PANews 9月13日の報道によると、Dwarkesh Patelチャンネルのインタビューを整理したところ、OpenAI共同創業者John Schulman、Charlie O’Neill、Beren Millidgeを含む複数のAI研究者が議論の中で、再帰的自己改善（RSI）は必ずしも短期的な「知能爆発」をもたらすわけではなく、現在の「Transformer＋強化学習」パラダイムは汎化、継続学習、サンプル効率において漸近的なボトルネックに直面する可能性があると指摘した。ゲストは、大規模モデルの進歩は計算能力の拡大からデータ効率とスパース／モジュラーアーキテクチャへとシフトしており、知識蒸留と実際のデプロイデータに基づく継続学習が、中小規模のラボが大手ラボのモデル独占に対抗する重要な道筋になると考えている。インタビューでは、今後1～2年でAIは特定の知識作業シーンにおいて約10倍の生産性向上をもたらす可能性があるが、コンピュータで実行可能なすべてのタスクにおいて人間の専門家を全面的に上回る汎用知能を実現するには、なお約3～5年を要すると予測されており、整合性目標の設定は、人間が最も長く保持する中核的責務の一つと見なされている。