Rastuće uvjerenje u Silicijskoj dolini sugerira da se napredak u velikim AI modelima možda usporava, što bi moglo utjecati na očekivani dolazak umjetne inteligencije na ljudskom nivou. U početku se pretpostavljalo da će se s dovoljno podataka i računalne snage umjetna opća inteligencija (AGI) prirodno pojaviti. Ovo vjerovanje potaknulo je tehnološke gigante na velika ulaganja, kao što se vidi po tome što je OpenAI prikupio 6. 6 milijardi dolara, a xAI Elona Muska prikupljao sredstva za napredne Nvidia čipove. Međutim, insajderi sada primjećuju da se veliki jezički modeli (LLM) ne poboljšavaju tako brzo kao što se očekivalo, čak i uz značajna ulaganja. Kritičari poput Garyja Marcusa tvrde da je postizanje AGI-ja s LLM-ovima uvijek bila mit. Jedan izazov je ograničena količina jezičkih podataka dostupnih za obuku AI-ja, što stvara potencijalni zid za dalji napredak.

Neki stručnjaci, poput Sashe Luccioni, vjeruju da je fokus industrije na veličinu modela umjesto na njihovu svrhu zaustavio napredak. Uprkos ovim zabrinutostima, lideri AI industrije zadržavaju optimizam glede eventualnog dostizanja AGI-ja. OpenAI-ova promjena strategije, zbog sporijih poboljšanja nego što se očekivalo, uključuje poboljšanje trenutnih sposobnosti modela umjesto oslanjanja isključivo na povećane podatke i računalnu snagu. Njihov novi o1 model fokusira se na poboljšanje rasuđivanja za tačnije odgovore. OpenAI i drugi sugeriraju da je vrijeme da se postojeće AI sposobnosti unaprijede za specifične zadatke, slično kao efikasno korištenje vatre umjesto samo dodavanja više goriva. Ovo odražava ideju prelaska s učestalih grešaka na promišljeno rješavanje problema, slično prijelazu kroz koji studenti prolaze tokom svog obrazovnog putovanja.