Це не дуже вдалий прийом і свідчить про фундаментальне нерозуміння того, що може запропонувати вища технічна вища освіта. Підготовка до розуміння сучасного штучного інтелекту як студент Гарварду чи Стенфорду – це не вивчення «оперативної інженерії», вайб-кодування чи створення Slop Domain-Specific Wrapper Agent #1000, все це можна освоїти за кілька днів, якщо не годин. Навпаки, найкращий спосіб для розумного 18-22-річного підлітка зрозуміти штучний інтелект – це розвинути дуже тверду інтуїцію щодо ймовірності на рівні бакалаврату та магістратури, лінійної алгебри та класичного машинного навчання. Якщо ви дійсно знаєте, як працюють базові теми RL, такі як Q-learning, ви на 95% пройдені шляху, і якщо ви навіть не можете вивчити це в Гарварді або Стенфорді, то це, ймовірно, проблема навичок з вашого боку. На чудовому семінарі @boazbaraktcs з теорії машинного навчання у 2021 році я не думаю, що написав більше 200 рядків коду сукупно за весь семестр, але я вивчив величезну кількість і завдячую цьому класу за те, що він пробудив мій інтерес до сучасного штучного інтелекту. Рік тому я не міг зв'язно розповісти вам, що таке трансформатор, але це не має значення, тому що коли ви розробите правильні кількісні основи в коледжі, ви зможете зрозуміти це за пару тижнів. Жодна з цих речей насправді не така складна, людям просто подобається вдавати, що це так.