Ik denk dat een deel van de schuld ligt bij de Silicon Valley / SF startupcultuur, die de ontwikkeling van AI-wrappers en het fijn afstemmen van bestaande AI-modellen beloont. In combinatie met de mantra "bouw snel, breek dingen", die ontmoedigt om "de tijd te nemen om dingen te leren / de fundamenten te leren". In wezen is er veel culturele druk op jonge onderzoekers en ondernemers (die aan de westkust wonen) om meteen iets te leveren en bovenop trends te blijven om op te vallen tussen hun leeftijdsgenoten, of om een startup te hebben die gefinancierd kan worden. Dit betekent dat de meeste individuen nooit de kans krijgen om de fundamenten te leren of te verkennen, en simpelweg voortbouwen op bestaand onderzoek of producten. In de context van World Models gaat het er simpelweg om dat je in staat bent om Gaussian splat gerelateerd onderzoek / modellen uit te voeren in plaats van fundamenteel te begrijpen hoe 3D-visie werkt of zelfs computergraphics. In de context van belichaamde AI geloof ik dat het nog erger is. Om verder uit te leggen, het is veel gemakkelijker om een bestaand VLA-model op te zetten en een robotarm fijn af te stemmen om een mok op te pakken, dan om een paar dagen te besteden aan het begrijpen van de beperkingen van klassieke bewegingsplanning, grijpen, manipulatie, inverse kinematica, enz. En ik zeg dat "het erger is" omdat je in belichaamde AI niet alleen met software te maken hebt, maar ook met een fysiek systeem, en het beheersen van de ontwikkeling of optimalisatie van een hardware / software systeem is een andere uitdaging.