Questa non è una presa di posizione particolarmente valida ed è indicativa di una comprensione fondamentale errata di ciò che un'istruzione di un college tecnico di alto livello dovrebbe offrire. Prepararsi a comprendere l'AI moderna come studente di Harvard o Stanford non riguarda l'apprendimento del "prompt engineering", del coding di vibe, o della costruzione di Slop Domain-Specific Wrapper Agent #1000, tutte cose che possono essere apprese in pochi giorni, se non in poche ore. Al contrario, il modo migliore per un giovane intelligente di 18-22 anni di comprendere l'AI è sviluppare una solida intuizione per la probabilità a livello universitario e post-universitario, l'algebra lineare e il ML classico. Se sai effettivamente come funzionano argomenti fondamentali di RL come il Q-learning, sei già al 95% del percorso, e se non riesci nemmeno a impararlo da Harvard o Stanford, allora probabilmente è un problema di abilità da parte tua. Nel fantastico seminario di teoria del ML di @boazbaraktcs nel 2021, non credo di aver scritto più di 200 righe di codice cumulativamente nell'intero semestre, eppure ho imparato un'enorme quantità e attribuisco a quella classe l'aver acceso il mio interesse per l'AI moderna. Un anno fa non avrei potuto dirti in modo coerente cosa fosse un trasformatore, ma non importa, perché quando sviluppi solide basi quantitative al college puoi capirlo in un paio di settimane. Niente di tutto ciò è davvero così complicato, la gente ama solo fingere che lo sia.