دوركيش طبخ بهذا برأيي: -مفارقة RLVR: المختبرات تنفق مليارات على مهارات محددة مسبقا يخلق توترا أساسيا: إذا كنا قريبين من متعلمين شبيهين بالبشر، فهذا يجعل كل هذا التدريب المسبق بلا جدوى لأنهم سيتعلمون أثناء العمل. - القيمة الحقيقية للعمالة البشرية: لا نحتاج إلى خطوط تدريب مخصصة لكل مهمة صغيرة؛ الذكاء الاصطناعي الحالي يفعل ذلك. -تأخر الانتشار = التكيف: لو كانت النماذج متكافئة للبشر، لكانت دمجتها أسرع من الموظفين [يمكن مناقشة هذا - مصدر البيانات، ثقة الأعمال في الموثوقية، مخاوف الاستبدال، وغيرها يمكن أن تعرقل نشر الذكاء الاصطناعي بشكل معقول؛ لكننا سنظل مقتنعين جميعا بأنه خيار أفضل وهذا غير صحيح بعد، لذا النقطة برأيي]. - حدث تغيير في الأهداف: حللنا ما اعتقدنا أنه عنق زجاجة في الذكاء الاصطناعي العام (مثل التفكير المنطقي) ومع ذلك لم نتمكن من أتمتة 95٪ من العمل المعرفي بعد. الذكاء أكثر مما أدركنا وكنا نعرفه سابقا، وهذا أمر مقبول للاعتراف به. - عنق زجاجة التعلم المستمر: تعتمد انفجارية الذكاء الاصطناعي المستقبلية على حل التعلم المستمر - العملاء المنتشرين، التعلم من الخبرة، دمج المعرفة مرة أخرى في "عقل جماعي". بعيد كل البعد عن هذا لكن متفائلون يمكننا الوصول إلى هناك!