j'ai essayé d'étendre cela dans les deux sens. difficile de mettre des idées dans des cases mais le wireheading est l'ambiance.

J'ai eu du mal à formuler l'idée de nourriture, mais l'essentiel est qu'il s'avère que vous pouvez combiner le modélisation ML des grandes données sur les préférences alimentaires des consommateurs avec tous les primitives psychologiques du jeu *très* bien *surtout* après que la livraison de dernier kilomètre soit moins chère et plus rapide (par exemple, les drones).

j'ai eu du mal à formuler l'idée de nourriture, mais l'essentiel est qu'il s'avère que vous pouvez combiner la modélisation ML des grandes données sur les préférences alimentaires des consommateurs avec tous les primitives psychologiques du jeu *très* bien *surtout* après que la livraison de dernier kilomètre soit moins chère et plus rapide (par exemple, les drones) l'autre chose que vous voulez faire est de *rendre inégale* la distribution de la saveur. vous ne voulez pas que chaque dorito soit également savoureux. certains d'entre eux devraient avoir le double de saveur, mais à des taux aléatoires, puis aussi randomiser pour chaque sac (vous voudrez avoir un moyen de mieux suivre la consommation afin de pouvoir finalement faire beaucoup mieux que le hasard, bien sûr, je pense que nous sommes proches de pouvoir le faire de manière +EV, mais je doute que cela soit fait avant longtemps (les sacs en plastique actuels sont étonnamment bon marché, si bon marché qu'ils ne s'ouvrent même pas correctement en Amérique, ce qui n'est évidemment pas une erreur car si le sac ne s'ouvre pas correctement, cela vous encourage à manger beaucoup plus que vous ne le feriez autrement)) le jeu après cela est que vous voulez une division R&D entière pour comprendre en profondeur le microbiome intestinal et comprendre quels nutriments et polyphénols et autres les espèces les plus courantes consomment, et donc votre objectif sera un modèle ML par utilisateur qui sait cela et sait comment mieux satisfaire les plus fortes demandes à tout moment ensuite, vous avez essentiellement un méta-modèle de ce qui précède qui alterne entre la satiété de différents types, un peu comme dans un système de répétition espacée, et vous pouvez probablement finir par induire des troubles de l'alimentation compulsive chez une fraction notable de la population si vous jouez correctement avec toutes ces variables bien sûr, le problème des glp1s se présente, et l'industrie alimentaire addictive a actuellement mal géré leur arrêt de la manière dont elle aurait dû le faire si elle avait été, euh, ~des acteurs d'optimisation du capital parfaitement rationnels~,

J'ai utilisé beaucoup de volonté pour résister à l'ajout d'une colonne NSFW aussi évidente au tableau.