Ilya förtydligade och lade till innehållet i sin intervju: > Det finns en punkt i intervjun som jag inte gjorde tydlig, vill jag tillägga: > Att fortsätta skala på det nuvarande sättet – heap-datorkraft, heap-data, heap-träningsmiljö – kommer definitivt att ge förbättringar. Det kommer inte att stagnera och fortsätta att bli bättre. > Men det kommer alltid att finnas något viktigt som är en nackdel. Detta rättar till ett möjligt missförstånd. I intervjun sa han många ord som "att gå tillbaka till forskningseran" och "nuvarande metoder kommer att stöta på en vägg", vilket får folk att tro att han sjunger dålig skalningslagstiftning och att fortsätta att samla på sig datorkraft, data och RL-utbildning kommer att vara ineffektivt. Han sade att det inte var detta han menade, och att den nuvarande vägen kommer att fortsätta ge förbättringar och inte att stagnera. Modellen kommer att fortsätta att bli starkare, riktmärket kommer att fortsätta stiga, produkten kommer att fortsätta iterera och företaget kommer att fortsätta tjäna pengar. Var uppmärksam på "men" i slutet Det finns vissa saker du inte kan få i stor skala. Det är som att du sprintar. Om du fortsätter att träna kommer din prestation att förbättras, från 12 sekunder till 11,5 sekunder, till 11 sekunder, eller till och med 10,9 sekunder. Detta är verkliga framsteg. Men om ditt mål är att lära dig flyga spelar det ingen roll hur snabbt du springer, det kräver en helt annan förmåga. Vad saknas? I kombination med intervjuns innehåll bör denna "viktiga saknade" avse: 1. Sann generaliseringsförmåga Det är inte så att du kan göra många uppgifter efter träning på enorm data, men du kan snabbt lära dig nya saker med lite erfarenhet, och det du lär dig är stabilt och pålitligt i nya scenarier. 2. Effektivt lärande Antropologi kan arbeta på 10 timmar genom att köra bil och lära sig programmering på några månader. Denna effektivitet kan inte uppnås genom att förträna massiv data. Analogin med de "två studenterna" i intervjun är mycket talande. Elever som borstar 10 000 timmar av frågor kan faktiskt fortsätta förbättra sin tävlingsprestation, från topp 10 % till topp 1 % till mästaren, vilket är verklig framgång. Men han kommer aldrig att bli den elev som visar "förståelse" efter bara 100 timmars övning.