Esta não é uma opinião particularmente boa e é indicativa de um mal-entendido fundamental sobre o que uma educação universitária técnica de primeira linha deve oferecer. Preparar-se para entender a IA moderna como um estudante de graduação de Harvard ou Stanford não é aprender "engenharia rápida", codificação de vibração ou construir o Slop Domain-Specific Wrapper Agent # 1000, todos os quais podem ser adquiridos em alguns dias, se não horas. Pelo contrário, a melhor maneira de um jovem inteligente de 18 a 22 anos entender a IA é desenvolver uma intuição muito sólida para probabilidade de nível de graduação e pós-graduação, álgebra linear e ML clássico. Se você realmente sabe como funcionam os tópicos fundamentais de RL, como o Q-learning, você está 95% do caminho até lá, e se você não consegue nem aprender isso em Harvard ou Stanford, então isso provavelmente é um problema de habilidade do seu lado. No excelente seminário de teoria de ML da @boazbaraktcs em 2021, acho que não escrevi mais de 200 linhas de código cumulativamente em todo o semestre, mas aprendi muito e credito essa aula por despertar meu interesse pela IA moderna. Um ano atrás, eu não poderia dizer coerentemente o que era um transformador, mas isso não importa, porque quando você desenvolve fundamentos quantitativos adequados na faculdade, você pode descobrir isso em algumas semanas. Nada disso é realmente tão complicado, as pessoas gostam de fingir que é.