Az AI kutatási cikkek napjainkban tapasztalható áradata megnehezíti a kitűnést, ám egy nemrég megjelent tanulmány széles körű iparági vitát indított el. Suhail Doshi, egy startupalapító szerint ez "a leginspirálóbb dolog, amit az elmúlt két évben olvastam az AI-ról, " míg Jack Clark, az Anthropic társalapítója, a saját Import AI hírlevelében emelte ki, melyet széles körben olvasnak az AI-kutatók. A Google’s David Silver és a kanadai számítástechnikus Richard Sutton által írt tanulmány bátran kijelenti az egyes AI-korszakok váltását. Meghatározzák két múltbeli modern AI-korszakot: az egyik a „Szimulációs Korszak”, melyet az AlphaGo 2015-ös teljesítménye jellemzett, amikor mélyerősítéses tanulással túlment az embereken a Go játékban digitális szimulációkban; a másik a jelenlegi „Emberi Adatok Kora”, amelyet az 2017-es „Attention Is All You Need” című tanulmány indított el, mely hatalmas mennyiségű emberi internetes adat alapján tanított modelleket, végül az OpenAI ChatGPT-jével és más erőteljes generatív AI-eszközökkel zárult. A Szimulációs Korszak során az AI milliószámra szimulált játékok révén tanult, jutalmak által ösztönözve, lehetővé téve olyan sikereket, mint AlphaGo és AlphaZero, de ez a korszak csak jól meghatározott feladatokra korlátozódott, és nem volt képes szélesebb problémákat megoldani. Az Emberi Adatok Korsza pedig hatalmas emberi tartalmakat felhasználva tréningelt általános alkalmazásokat, amelyek különféle feladatokat képesek elvégezni, mégis Silver és Sutton szerint ez most „plafont” szab az AI teljesítményének, mivel az ügynökök csak a meglévő emberi tudást bővítik. Ráadásul a nagy mennyiségű kiváló minőségű emberi adat iránti folyamatos kereslet messze meghaladja a kínálatot, ezért a további fejlődés költséges és nehéz. Javaslatuk szerint bevezetésre kerül a „Tapasztalat Korszak”, ahol az AI modellek saját adataikat generálják interakció révén a való világban, ezáltal túllépve az adathiányt és előre haladva a mesterséges általános intelligencia (AGI) felé.

Silver és Sutton szerint az élő tapasztalati adatok hamarosan felülmúlják az ember által generált adatokat nagyságban és minőségben, lehetővé téve képességek kibővítését, amelyek túltesznek bárki emberi tudásán. Ez hasonló ahhoz, mint amikor egy gyermeket bátorítunk arra, hogy a valós tapasztalatokon keresztül fedezze fel és tanulja meg a világot, nem pedig passzív fogyasztással. Példák erre az AI egészségügyi asszisztensek, amelyek valódi egészségügyi mutatókkal jutalmaznak, oktatási segédanyagok, amelyek nyelvtanulást ösztönöznek vizsgaeredményekkel, vagy tudományos ügynökök, amelyek klímaváltozást próbálnak kezelni empirikus adatokkal. Ez a megközelítés visszatér a Szimulációs Korszak megerősítéses tanulásához, de a digitális környezet helyett a való világban való interakcióra helyezi a hangsúlyt, ezzel potenciálisan korlátlan mennyiségű új információt szerezve. A szerzők kritizálják a jelenlegi Emberi Adatok Korszakát, mert ez az ügynököket „visszhangszobákká” teszi az emberi tudásban, miközben hiányzik a képességük a saját felfedezésre. Ez a finom kihívás szinte nyilvánvalóan az OpenAI dominanciájára irányul, arra utalva, hogy csak az élő tapasztalaton alapuló tanulás révén léphet túl az AI a meglévő határain. A tanulmány merészsége és víziója az AI következő fázisának magabiztosságát példázza.