Puolivalmis ajatus: Keskusteluissa tekoälystä esitetään usein väitteitä sekä kyvyistä että yhteiskunnallisista vaikutuksista, ja käytännössä raja on melko epäselvä. Eri persoonallisuustyypit ja ammatit näkevät asiat eri näkökulmista. Liiallisen karikaturoinnin riskillä kaksi yleistä näkökulmaa vaikuttavat seuraavalta: Tietojenkäsittelytieteen edeltäjä yleensä on: riittävän pätevä ASI voi periaatteessa ratkaista minkä tahansa ongelman. Paikallinen tieto on vain dataa, joka on omaksuttava. Jos olet tarpeeksi fiksu ja sinulla on tarpeeksi laskentaa, voit keskittää (ja ratkaista) kaiken. Joten kun ylität ihmisen 'älykkyyden' kynnyksen, mitä 'hyötyä' ihmisellä voisi koskaan olla? Taloustieteilijän edeltäjä (erityisesti Hayekin suuntaus) on: tieto ei ole pelkästään kerättäviä faktoja, vaan se on kontekstuaalista, hiljaista, usein hetkessä vuorovaikutuksen kautta syntyvää. Sitä ei ole olemassa ennen sitä prosessia, joka sitä käyttää. Mikään optimointivoima ei anna prosessin ohittaa, koska tieto ei odota löytämistä – se muodostuu vuorovaikutuksesta. Ensimmäisessä näkemyksessä ihmisen toimijuus muuttuu epifenomenaaliseksi, katsot vain optimoijan tekevän tehtävänsä. Kun taas jälkimmäisessä, jos tieto muodostuu osittain vuorovaikutuksen kautta, toimijuus on keskeinen osa. Itse asiassa se on poissulkematon epistemmisen prosessin keskuudessa. Tämä saattaa selittää, miksi nämä kaksi leiriä puhuvat toistensa ohi. Tietojenkäsittelytieteen näkemys näkee taloustieteilijän vastalauseen "ihmiset haluavat tuntea itsensä hyödyllisiksi" tai "nykyinen tekoäly ei ole vielä tarpeeksi kykenevä" – ehdollisia rajoituksia, jotka tullaan voittamaan. Ekonomistin näkemys näkee tietojenkäsittelytieteen kannan kategoriavirheenä tiedosta – ei väitteenä tulevista kyvykkyystasoista, vaan ongelman rakenteesta. Taloustieteen näkemys vaikuttaa luonteeltaan vähemmän deterministiseltä ja tarjoaa joitakin etuja: ensinnäkin, aika. Jos käyttöönotto ja sopeutuminen ovat todellista työtä, jota ei voi ohittaa, siirtymä ei ole välitön. Ei ole olemassa "foomia", jossa yksi järjestelmä yhtäkkiä tekee kaiken. Mutta vielä tärkeämpää ovat vipupisteet: jos arvonluonti vaatii kontekstisidonnaista integraatiota, on monia kohtia, joissa hallinto, instituutiot ja valinnat voivat muovata lopputuloksia. Se ei määräydy pelkästään sen mukaan, kenellä on suurin harjoitusryhmä tai kuinka kykenevä järjestelmäsi on. Toinen ydin on pohjimmiltaan se, miten ajattelet kohdistusta. Gillian Hadfield selittää, että "normit ja arvot eivät ole vain eksogeenisen ympäristön piirteitä... sen sijaan ne ovat dynaamisten käyttäytymisjärjestelmien tasapainotuotoksia." ( Comp sci:n priorissa kohdistus on tekninen ongelma oikean tavoitefunktion erottamisessa. Jos pidät taloustieteilijän ensin, linjaus *on* integraatio dynaamisiin sosiaalisiin prosesseihin, jotka muodostavat normatiivisen arvion: tuotteet, äänet, normit, käytännöt, valinnat jne. Tämän muovaaminen on jatkuva asia, ei asia, joka pitäisi ratkaista etukäteen. Tämä ei välttämättä tarkoita, että tietojenkäsittelytieteen näkemys olisi väärä: pääasialliset agenttiongelmat ja ohjeiden jälkeiset ongelmat ovat todellisia – mutta ratkaisutila on paljon laajempi kuin itse malli ja kattaa koko institutionaalisen pinon, jonka kautta tekoälyjärjestelmiä otetaan, hallitaan ja pidetään vastuullisina.