Az OpenAI nemrégiben bemutatta fejlett AI rendszerét, az o1-et, amely új szintű képességeket kínál, és azt állítja, hogy szorosan utánozza az emberi gondolkodási folyamatokat. Ez a kiadás újraélesztette a vitákat a mesterséges általános intelligencia (AGI) elérésének ütemtervéről—egy olyan gépről, amely képes elvégezni az emberi kognitív feladatok teljes skáláját, mint például érvelés, tervezés és tanulás a környezetből. Az AGI, ha elérik, megoldhat összetett kihívásokat, mint a klímaváltozás és a betegségek, de jelentős kockázatokkal is járhat, ha helytelenül használják vagy nem ellenőrizhető, figyelmeztet Yoshua Bengio, a mélytanulás szakértője. Annak ellenére, hogy az o1-hez hasonló nagy nyelvi modellek (LLM-ek) jelentős előrelépéseket értek el, Bengio és más szakértők azt állítják, hogy ezek önmagukban nem képesek elérni az AGI-t az architektúrájuk és működésük hiányzó elemei miatt. Az LLM-ek átalakították az AI-t azáltal, hogy transzformátor architektúrákat használnak, amelyek lehetővé teszik számukra, hogy úgy tanuljanak nyelvi mintázatokat, ahogy az emberi megismerés is teszi. Ez lehetővé tette számukra, hogy összetett feladatokat hajtsanak végre, mint például matematikai problémák megoldása és számítógépes kódok generálása. Azonban korlátozott a képességük arra, hogy alkalmazkodjanak és új, teljesen ismeretlen feladatokat oldjanak meg—a mi az AGI jellemzője. Néhány kutató megjegyezte, hogy bár az o1-hez hasonló LLM-ek fejlett módszereket alkalmaznak, mint például a gondolati lánc promptok a jobb teljesítmény érdekében problémamegoldásban, még mindig nehézségekkel küzdenek olyan feladatok kezelésében, amelyek kiterjedt tervezést vagy absztrakt érvelési követelményeket igényelnek. A transzformátorok sikere a különféle adattípusok feldolgozásában azt sugallja, hogy lehetséges út vezet az AGI felé.

Ám kihívások maradnak, beleértve az adatok véges elérhetőségét a modell képzéséhez és a modell skálázásából származó csökkenő hozamokat. Emellett adaptívabb modellek szükségesek, amelyek képesek világreprezentációkat létrehozni és használni, és amelyek inkább hasonlítanak az emberi idegrendszerekre, belső visszacsatolási mechanizmusokkal az észleléshez és tervezéshez. Miközben néhány kutató már új architektúrákat vizsgál, amelyek visszacsatolási hurkokat és hatékony adatfelhasználást foglalnak magukban, az AGI felé vezető út még korai szakaszban van. Kritikus az AI biztonságának biztosítása szabályozás és beépített modellvédelmi intézkedések révén, figyelmeztet Bengio és mások. Általános egyetértés van olyan tudósok között, mint Melanie Mitchell és George, hogy az AGI elméletileg elérhető, amit az emberi intelligencia is bizonyít. Azonban az érkezésére vonatkozó előrejelzések eltérőek, néhányan úgy becsülik, az AGI néhány évtől tíz évig is elérhető lehet. Igazi hatása fokozatosan bontakozhat ki, nem pedig hirtelen áttöréssel.