详细内容或原文请订阅后点击阅览
这是我们一路走来学到的教训。或者，是吗？
人工智能时代的研究项目这篇文章是我们一路走来学到的教训。或者，是吗？首先出现在《走向数据科学》上。
来源:走向数据科学ChatGPT 数据空间中典型的为期一个月的实习问题。从某种意义上说，问题得到了“解决”，但我不确定这是否意味着我的想法。对于数据和人工智能从业者来说，这是一个非常实际的问题。许多团队利用实习生或研究尖峰来探索想法：人工智能现在足够好吗？这些项目只是关于最终的工件吗？
作为探索者的实习生
在早期数据初创公司构建技术路线图与典型的视频游戏地图没有什么不同：
路线图不仅比您能做什么，而且比您能看到的还要大得多。如果我们能够通过派遣探险家清理地图来窥视“（产品）地平线”，那么我们就会了解到达那里后等待着您的是什么（探险家可能会死，所以这个类比在某种程度上是好的）。
Bauplan（我于 2024 年与他人共同创立）做出了不同寻常的选择（就其规模而言），即从顶级院校（哥伦比亚大学、卡内基梅隆大学、威斯康星大学麦迪逊分校）进行暑期实习，以窥探未来。到目前为止，效果非常好。除了更好的招聘渠道、社区地位和一些社会影响力之外，探索也融入了我们的产品，并将随着公司的发展而成为战略资产。
当我发出 2026 年夏季的实习机会时，我的 X feed 中有一半告诉我，我的做法完全错误。远非一个假设的问题，在不同的阶段、规模和限制下，今天所有的数据和人工智能团队都面临着同样的问题：现在有没有更好的方法来利用代理进行研究高峰？如果是的话，什么是一个好的、经过测试且易于适应的人工智能设置？
希望我们的经验和观点对许多数据从业者有价值，这是我们的设置以及我们从与 ChatGPT 配对完成的真实研究高峰中学到的经验教训。
首先，他们来找顾问，我没有说话……
因此（与我最近发现的这个物理实验不同）我尝试将实习生的一个月时间压缩到周末与 ChatGPT 一起工作。