3年ほど保持するためには強力な決意が必要です。
いくつかのおもちゃプログラムを書いたら、概要本から始めて、AIに焦点を当てたこれらすべての科目のテイスターを獲得できます。ラッセルとノービグは、ロジックに少し重いです。最適なオプションは、興味のあるサブフィールドによって異なります。機械学習に行く場合は、トムミッチェルの「機械学習」が適切なオプションです。
他の答えにも同意しますが、私自身も現代のAIの学生になりたいと思っているので、数学の知識は最も重要だと思います。
たとえば、スタンフォード大学のYouTube講義シリーズをご覧ください。最初の6回の講義を終えて、ロジスティック回帰、ベイジアン、SVM（サポートベクターマシン）などのニューラルネットワークアルゴリズムのようなアルゴリズムを使用して、私の意見では、コンピューターの知識収集プロセスが完了すると、本格的な研究を開始する準備が整います。
基礎が不足していることがわかった場合は、以下のリストのようなコースが開始するのに適した場所である可能性があります。
一部の人は、常微分方程式または分析コースを提案するかもしれません-しかし、これは過剰殺害かもしれません。真剣な研究があなたの目標であるなら、私は過剰殺害アプローチをお勧めします。私に勧められた別の興味深い本は、あなたが好奇心が強い場合、ニック・ボストロムによる「スーパーインテリジェンス」でした。
また、心理学、基礎神経科学、生物学（細胞と微生物のコミュニケーション方法）のコースは、おそらく社会学でさえあなたの時間の悪い投資ではないかもしれないと思います。より広い意味で知性を理解するのに役立ちます。たとえば、遺伝的アルゴリズムは、遺伝子の受け渡し方法に関する生物学的プロセスからモデル化されています。
社会学的な意味で、群衆はどのように考えますか？特定の状況下で、それは分散知性または分散愚かさ、またはその両方ですか？これは将来、新しいアルゴリズムのガイダンスを提供できますか？疑わしいが、うまくいけば私のポイントを見る。