@flappyairplanes:n perustajat kutsuvat nykyistä RL-mallien koulutuksen paradigmaa "ympäristön slopiksi". He selittävät: "Nykyiset vahvistusparadigmat ovat järkyttävän tehottomia. Et oikeastaan saa paljon yleistyksiä tehtävien välillä, opetat mallin yhden oppimisen kautta ja sitten seuraavan. Se on vähän kuin whack-a-mole. Katsomme tätä ja ajattelemme, että se on aika hullua. Seuraava tekoälyparadigma ei ole ympäristön sotku." "Ihmisen tason älykkyys ei ole katto, se on vain lattia sille, mikä on mahdollista. Jos voit kouluttaa malleja, joilla on huomattavasti vähemmän dataa ja mahdollisesti enemmän laskentaa hyvin eri tavoin, mitä tapahtuu? Emme oikeastaan tiedä. Mutta uskon, että ne ovat erilaisia ja outoja, ja niillä on mielenkiintoisia ominaisuuksia, joita löydämme todella arvokkaita tapoja käyttää."