Dette er ikke en spesielt god oppfatning og er en indikasjon på en grunnleggende misforståelse av hva en teknisk høyskoleutdanning på toppnivå skal tilby. Å forberede seg på å forstå moderne AI som en Harvard- eller Stanford-student handler ikke om å lære "prompt engineering", vibe-koding eller bygge Slop Domain-Specific Wrapper Agent #1000, som alle kan hentes i løpet av noen dager om ikke timer. Tvert imot, den beste måten for en smart 18-22-åring å forstå AI på er å utvikle en veldig solid intuisjon for sannsynlighet på lavere og høyere nivå, lineær algebra og klassisk ML. Hvis du faktisk vet hvordan grunnleggende RL-emner som Q-læring fungerer, er du 95 % av veien dit, og hvis du ikke engang kan lære det fra Harvard eller Stanford, er dette sannsynligvis et ferdighetsproblem på din side. I @boazbaraktcs utmerkede ML-teoriseminar i 2021 tror jeg ikke jeg skrev mer enn 200 linjer med kode kumulativt i løpet av hele semesteret, men jeg lærte enormt mye og krediterer den klassen for å vekke interessen min for moderne AI. For et år siden kunne jeg ikke fortelle deg sammenhengende hva en transformator var, men det spiller ingen rolle, for når du utvikler riktig kvantitativt grunnlag på college, kan du finne ut av det på et par uker. Ingenting av dette er egentlig så komplisert, folk liker bare å late som om det er det.