Mnoho špičkových výzkumníků začíná tvrdit, že samotné škálování nás k AGI nedostane, a že nakonec budeme potřebovat zásadní průlom podobný vzniku transformátorů. Nedávno jsem měl možnost mluvit s Johnem Hennessym (předsedou Alphabetu) a zeptal jsem se ho, zda je současný trend škálování jen další dočasnou fází, nebo paradigmatem sám o sobě. Řekl, že existují dvě klíčové otázky: Zda škálování bude i nadále přinášet pokroky ve schopnosti budovat AI systémy pro komplexní uvažování. Zatím jsme neviděli žádné zastavení, takže odpověď není jednoznačně ano, ale pravděpodobně ano. Druhá otázka je, zda škálování zůstane nákladově efektivní, a jeho odpověď byla ne. Užitečným ukazatelem je výkon na watt, a tato křivka se začíná zplošťovat. Věřím, že je stále jasnější, že i když škálování bude nadále zlepšovat schopnosti modelu, skutečným úzkým místem nemusí být klesající výnosy, ale náklady na energii potřebné k dosažení systémů na úrovni AGI a ASI. Stagnace se neprojevuje v surovém výkonu, ale ve výkonu na watt. problém ASI se nakonec zhroutí v energetický problém. Tak tedy Kardashev.