Trên thực tế, phần lớn các nghiên cứu cho đến nay đã chỉ ra rằng AI giảm thiểu bất bình đẳng và thu hẹp khoảng cách kỹ năng. Có rất ít nghiên cứu cho thấy điều ngược lại - rằng các chuyên gia thậm chí còn trở nên giỏi hơn. Một nghiên cứu đủ thuyết phục để xây dựng một câu chuyện rằng AI sẽ làm tăng khoảng cách kỹ năng. Nhưng điều đó không phải là thật.

Trong lớp tiếng Anh trung học của tôi, chúng tôi phải đọc mỗi cuốn sách hai lần, một lần trong nửa đầu của lớp và sau đó trong nửa sau, với thứ tự các cuốn sách bị đảo ngược. Tôi nhớ đã cảm thấy khó chịu với khái niệm này, nhưng đến cuối lớp, tôi đã hiểu. Vẻ đẹp của tiểu thuyết là sự đắm chìm vào một khía cạnh sâu sắc nào đó của trải nghiệm con người. Tội ác và hình phạt là một trong những cuốn sách đó: lần đọc đầu tiên, tôi đã nắm được câu chuyện. Lần thứ hai, tôi đã trải nghiệm nó. Tôi nhớ lần đầu tiên tôi theo dõi đường cong câu chuyện, lần thứ hai tôi thực sự có thể nội tâm hóa sự chuộc lỗi. Xu hướng của các giáo viên không còn giao toàn bộ sách nữa sẽ cướp đi món quà này của các thế hệ tương lai.

Đã có nhiều cuộc thảo luận ở đây về AI và sự sáng tạo--liệu AI có thể tạo ra kiến thức hoặc nghệ thuật thực sự mới không? Có sự phân biệt giữa hai loại sự sáng tạo: sự sáng tạo đóng (có mục tiêu cụ thể) và sự sáng tạo mở, "bầu trời xanh" (mở rộng). Trong một trong những bài báo yêu thích của tôi: sự sáng tạo đóng phản ứng với các động lực; sự sáng tạo "bầu trời xanh" thì không--nó dựa trên động lực nội tại. Một thành phần chính trong việc đào tạo các hệ thống AI là RL, cái tạo ra các tín hiệu tích cực dựa trên đầu ra của mô hình. Có thể rằng hệ thống này tối ưu hóa sự sáng tạo "đóng", nhưng lại bỏ lỡ sự sáng tạo "bầu trời xanh". Thực tế, cùng một nhóm tác giả cho thấy rằng con người vẫn tiếp tục vượt trội hơn AI trong sự sáng tạo "bầu trời xanh", nhưng lại kém hiệu quả trong các nhiệm vụ liên quan đến sự sáng tạo đóng. Nếu chúng ta muốn AI tạo ra kiến thức thực sự mới, thì thật hữu ích khi suy nghĩ về cách tối ưu hóa đào tạo cho loại sự sáng tạo "bầu trời xanh" này. Điều này mở ra nhiều câu hỏi quan trọng về cách thiết kế hàm thưởng, cách trang bị cho mô hình động lực nội tại (đây là một lĩnh vực nghiên cứu đang hoạt động), v.v.