Это не особенно хорошее мнение и указывает на фундаментальное недопонимание того, что должно предлагать образование в техническом колледже высшего уровня. Подготовка к пониманию современного ИИ для студентов Гарварда или Стэнфорда не заключается в изучении "инженерии запросов", кодирования по настроению или создании Slop Domain-Specific Wrapper Agent #1000, все из чего можно освоить за несколько дней, если не часов. Напротив, лучший способ для умного 18-22-летнего человека понять ИИ — это развить очень прочную интуицию в области вероятности на уровне бакалавриата и магистратуры, линейной алгебры и классического машинного обучения. Если вы действительно знаете, как работают основные темы RL, такие как Q-обучение, вы на 95% на правильном пути, и если вы не можете даже научиться этому в Гарварде или Стэнфорде, то, вероятно, это проблема с вашими навыками. На отличном семинаре по теории машинного обучения @boazbaraktcs в 2021 году я, кажется, не написал более 200 строк кода за весь семестр, но я узнал огромное количество и считаю этот курс причиной, по которой у меня возник интерес к современному ИИ. Год назад я не мог связно объяснить, что такое трансформер, но это не имеет значения, потому что, когда вы развиваете правильные количественные основы в колледже, вы можете разобраться в этом за пару недель. Ничто из этого на самом деле не так уж сложно, люди просто любят делать вид, что это так.