Le point de vue de Narayanan est plutôt intéressant — capacité ≠ fiabilité, l’évaluation dans un monde ouvert est le vrai défi, et la sous-estimation du goulot d’étranglement en automatisation du travail cognitif est répandue.

Le professeur d'informatique de Princeton Arvind Narayanan a déclaré lors d'un séminaire au laboratoire d'économie numérique de Stanford que l'IA automatisera une grande partie du travail cognitif, mais que le goulet d'étranglement des capacités en aval apparaîtra progressivement dans les décennies à venir. Il a critiqué l'accent excessif mis sur l'infrastructure de preuve axée sur la dimension des capacités, en présentant le travail de son équipe sur la mesure des caractéristiques de diffusion, telles que l'évaluation en monde ouvert et la considération de la fiabilité de l'IA comme une dimension orthogonale aux capacités. Il a proposé un programme d'automatisation du travail cognitif orienté vers l'avenir, en prédisant la demande de main-d'œuvre, les risques institutionnels et les nouveaux défis éthiques sociaux, en plaidant pour le développement d'une conscience contextuelle et d'une double trajectoire de prévision de nouveaux équilibres.