OpenAI ने अलीकडेच त्याच्या प्रगत AI प्रणाली o1 सादर केली आहे, ज्यामध्ये नवीन पातळीवरील क्षमता आहे आणि मानवाच्या विचार प्रक्रियेचे जवळजवळ अनुकरण करण्याचा दावा केला आहे. या प्रकाशनामुळे कृत्रिम सामान्य बुद्धिमत्ता (AGI)—एक मशीन जी मानवी संज्ञानात्मक कार्यांची संपूर्ण श्रेणी करता येईल, जसे की विचार, नियोजन आणि वातावरणातून शिकणे—साध्य करण्याच्या कालावधीवर चर्चांना पुनर्जन्म मिळाला. AGI साध्य झाला तर पर्यावरणीय बदल आणि रोगांसारख्या जटिल समस्यांचे निराकरण करणे शक्य होऊ शकते, परंतु चुकीच्या वापर किंवा अनियंत्रित झाल्यास मोठ्या जोखमींना सामोरे जावे लागेल, असे दीप-लर्निंग तज्ञ योशुआ बेंगियो चेतावणी देतात. मोठ्या भाषा मॉडेल्स (LLMs) सारख्या o1 च्या प्रगतीनंतरही, बेंगियो यांच्यासारख्या तज्ञांचा असा युक्तिवाद आहे की त्यांच्या आर्किटेक्चर आणि कार्यप्रणालीतील त्रुटींच्या कारणास्तव हे एकटेच AGI साध्य करू शकत नाहीत. LLMs ने AI चे रूपांतर ट्रान्सफॉर्मर आर्किटेक्टचरचा वापर करून केले आहे, ज्यामुळे त्यांना भाषेचे नमुने शिकण्याची मानवी संज्ञानाची आठवण करून दिली आहे. त्यामुळे त्यांना गणिती समस्यांचे निराकरण आणि संगणकीय कोड तयार करणे यांसारखी जटिल कार्ये करता येतात. तथापि, त्यांच्या शिकलेल्या ज्ञानाला पूर्णपणे नवीन कार्यांवर लागवड आणि पुन्हा संयोजन करण्याची क्षमता—AGI ची वैशिष्ट्यपूर्ण क्षमता—मर्यादित आहे. काही संशोधकांनी लक्षात घेतले आहे की जरी o1 सारख्या LLMs चांगली कामगिरी सुधारण्यासाठी चेन-ऑफ-थॉट प्रवर्तनासारख्या प्रगत पद्धती समाविष्ट करतात, तरीही त्यांना विस्तृत नियोजन किंवा सरल विचारांच्या गरज असणाऱ्या कार्यांसाठी मर्यादा दिसतात. विविध डेटाच्या प्रकारांवर प्रक्रिया करण्यासाठी ट्रान्सफॉर्मर्सच्या यशामुळे AGI च्या दिशेने एक संभाव्य मार्ग सूचित केला जातो.

तरीसुद्धा, अजूनही आव्हाने आहेत, ज्यात मॉडेल प्रशिक्षणासाठी मर्यादित डेटा उपलब्ध आहे आणि मॉडेलच्या स्केलिंगपासून कमी होणारा फायदा. शिवाय, AGI साठी अधिक अनुकूलनीय मॉडेल्स आवश्यक असू शकतात, जे मानवाच्या अभ्यंतरण प्रणालींप्रमाणे अंतर्गत अभिप्राय यंत्रणेसह जगाचे प्रतिनिधित्व तयार करू शकतात आणि वापरू शकतात. जरी काही संशोधक अभ्यंतरणाच्या नवीन आर्किटेक्चरचा अभ्यास सुरू करत आहेत ज्यात फीडबॅक लूप्स आणि कार्यक्षम डेटा वापर समाविष्ट आहे, तरीही AGI चा प्रवास आरंभिक अवस्थेतील आहे. बेंगियो आणि अन्यांच्या मते, नियमांद्वारे आणि अंतर्गत मॉडेल सुरक्षा उपायांनी AI सुरक्षितता सुनिश्चित करणे महत्त्वपूर्ण आहे. मेलेनी मिचेल आणि जॉर्ज सारख्या वैज्ञानिकांमध्ये AGI सैद्धांतिकदृष्ट्या साध्य होऊ शकते असा सामान्य एकमत आहे, जसे की मानवी बुद्धिमत्ता पुरावा आहे. तथापि, त्याच्या आगमनाच्या भाकितांमध्ये फरक आहे, काहीच्या मते AGI काही वर्षे ते दहा वर्षांपर्यंत असू शकते. त्याचा खरा प्रभाव अचानक मोठ्या शोधकार्यामुळे होण्यापेक्षा हळूहळू व्यक्त होण्याची शक्यता आहे.