A folyamatos tanulás korszakában várható változások közül nyolc fontos előrejelzést ismerhetünk meg ebben az anyagban. Először egy érdekes hasonlattal szemléltetik, miért nem elegendő, ha a mesterséges intelligencia (AI) csak szöveges jegyzeteket továbbít egymásnak, ahelyett, hogy tapasztalatot gyűjtene – hasonlóan ahhoz, ahogy az emberek valódi készségeket sajátítanak el a gyakorlatban.
A folytatásban felmerül a kérdés, milyen hatással lesz a folyamatos tanulás a mesterséges intelligenciák szabályozására: vajon elavulttá válhatnak azok a jelenlegi megközelítések, amelyek egy egyszeri, előre meghatározott ellenőrzésre épülnek? Emellett az is szóba kerül, mekkora kihívást jelent technikai szempontból az, hogy az AI-k folyamatos fejlesztése mellett hogyan biztosítható a biztonságuk és megbízhatóságuk.
Külön hangsúlyt kap az AI elmék – azaz alapmodellek – közötti diverzitás növekedése, valamint a piaci verseny éleződése, ahogy egyre többen alkalmazzák a folyamatosan tanuló rendszereket. Szóba kerül az a lehetőség is, hogy a vállalatok számára egyre jelentősebb lesz a „lock-in”, vagyis hogy mennyire nehezen válthatnak másik AI-szolgáltatóra, amikor egy rendszer már saját szervezetükre szabva tanul tovább.
További izgalmas kérdés, hogyan befolyásolhatja az üzleti modelleket és gazdasági hatékonyságot a folyamatos tanulás bevezetése. Megjelenik az a dilemma, hogy a felhasználóknak és cégeknek milyen motivációik lesznek abban, hogy engedélyezzék modelljeik továbbképzését, illetve milyen előnyöket vagy hátrányokat jelent az egyéni vagy vállalati szintű személyre szabás.
Végül felvetődik, hogy a folyamatos tanulás gazdasági és technológiai oldalról egy egész iparág működését alakíthatja át, ahol az erőforrások hatékony kihasználása még fontosabbá válik, és akár nagyvállalatok számára jelenthet kiemelkedő előnyt.
