Sebenarnya sebagian besar penelitian sejauh ini menemukan bahwa AI mengurangi ketidaksetaraan dan menutup kesenjangan keterampilan Ada relatif sedikit yang menemukan sebaliknya—bahwa para ahli menjadi lebih baik. Salah satunya cukup menarik untuk membangun narasi bahwa AI akan meningkatkan kesenjangan keterampilan. Tapi itu tidak nyata

Di kelas bahasa Inggris HS saya, kami harus membaca setiap buku dua kali, sekali di paruh pertama kelas kemudian selama paruh kedua, dengan urutan buku terbalik. Saya ingat kesal dengan konsep ini, tetapi pada akhir kelas saya mengerti. Keindahan fiksi adalah pencelupan ke dalam beberapa aspek mendalam dari pengalaman manusia. Kejahatan dan hukuman adalah salah satu buku itu: pertama kali dibaca, saya menyandarkan ceritanya. Kedua kalinya, saya mengalaminya. Saya ingat bagaimana pertama kali saya mengikuti alur cerita, kedua kalinya saya benar-benar dapat menginternalisasi penebusan. Kecenderungan guru bahkan tidak memberikan seluruh buku lagi akan merampas hadiah ini bagi generasi mendatang.

Ada banyak diskusi di sini mengenai AI dan kreativitas - akankah AI dapat menciptakan pengetahuan atau seni yang benar-benar baru? Ada perbedaan antara dua jenis kreativitas: kreativitas tertutup (dengan tujuan tertentu) dan kreativitas terbuka "langit biru" (terbuka). Dalam salah satu makalah favorit saya: kreativitas tertutup menanggapi insentif; Kreativitas "langit biru" tidak—itu didasarkan pada motivasi intrinsik. Komponen kunci dari pelatihan sistem AI adalah RL, yang menghasilkan sinyal positif mengingat output model. Mungkin saja sistem ini mengoptimalkan kreativitas "tertutup", tetapi meleset dari kreativitas "langit biru". Memang, kumpulan penulis yang sama menunjukkan bahwa manusia terus mendominasi AI pada kreativitas "langit biru", tetapi berkinerja buruk dalam tugas-tugas yang melibatkan kreativitas tertutup. Jika kita ingin AI menciptakan pengetahuan yang benar-benar baru, ada baiknya memikirkan cara mengoptimalkan pelatihan untuk jenis kreativitas "langit biru" ini. Ini membuka banyak pertanyaan penting tentang bagaimana merancang fungsi penghargaan, bagaimana memberikan model dengan motivasi intrinsik (yang merupakan bidang penelitian aktif), dll.