Na verdade, a maioria dos estudos até agora descobriu que a IA reduz desigualdade e reduz as lacunas de habilidades Há relativamente poucos que encontraram o oposto — que os especialistas ficaram ainda melhores. Um deles era envolvente o suficiente para construir uma narrativa de que a IA aumentaria a diferença de habilidade. Mas não era real

Na minha aula de inglês do ensino médio, tivemos que ler todos os livros duas vezes, uma na primeira metade da aula e depois na segunda, com a ordem dos livros invertida. Lembro de ter ficado irritado com esse conceito, mas no final da aula eu entendi. A beleza da ficção está na imersão em algum aspecto profundo da experiência humana. Crime e Castigo foi um desses livros: na primeira leitura, eu entendi a história. Na segunda vez, eu experimentei isso. Lembro que da primeira vez que segui o arco da história, na segunda vez consegui realmente internalizar a redenção. A tendência dos professores de nem sequer atribuir livros inteiros vai roubar esse dom para as futuras gerações.

Houve muitas discussões aqui sobre IA e criatividade — será que a IA será capaz de criar conhecimento ou arte verdadeiramente novos? Há distinção entre dois tipos de criatividade: fechada (com objetivo específico) e criatividade aberta, "céu azul" (aberta). Em um dos meus artigos favoritos: criatividade fechada responde a incentivos; A criatividade "céu azul" não é — ela se baseia em motivação intrínseca. Um componente chave no treinamento de sistemas de IA é a RL, que gera sinais positivos dado o resultado do modelo. Pode ser que esse sistema otimize a criatividade "fechada", mas não consiga alcançar a criatividade "blue sky". De fato, o mesmo grupo de autores mostra que os humanos continuam dominando a IA na criatividade "blue sky", mas têm desempenho inferior em tarefas que envolvem criatividade fechada. Se queremos que a IA crie conhecimento verdadeiramente novo, é útil pensar em como otimizar o treinamento para esse tipo de criatividade "céu azul". Isso abre muitas questões importantes sobre como projetar a função de recompensa, como dotar o modelo de motivação intrínseca (que é uma área ativa de pesquisa), etc.