Tôi nghĩ một phần lỗi thuộc về văn hóa khởi nghiệp Silicon Valley / SF, nơi thưởng cho việc phát triển các lớp AI và tinh chỉnh các mô hình AI hiện có. Kết hợp với khẩu hiệu "xây dựng nhanh, phá vỡ mọi thứ", điều này không khuyến khích "dành thời gian để học hỏi / tìm hiểu các nguyên tắc cơ bản". Về cơ bản, có rất nhiều áp lực văn hóa đối với các nhà nghiên cứu và doanh nhân trẻ (sống ở bờ tây) để cung cấp một cái gì đó ngay lập tức và theo kịp các xu hướng để nổi bật giữa các đồng nghiệp của họ, hoặc có một startup có thể được đầu tư. Điều này có nghĩa là hầu hết các cá nhân không bao giờ có cơ hội để học hỏi hoặc khám phá các nguyên tắc cơ bản, và chỉ đơn giản là xây dựng trên các nghiên cứu hoặc sản phẩm hiện có. Trong bối cảnh của World Models, nó chỉ đơn giản là có thể thực hiện các nghiên cứu / mô hình liên quan đến Gaussian splat thay vì hiểu một cách cơ bản cách thức hoạt động của thị giác 3D hoặc thậm chí đồ họa máy tính. Trong bối cảnh của AI thể hiện, tôi tin rằng tình hình còn tồi tệ hơn. Để giải thích, dễ dàng hơn nhiều để khởi động một mô hình VLA hiện có và tinh chỉnh một cánh tay robot để nhặt một cái cốc, hơn là dành vài ngày để hiểu các ràng buộc của lập kế hoạch chuyển động cổ điển, nắm bắt, thao tác, động học ngược, v.v. Và tôi nói rằng "nó tồi tệ hơn" vì trong AI thể hiện, bạn không chỉ đang xử lý phần mềm mà còn đang xử lý một hệ thống vật lý, và việc làm chủ phát triển hoặc tối ưu hóa một hệ thống phần cứng / phần mềm là một thử thách khác.