Esta no es una opinión particularmente buena y es indicativa de un malentendido fundamental sobre lo que se supone que debe ofrecer una educación en una universidad técnica de primer nivel. Prepararse para entender la IA moderna como estudiante de Harvard o Stanford no se trata de aprender "ingeniería de prompts", codificación de vibras, o construir el Agente Envolvente Específico de Dominio #1000, todo lo cual se puede aprender en unos pocos días, si no en horas. Por el contrario, la mejor manera para que un joven inteligente de 18 a 22 años entienda la IA es desarrollar una intuición muy sólida para la probabilidad a nivel de pregrado y posgrado, álgebra lineal y ML clásico. Si realmente sabes cómo funcionan los temas fundamentales de RL como el Q-learning, estás al 95% del camino, y si ni siquiera puedes aprender eso en Harvard o Stanford, entonces probablemente sea un problema de habilidades de tu parte. En el excelente seminario de teoría de ML de @boazbaraktcs en 2021, no creo haber escrito más de 200 líneas de código en total durante todo el semestre, sin embargo, aprendí una inmensa cantidad y le doy crédito a esa clase por despertar mi interés en la IA moderna. Hace un año no podía decirte de manera coherente qué era un transformador, pero no importa, porque cuando desarrollas las bases cuantitativas adecuadas en la universidad, puedes entenderlo en un par de semanas. Nada de esto es realmente tan complicado, la gente simplemente le gusta pretender que lo es.