Zde je opravdu zajímavá otázka, na kterou jsem narazil. Když zadáme kódovací úlohu umělé inteligence, jejíž splnění trvá 1 den až 1 týden, má vůbec cenu porovnávat a učit se z různých přístupů? To je zásadní otázka. Naše možnosti jsou 1. Pomocí vibrací určete, jak dobře si vedla dlouhotrvající úloha 2. strávit rok porovnáváním přístupů a testováním teorií, které mohou být zastaralé, než dostanu velikost vzorku, která stojí za zvážení Naučit se vytvářet tyto dlouhotrvající pracovní postupy úloh bude mít v sobě trochu tragédie obecných statků. Investice do naučení se správného pracovního postupu je mnohem vyšší než do kopírování produktu, který vidíte funkční

Chcete-li předpovědět, kam se umělá inteligence bude ubírat, nemůžete použít pouze své vibrace toho, kolik se kurzor zvětšil Musíte pochopit, JAK se umělá inteligence zlepšuje a v čem přesně se zlepšuje V současné době jsme ve fázi, kdy systémy teprve rozšiřujeme. To má známé fyzické limity, na které narazíme v příštích 5 až 10 letech Některé věci můžeme vidět, že se s přibývajícím měřítkem mnohem zlepšují. Další dovednosti, které se podle nás nezlepšují Je opravdu zřejmé, že potřebujeme zásadní průlom, který nemůžeme předvídat nebo o něm vědět, abychom zásadně nahradili lidi. Existují určité věci, kterých umělá inteligence nedosahuje tempem a které jsou nezbytné k odstranění člověka ze smyčky Pokud bruslíme tam, kam puk letí, správnou architekturou by mělo být předpokládat modely, které jsou lepší než současné modely v tom, v čem jsou již dobré, a identifikovat, jak moc můžeme škálovat vysoce kompetentního člověka, aby byl produktivnější tím, že mu poskytneme nástroje. Velkoobchod nahrazující lidi NGMI

Nejchytřejší lidé, které znám, jsou neuvěřitelně efektivní v kladení chytrých zkoumavých otázek Podle této metriky je každý model umělé inteligence hloupější než lidské dítě