实际上，大多数研究迄今为止发现，AI 减少了不平等并缩小了技能差距。 发现相反结果的研究相对较少——即专家的技能变得更好。其中一项研究足够引人注目，以至于构建了一个叙述，认为 AI 会增加技能差距。但这并不真实。

在我的高中英语课上，我们必须把每本书读两遍，第一次在课堂的前半部分，然后在后半部分，书的顺序是反过来的。我记得对这个概念感到很烦，但到课程结束时我明白了。 小说的美在于沉浸于人类经验的某个深刻方面。《罪与罚》就是其中一本：第一次阅读时，我了解了故事。第二次，我体验到了它。我记得第一次我跟随故事的情节，第二次我实际上能够内化救赎。 老师们甚至不再布置整本书的趋势，将剥夺未来几代人这一礼物。

这里有很多关于AI和创造力的讨论——AI能否创造真正的新知识或艺术？ 创造力有两种类型的区别：封闭式（有特定目标）和开放式的“蓝天”创造力（开放式）。在我最喜欢的一篇论文中：封闭式创造力对激励做出反应；“蓝天”创造力则不然——它基于内在动机。 训练AI系统的一个关键组成部分是强化学习（RL），它根据模型的输出生成正向信号。可能这个系统优化了“封闭”创造力，但在“蓝天”创造力上却未能达到目标。 确实，同一组作者表明，人类在“蓝天”创造力上继续主导AI，但在涉及封闭创造力的任务上表现不佳。 如果我们希望AI创造真正的新知识，思考如何优化这种“蓝天”创造力的训练是有用的。这引出了许多关于如何设计奖励函数、如何赋予模型内在动机（这是一个活跃的研究领域）等重要问题。