Het huidige debat over AI-vooruitgangen onthult gemengde meningen over de vooruitgang van neurale netwerken. Eric Schmidt beweert dat er geen bewijs is van afnemende opbrengsten door schaalvergroting van neurale netwerken, terwijl anderen, waaronder onderzoeker Ethan Caballero, mogelijke plateaus bespreken als gevolg van problemen zoals beperkte hoogwaardige trainingsdata. Caballero's onderzoek suggereert dat schaalveranderingen tot tijdelijke achteruitgang kunnen leiden, maar dat deze niet noodzakelijkerwijs een langdurig plateau aangeven; eerder lijken ze op een "willekeurige wandeling, " met verschillende paden die AI-ontwikkeling in de loop van de tijd kan nemen. Discussies, zoals die door Chris en Mike Sharkey in de “This Day in AI” podcast, benadrukken het belang van het benutten van huidige AI-modellen in plaats van uitsluitend te focussen op toekomstige mogelijkheden.

Fei-Fei Li onderstreept het potentieel van bestaande AI-systemen, vooral in gebieden zoals visueel-ruimtelijke intelligentie, en roept op tot verkenning van huidige capaciteiten. De reis van AI wordt gezien als een zevenstaps evolutie volgens een presentatie door AI Uncovered, variërend van regelgebaseerde AI tot de Singulariteit, waar AI samensmelt met menselijke intelligentie. De stadia omvatten contextbewuste systemen, domeinspecifieke meesterwerken, redenerende AI, Artificiële Algemene Intelligentie (AGI), Artificiële Superintelligentie (ASI), en ten slotte de Singulariteit, waar AI en menselijke capaciteiten samenvloeien. Middenin de verschillende debatten over AI-schaalwetten moedigt dit bredere perspectief aan om over de huidige hype heen te kijken en te concentreren op de uitgebreide toekomst van AI-ontwikkelingen.