Nathan Zhao'nun makalesi, en iyi araştırmacıların makine öğrenimi, bilimsel hesaplama, yazılım mühendisliği, matematik ve istatistik gibi geniş bir yelpazede 'bilgi sahibi' olduğunu savunuyor. Bu derin teknik bilgi birikimi, yeni fikirlerin ortaya çıkmasını sağlarken, kötü fikirlerin de tanınmasına yardımcı oluyor. Yazar, uzmanlaşmanın ancak geniş bir temel üzerine inşa edildiğinde anlamlı olduğunu, aksi takdirde her yeni fikrin bir 'devrim' gibi görüneceğini ve insanların doğruluğundan ziyade sadece geçmiş başarılar veya dış görünüşe göre şeylere güvenmeye başlayacağını belirtiyor. Bu temel, sadece bir ML doktora hedefiyle sınırlı kalmayıp, kişisel estetik ve deneyimlerle şekillenen doğal bir sezgiyi de içeriyor; tıpkı Dirac'ın matematiksel güzelliğin temel bir teorinin doğruluğunun göstergesi olduğuna inanması gibi.
Günümüzde çoğu insanın üretmekten ziyade tüketmeye odaklandığına dikkat çekiliyor. Kısa biçimli medya, dikkati sıkıştırarak anlamaktan çok tanımayı ödüllendiriyor. Bu durum, insanların 'filozofun askılığı' gibi, çerçeveler ve zihinsel modeller topladığı ancak bunları gerçek dünyada uygulamadığı bir duruma yol açıyor. Yapay zeka, gerçek bir niyet olmaksızın kullanıldığında, bu insan hatasını daha da büyütüyor. Bir model birinin adına yazı yazdığında, binlerce mikro kararı tek bir üretimde birleştirir. Retorik, farklı kitlelerin bir kavramı nasıl algıladığıyla doğrudan ilişkilidir; sözdizimsel yapı, analojilerin kullanımı, paragraf düzeni ve argüman sıralaması gibi unsurlar mesajı güçlendirebilir veya karıştırabilir. Gerçek bir yazarın her biri bir yargı çağrısı olan bu kararları, yapay zeka araçlarının bilinçsiz kullanımıyla körelebilir, çünkü yargı kullanılmadığında körelir.
Derin ve geniş kapsamlı bilgi birikimi, yüzeysel uzmanlaşmanın ve yapay zeka destekli otomatikleşmenin getirdiği yargı kaybına karşı koyarak gerçek yenilik ve anlayışın temelini oluşturur.