V Silicijevi dolini se krepi prepričanje, da se morda upočasnjuje napredek velikih modelov umetne inteligence (UI), kar bi lahko vplivalo na pričakovani prihod umetne inteligence na človeški ravni. Sprva se je domnevalo, da bo z dovolj podatki in računalniško močjo umetna splošna inteligenca (AGI) naravno nastala. To prepričanje je spodbudilo tehnološke velikane k obsežnim naložbam, kot je OpenAI, ki je zbral 6, 6 milijarde dolarjev, in Elon Muskovo podjetje xAI, ki zbira sredstva za napredne čipe Nvidia. Vendar poznavalci zdaj opažajo, da ti veliki jezikovni modeli (LLM) ne napredujejo tako hitro, kot je bilo pričakovano, kljub znatnim vložkom. Kritiki, kot je Gary Marcus, trdijo, da je bila ideja, da bodo LLM dosegli AGI, vedno mit. Eden od izzivov je omejena količina podatkov, ki temeljijo na jeziku, za treniranje UI, kar bi lahko ustvarilo oviro za nadaljnji napredek.

Nekateri strokovnjaki, kot je Sasha Luccioni, menijo, da je osredotočenost industrije na velikost modela namesto na njegov namen upočasnila napredek. Kljub tem pomislekom voditelji v industriji UI ostajajo optimistični glede doseganja AGI v prihodnosti. Zaradi počasnejšega napredka, kot je bilo pričakovano, OpenAI spreminja strategijo in se osredotoča na izboljšanje trenutnih sposobnosti modelov namesto samo na povečevanje podatkov in računalniške moči. Njihov novi model o1 se osredotoča na izboljšanje sklepanja za natančnejše odgovore. OpenAI in drugi predlagajo, da je čas za izpopolnitev obstoječih zmožnosti UI za specifične naloge, podobno kot učinkovita uporaba ognja namesto zgolj dodajanja več goriva. To odraža idejo o prehodu od pogostih napak k premišljenemu reševanju problemov, podobno kot študentje med svojim izobraževalnim potovanjem.