Ensayo de carácter didáctico que reúne, en siete apartados, recomendaciones de fondo para quien aspire a investigar en inteligencia artificial. El primer consejo es tan sencillo como exigente: formarse requiere combinar lectura y construcción, porque ninguna de las dos basta por sí sola. El autor recurre a un adagio zen —“los días en que hallamos insight, nos sentamos; los días en que no, también”— para recordar que las ideas científicas aparecen de forma impredecible y que la disciplina de sentarse a trabajar es el verdadero motor. Cita a Noam Shazeer y su célebre broma sobre la “benevolencia divina” para ilustrar el componente aleatorio del éxito.
Sobre qué investigar, el texto desaconseja perseguir modas con menos de seis meses de recorrido y apuesta por profundizar en fundamentos estables: entropía cruzada, SVD, gradientes de política. Advierte que optimizar un benchmark existente suele ser señal de que no se está profundizando lo suficiente, y recupera la idea del “beginner’s mind” de Suzuki para señalar que la experiencia previa puede volverse contraproducente en un campo tan joven como la IA actual, donde la mayoría de responsables técnicos de OpenAI tienen menos de 35 años.
El ensayo incorpora además tres recordatorios transversales: cultivar la inspiración fuera del teclado —pasear, como hicieron Darwin o Feynman—, mantener ecuanimidad experimental —un resultado negativo enseña tanto como uno positivo— y aceptar las largas horas de trabajo mecánico que preceden a los grandes hallazgos, desde Karpathy etiquetando ImageNet hasta los creadores de SWE-Bench filtrando datos de GitHub.