Trenutna rasprava o napretku umjetne inteligencije pokazuje podijeljena mišljenja o razvoju neuronskih mreža. Eric Schmidt tvrdi da nema dokaza o smanjenju povrata od skaliranja neuronskih mreža, dok drugi, uključujući istraživača Ethana Caballera, raspravljaju o mogućem zasićenju zbog problema kao što su ograničeni visoko kvalitetni podaci za obuku. Caballerova istraživanja sugeriraju da promjene u skaliranju mogu dovesti do privremenih padova, ali to ne mora nužno značiti dugoročnu stagnaciju; više podsjećaju na "slučajnu šetnju, " s različitim putevima koje razvoj AI-a može uzeti tokom vremena. Diskusije, poput one koju su vodili Chris i Mike Sharkey na podcastu “This Day in AI, ” naglašavaju važnost korištenja trenutnih AI modela umjesto da se isključivo fokusiramo na buduće mogućnosti.

Fei-Fei Li ističe potencijal postojećih AI sistema, posebno u područjima kao što je vizualno-prostorna inteligencija, potičući istraživanje trenutnih kapaciteta. Putovanje umjetne inteligencije sagledava se kao sedam faza evolucije prema prezentaciji AI Uncovered, koje se kreću od baznih inteligentnih sistema do Singulariteta, gdje se AI spaja s ljudskom inteligencijom. Faze uključuju sisteme svjesne konteksta, specifične domene majstorstva, razumske AI, Opću umjetnu inteligenciju (AGI), Umjetnu superinteligenciju (ASI) i na kraju Singularitet, gdje se sposobnosti AI i ljudi konvergiraju. Uprkos raznim debatama o zakonima skaliranja AI-a, ovaj širi pogled podstiče zanemarivanje trenutne pompe u korist fokusiranja na obiman budući razvoj AI-a.