Дебати про внутрішню та зовнішню мотивацію ШІ вирішені. Meta просто показала, що вся явна система винагород відволікає увагу. Ваша платформа RL вартістю 500 доларів на місяць тепер навчає агентів з навчальними колесами. Справжнє навчання відбувається за прямим наслідком, а не за довільними оцінками. Це відкриває шлях до справді адаптивного, незапрограмованого інтелекту.