Dwarkesh dimasak dengan imo ini: -Paradoks RLVR: Laboratorium menghabiskan miliaran pra-keterampilan khusus yang menyadari ketegangan mendasar: jika kita dekat dengan pelajar seperti manusia, itu membuat semua pra-pelatihan ini tidak ada gunanya karena mereka akan belajar di tempat kerja. -Nilai nyata tenaga kerja manusia: Kami tidak memerlukan saluran pelatihan khusus untuk setiap tugas mikro; AI saat ini melakukannya. -Spread difusi = mengatasi: Jika model setara dengan manusia, mereka akan berintegrasi lebih cepat daripada karyawan [Dapat memperdebatkan yang satu ini - asal data, kepercayaan bisnis pada keandalan, ketakutan penggantian, dll. dapat secara wajar menghambat penyebaran AI; tetapi, kita semua masih akan yakin itu adalah pilihan yang lebih baik dan itu belum benar sehingga intinya berdiri imo]. -Pergeseran tiang gawang telah terjadi: Kami memecahkan apa yang kami pikir sebagai kemacetan AGI (misalnya, penalaran) namun belum dapat mengotomatiskan 95% pekerjaan pengetahuan. Kecerdasan lebih dari yang kita sadari dan telah didefinisikan sebelumnya dan tidak apa-apa untuk diakui. -Hambatan Pembelajaran Berkelanjutan: Ledakan AI di masa depan bergantung pada pemecahan pembelajaran berkelanjutan - agen dikerahkan, belajar dari pengalaman, menggabungkan pengetahuan kembali ke "pikiran sarang". Jauh dari ini tetapi bullish kita bisa sampai di sana!