Ask HN: ¿Cuáles son las habilidades de IA más útiles y concretas para aprender de forma independiente?
Ask HN: What are the most useful, concrete AI skills to independently learn?
Tengo un trasfondo técnico moderado y quiero aprovechar económicamente los avances en LLMs, agentes y nuevas capacidades tecnológicas. Busco habilidades concretas que pueda aprender por mi cuenta, solo con internet y experimentación, sin un programa de grado. Prefiero respuestas claras y específicas, por ejemplo: 'aprender a hacer X con Y'.
Busca rutas de certificación en IA de las grandes tecnológicas. Todas ellas (Google, Amazon, Microsoft, etc.) y sus mayores clientes están desesperados por gente. Lo llaman operador/ingeniero/gerente/analista/ciberseguridad 'frontier' certificado, etc.
Dado que tienes un trasfondo técnico moderado, puedes empezar a estudiar material de doctorado ahora mismo desde tu escritorio, que es ampliamente accesible en toda la web; sin embargo, el tiempo que necesitas dedicarle no es muy diferente. Creo que todos los días durante diez años es un buen período de tiempo para invertir en cualquier tema, a menos que tengas varios campos de interés (mencionaste tres); multiplica eso por algunos años de solo hojear el material para cada uno, de modo que tengas una comprensión mediocre para resolver 'aprender a hacer x con y' para x e y. Espero que esto ayude.
No hay ninguna, ese es en cierto modo el objetivo de estas cosas: elevar el nivel mínimo de habilidad, hacer que todos sean fungibles para que las empresas puedan reducir los salarios. Si quieres asegurar tu carrera, haz amistad con personas poderosas, aprende a adular. O haz buenas obras y reza por reencarnarte en un hijo de familia rica. Si crees que me equivoco, solo tienes que preguntarte por qué los capitalistas más despiadados están invirtiendo billones de dólares en IA. No es porque quieran ofrecer un mejor producto.
- cadamsdotcom
Las fábricas de software más modernas y eficientes tienen un cuello de botella al intentar sacar las cosas a la puerta.
Eso es una gran oportunidad para ti.
Aprende las muchas técnicas que la industria ha desarrollado para escalar la verificación.
No me refiero a infraestructura; CI está resuelto. Me refiero a desarrollo dirigido por pruebas y red-green, la pirámide de pruebas (más pruebas unitarias/menos pruebas funcionales/de integración/pruebas e2e de camino feliz), aprende a sacar el máximo provecho de herramientas como Playwright y frameworks de pruebas como pytest y vitest y las herramientas de prueba de Go y Rust. Aprende cuándo simular (mock) y cuándo incluir las dependencias de tu código en una prueba (límites de prueba). Aprende patrones como la inyección de dependencias para que tus pruebas no tengan E/S y sean RÁPIDAS.
Aprende a escalar la verificación y resolverás el mayor cuello de botella de tu equipo.
- lmf4lol
Personalmente diría: Aprende a pensar como un ingeniero. Es decir:
- Ser capaz de analizar una situación en procesos y pasos discretos
- Ser capaz de describir el problema real (!) que quieres que se resuelva
- Ser capaz de describir cómo verificar que el problema realmente se ha resuelto
- Ser capaz de hacer las preguntas correctas sobre CÓMO se ha resuelto el problema para comprender y para identificar los siguientes pasos y mejoras
- Ser capaz de identificar cuándo la IA se atasca o se mete en un agujero de conejo y guiarla para salir de ahí.
- Entender en qué son buenos los LLM y en qué no lo son. Y hay un montón de cosas en las que no son buenos.
Aviso: Esto no se basa absolutamente en ningún estudio científico ni nada por el estilo :-) ¡Solo mi experiencia personal! Siéntete libre de no estar de acuerdo.
Pero mi experiencia viene directamente de mi trabajo: tengo muchos clientes en mi plataforma que no son ingenieros, pero que usan la IA para resolver problemas de negocio mediante automatizaciones. Casi siempre que se atascan (o queman un montón de tokens en un santiamén), es porque falta una de esas habilidades. Así que intento enseñarles cada vez más a "pensar como un ingeniero". Y a menudo, cuando lo captan, mejoran muchísimo en el uso de la IA en muy poco tiempo. Los mejores aprendices suelen ser los que ya tenían algún tipo de formación en ingeniería.
Ahora bien, es cierto que los modelos de frontera pueden ayudarse bastante bien a sí mismos y a menudo pueden producir resultados sorprendentes con muy malas entradas. Pero también son caros. Si trabajas con […]
- hypfer
La mejor habilidad de IA que se puede aprender es, en realidad, aprender gestión de personas.
Para dirigir con éxito a la IA, necesitas esencialmente lo mismo que necesitarías si fueras a dirigir a humanos en un rol de gestión.
Es decir, comunicación, introspección, introspección remota, inteligencia emocional y todo ese tipo de cosas.
Leer cuándo alguien te está engañando. Leer cuándo alguien es inseguro y lo compensa en exceso. Leer los problemas reales con los que la gente lucha y no los que dicen tener ni sus soluciones sugeridas.
Verbalizar lo que necesitas que alguien haga de una manera que realmente le permita hacerlo. Saber lo que quieres hacer hasta un nivel en el que eso sea posible.
- hypendev
Los clasificaría así: esto viene de aplicar LLM desde la API de autocompletado de GPT-3, enseñar a la gente a usarlos, dar charlas a desarrolladores, responder sus preguntas, entrenar mis propios modelos y ver cómo interactúa la gente con ellos:
1. Construir tu propio modelo: esto te costará un poco, pero es sin duda la mejor manera de adquirir habilidades concretas en IA. Desde elegir los datos hasta el entrenamiento, ver cómo evoluciona, mejora y escala. Entenderás los "hiperplanos" del mundo interior de un modelo mejor que cualquier otra cosa. Aprenderás a elegir datos, cómo impacta en la calidad del modelo, la forma de pensar, las puntuaciones, la personalidad. Si entrenar el tuyo es demasiado, empieza con un preentrenamiento completo y juega con él.
2. Construir un arnés alrededor de un modelo de completado: lo pondría como segundo mejor para entender los mundos internos de los LLM. Te ayuda a construir intuición sobre cómo funciona realmente el prompting, cómo forman las respuestas, cómo construir alrededor de eso. Luego puedes hacer un SFT para tu propio arnés.
3. Construir un arnés y un orquestador alrededor de modelos terminados: esto se lleva el bronce. Te enseña cómo funcionan realmente los arneses, agentes y enjambres, cómo moldean los pensamientos y acciones del modelo, cómo interactúan los modelos con ellos, cómo se pueden aplicar y cómo pueden funcionar sin humanos.
.
- OgsyedIE
Creo que la respuesta al título es "prepararse psicológicamente para plazos cortos" y que puedes obtener una buena explicación buscando esa frase exacta en Google, pero hay una respuesta diferente para el cuerpo del post.
A la pregunta en el cuerpo del post, echa un vistazo al video de YouTube de unos 11 minutos de Jeremy Utley "How Stanford teaches AI". Tiene un par de años, pero él descubrió la actitud correcta y la comunicó mucho antes que nadie. Míralo completo sin distracciones y aplica inmediatamente la lección a las diversas preguntas del post original.