Acho que parte da culpa é a cultura de startups do Vale do Silício / São Francisco, que recompensa o desenvolvimento de wrappers de IA e o ajuste fino dos modelos de IA existentes. Em conjunto com o mantra "construa rápido, quebre coisas", que desencoraja "tirar um tempo para aprender / aprender os fundamentos". Em essência, há muita pressão cultural sobre jovens pesquisadores e empreendedores (que moram na costa oeste) para entregar algo imediatamente e se manterem atualizados para se destacar entre seus pares, ou terem uma startup que seja financiável. Ou seja, a maioria das pessoas nunca tem a chance de aprender ou explorar os fundamentos, e simplesmente constrói sobre pesquisas ou produtos já existentes. No contexto dos Modelos Mundiais, é simplesmente conseguir rodar pesquisas/modelos relacionados a splats gaussianos em vez de entender fundamentalmente como funciona a visão 3D ou até mesmo gráficos computacionais. No contexto da IA incorporada, acredito que é ainda pior. Para elaborar, é muito mais fácil criar um modelo VLA existente e ajustar um braço robótico para pegar uma caneca, do que gastar alguns dias, por exemplo, entendendo as limitações do planejamento clássico do movimento, agarramento, manipulação, cinemática inversa etc. E eu digo que "é pior" porque na IA incorporada você não está lidando apenas com software, mas também com um sistema físico, e dominar o desenvolvimento ou otimização de um sistema de hardware/software é outra história.