han er forskningsingeniør fra Google Gemini-teamet og forklarte praktisk talt alt man må vite om å bryte inn i AI-forskning i 2026 på bare 40 minutter. Her er hovedpoengene: > hvordan komme i gang? Ta kurs i ML og DL. Det kan være universitet eller nettbasert. Lær matematikk på bachelornivå. Du trenger ikke mestre alt på en gang, du vil fortsette å besøke dem. Deretter bytter du til å lese artikler. Dette hjelper deg å bygge et «mentalt kart» over feltet. > hvordan du leser artikler effektivt: Det er en ferdighet du blir bedre på jo flere artikler du leser. Start med sammendraget, og hopp deretter til hovedseksjonen. > hvordan finner man relaterte artikler når man forsker på noe? Les en godt sitert artikkel om emnet, gå deretter til siteringene for å gå tilbake i tid, eller finn artikler som siterer den for å gå fremover i tid. > hvordan hopper man fra lesing til å starte sin egen forskning? Finn en relatert artikkel som har offentlig kode. Last ned koden og datasettet og lek litt med det. Prøv nye parametere, benchmarks osv. Det handler ikke om å implementere artikler fra bunnen av, men om å bygge videre på arbeidet til andre forfattere. > hvor mye matte trenger du egentlig? Du trenger matematikk, men ikke alt på en gang og ikke hele matematikken. Hvis du er teoretisk forsker, må du kunne avansert matematikk. Empiriske forskere trenger for det meste matematikk for å forstå. > ta kontakt med mer erfarne doktorgradsstudenter, professorer eller forfattere av relaterte artikler for å søke veiledning/veiledning, eller om du kan bidra til noen av prosjektene deres. > å finne forskningsroller handler mye om anbefalinger enn andre roller. > industrijobb uten doktorgrad? AI-residens er et flott mellomnivå for dette. Du kan få praktisk erfaring og komme i gang med karrieren din.