Creo que parte de la culpa es la cultura de startups de Silicon Valley / SF, que recompensa el desarrollo de envolturas de IA y el ajuste fino de modelos de IA existentes. Junto con el mantra de "construir rápido, romper cosas", que desincentiva "tomarse el tiempo para aprender cosas / aprender los fundamentos". En esencia, hay una gran presión cultural sobre los jóvenes investigadores y emprendedores (que viven en la costa oeste) para entregar algo de inmediato y mantenerse al tanto de las tendencias para destacarse entre sus pares, o tener una startup que sea financiable. Lo que significa que la mayoría de las personas nunca tienen la oportunidad de aprender o explorar los fundamentos, y simplemente construyen sobre investigaciones o productos existentes. En el contexto de los Modelos Mundiales, se trata simplemente de poder ejecutar investigaciones / modelos relacionados con Gaussian splat en lugar de entender fundamentalmente cómo funciona la visión 3D o incluso los gráficos por computadora. En el contexto de la IA encarnada, creo que es aún peor. Para elaborar, es mucho más fácil poner en marcha un modelo VLA existente y ajustar un brazo robótico para recoger una taza, que pasar unos días, por ejemplo, entendiendo las limitaciones de la planificación de movimiento clásica, el agarre, la manipulación, la cinemática inversa, etc. Y digo que "es peor" porque en la IA encarnada no solo estás lidiando con software, sino también con un sistema físico, y dominar el desarrollo u optimización de un sistema de hardware / software es otra bestia.