實際上，大多數研究迄今為止發現，AI 減少了不平等並縮小了技能差距。 發現相反情況的研究相對較少——即專家變得更好。其中一項研究足夠引人注目，以建立一個敘述，認為 AI 會擴大技能差距。但這並不真實。

在我的高中英語課上，我們必須每本書讀兩遍，第一次在課堂的前半部分，然後在後半部分，書的順序是顛倒的。我記得對這個概念感到很煩，但到課程結束時我明白了。 小說的美在於沉浸於人類經驗的某個深層面。《罪與罰》就是這樣一本書：第一次閱讀時，我了解了故事。第二次，我體驗到了它。我記得第一次我跟隨故事的弧線，第二次我實際上能夠內化救贖。 老師們甚至不再分配整本書的趨勢將剝奪未來幾代人這份禮物。

這裡有很多關於AI和創造力的討論——AI能否創造真正的新知識或藝術？ 創造力有兩種類型的區別：封閉式（有特定目標）和開放式的「藍天」創造力（無限可能）。在我最喜歡的一篇論文中：封閉式創造力對激勵作出反應；「藍天」創造力則不然——它基於內在動機。 訓練AI系統的一個關鍵組成部分是強化學習（RL），它根據模型的輸出生成正向信號。這個系統可能優化了「封閉」創造力，但在「藍天」創造力上卻未能達到目標。 事實上，同一組作者顯示人類在「藍天」創造力上仍然優於AI，但在涉及封閉創造力的任務上表現不佳。 如果我們希望AI創造真正的新知識，思考如何優化這種「藍天」創造力的訓練是有用的。這引發了許多重要問題，例如如何設計獎勵函數，如何賦予模型內在動機（這是一個活躍的研究領域）等。