Az anyag azzal a kérdéssel indul, hogy pontosan mit is jelent a gépi tanulási rendszerek méretezése, illetve milyen célok húzódnak meg a jelenlegi kutatási irányok mögött. Felvetődik a dilemma, hogy az emberi tanulási képességekhez közel álló, általános tanulók tényleg közel járnak-e a megvalósuláshoz, vagy alapvetően hibásak a jelenlegi megközelítések, amelyek előre programozott készségek beépítésén alapulnak.
A videó számos érdekes példán keresztül mutatja be, hogyan próbálják a cégek speciális környezetekben előre megtanítani a modelleknek különféle eszközök (például böngészők vagy Excel) használatát. Kiemelődik az az ellentmondás, hogy ha tényleg képesek lennének a munka közbeni önálló tanulásra ezek a modellek, akkor az ilyen előzetes képzések feleslegessé válnának. Ugyanakkor, ha nem képesek erre, akkor a mesterséges általános intelligencia (AGI) még mindig távoli célnak tűnik.
Különösen érdekes az a kritika, hogy a mai modellek nem képesek a humán munkaerőhöz hasonlóan rugalmasan és kontextusfüggően tanulni, ami jelentős korlátja az általánosításnak és a széles körű gazdasági hasznosulásnak. Ezzel kapcsolatban az is elhangzik, hogy a laborok jelenlegi stratégiái inkább a készségek előre bekódolt beépítését preferálják.
Felmerül a kérdés, hogy az AI fejlődése miért nem hozott eddig forradalmi gazdasági változásokat, és ezek hátterében milyen tényezők, például az adaptív tanulási képességek hiánya, állhatnak. Hasonlóan vitatott pont, hogy elegendő-e a modellek méretének növelése, illetve milyen irányba fejlődhet a fejlesztés – a folyamatos tanulás és a kollektív tapasztalatok hálózatosításának koncepciója is nagy teret kap.
