В распределении вычислений для ИИ видят компромисс между полезными возможностями и рекурсивным самосовершенствованием

В одном из аналитических подходов развитие ИИ рассматривается как компромисс между улучшением моделей для полезных прикладных задач, не связанных с путем рекурсивного самосовершенствования (RSI), и развитием возможностей, способных ускорить RSI. Гонка за создание моделей, исключительно сильных в кодинге, описывается как тесно связанная с RSI.

Генерация изображений, напротив, характеризуется как направление, не находящееся на критическом пути RSI. Отмечается, что DeepMind, возможно, сообщила о прорыве с использованием мировых моделей, однако прямо признается неопределенность в том, насколько корректно это сообщение было понято и верно ли само утверждение.

Согласно приписываемой Anthropic позиции, мировое лидерство в генерации изображений может быть не нужно, если модели достаточно сильны в кодинге: он способен обучать модель созданию новых моделей. Противоположный подход, приписываемый Zuck, делает акцент на инструментах для таких задач, как бронирование ужина, — это полезно, но, вероятно, не связано с путем RSI и потому является разумным компромиссом при распределении вычислений.