Dwarkesh đã nấu ăn với ý kiến này của mình: - Nghịch lý RLVR: Các phòng thí nghiệm chi hàng tỷ đô la để chuẩn bị trước các kỹ năng cụ thể, điều này tạo ra một căng thẳng cơ bản: nếu chúng ta gần gũi với những người học giống như con người, thì tất cả việc đào tạo trước này trở nên vô nghĩa vì họ sẽ học trong quá trình làm việc. - Giá trị thực sự của lao động con người: Chúng ta không cần các quy trình đào tạo tùy chỉnh cho mỗi nhiệm vụ vi mô; AI hiện tại thì cần. - Độ trễ khuếch tán = đối phó: Nếu các mô hình tương đương với con người, chúng sẽ tích hợp nhanh hơn so với nhân viên [Có thể tranh luận về điều này - nguồn gốc dữ liệu, sự tự tin của doanh nghiệp về độ tin cậy, nỗi sợ thay thế, v.v. có thể hợp lý làm chậm việc triển khai AI; nhưng, chúng ta vẫn sẽ bị thuyết phục rằng đó là một lựa chọn tốt hơn và điều đó chưa đúng nên quan điểm này vẫn đứng vững theo ý kiến của tôi]. - Sự thay đổi mục tiêu đã xảy ra: Chúng ta đã giải quyết những gì chúng ta nghĩ là những nút thắt AGI (ví dụ, lý luận) nhưng vẫn chưa thể tự động hóa 95% công việc tri thức. Trí tuệ là nhiều hơn những gì chúng ta nhận ra và đã định nghĩa trước đây và điều đó là ổn để thừa nhận. - Nút thắt Học tập Liên tục: Sự bùng nổ AI trong tương lai phụ thuộc vào việc giải quyết học tập liên tục - các tác nhân được triển khai, học hỏi từ kinh nghiệm, hợp nhất kiến thức trở lại thành một "tâm trí tổ ong". Còn xa mới đến điều này nhưng tôi lạc quan rằng chúng ta có thể đạt được điều đó!