人工智能行业对 Transformer 模型的大规模押注，或许不足以实现真正的通用人工智能（AGI）。

主要人工智能公司正大力投资 Transformer 模型，认为它们将引领人类水平的通用智能。然而，一些专家如 Ben Goertzel 对此方法提出质疑，指出当前的大型语言模型过于相似，仅靠规模可能不足。Transformer 模型在训练和运行时需要巨大的计算资源，不断攀升的成本可能很快超过其收益。 Goertzel 还指出，这些模型缺乏像人类那样的实时、持续学习能力，每次新交互都会回退到基线参数。尽管一些研究人员正在探索支持持续学习的替代神经网络架构，但行业的关注点仍主要集中在优化现有方法上。尽管如此，Goertzel 对通用人工智能（AGI）的近期出现持乐观态度，但他认为这很可能需要超越单纯扩展当前模型的技术进步。 在其他人工智能新闻中，初创公司 Sakana AI 推出了 Sakana Fugu 系统，该系统协调多个前沿人工智能模型协同处理复杂任务。这一多智能体系统旨在自主将子任务分配给最合适的模型，并包含一个循环机制以克服僵局。Sakana AI 声称，Fugu 在软件工程与科学推理的基准测试中优于同类系统。 与此同时，Peter Thiel 支持 Objection AI 这家初创公司，该公司提供人工智能辅助调查以核实媒体声明。公司收取费用，分析信息并出具判断；虽然该判断不具备法律约束力，但可作为声誉防御工具使用。然而，批评者担心 Objection AI 可能通过向记者施压和阻碍吹哨人而抑制调查报道，甚至可能成为 discredit 记者和恐吓消息来源的工具。