To nie jest szczególnie dobra opinia i wskazuje na fundamentalne nieporozumienie dotyczące tego, co powinna oferować edukacja na uczelni technicznej najwyższej klasy. Przygotowanie do zrozumienia nowoczesnej AI jako student Harvardu lub Stanfordu nie polega na nauce "inżynierii podpowiedzi", kodowania wibracyjnego czy budowaniu Slop Domain-Specific Wrapper Agent #1000, co można opanować w ciągu kilku dni, jeśli nie godzin. Przeciwnie, najlepszym sposobem dla inteligentnego 18-22-latka na zrozumienie AI jest rozwinięcie solidnej intuicji w zakresie prawdopodobieństwa na poziomie licencjackim i magisterskim, algebry liniowej oraz klasycznego ML. Jeśli naprawdę wiesz, jak działają podstawowe tematy RL, takie jak Q-learning, jesteś w 95% drogi do celu, a jeśli nie możesz tego nawet nauczyć się na Harvardzie lub Stanfordzie, to prawdopodobnie jest to problem z umiejętnościami z twojej strony. Na doskonałym seminarium z teorii ML @boazbaraktcs w 2021 roku, nie sądzę, żebym napisał więcej niż 200 linii kodu łącznie przez cały semestr, a mimo to nauczyłem się ogromnej ilości i przypisuję tej klasie zapalenie mojego zainteresowania nowoczesną AI. Rok temu nie potrafiłem spójnie powiedzieć, czym jest transformer, ale to nie ma znaczenia, ponieważ gdy rozwijasz odpowiednie podstawy ilościowe na studiach, możesz to zrozumieć w ciągu kilku tygodni. Żaden z tych tematów nie jest naprawdę skomplikowany, ludzie po prostu lubią udawać, że jest inaczej.