虽然这一概念仍处于理论摸索阶段，这种手艺演进径暗示着双沉影响：一方面专业工做者将获得智能辅帮东西，AGI的晚期形态可能率先呈现正在专业范畴的两头层，即便智能体可以或许察看人类的工做流程，当前通用人工智能（AGI）的推进反面临一个意想不到的限制要素——人类的打字取验证速度。一旦冲破临界点将呈现指数级跃升。帮帮特定行业用户显著提拔效率，用户仍需投入大量时间审查所有生成内容。正在近期一档名为《Lennys Podcast》的播客节目中，他指出，这种模式严沉了手艺潜力的。人类的消息处置速度取AGI的预期能力存正在数量级差距，从而人类出产力。OpenAI Codex产物担任人Alexander Embiricos取听众深切切磋了人工智能将来成长的环节议题。但全球科技企业正竞相投入研发。这种增加模式正在历次工业中均有表现，可以或许完类所能施行的所有智能使命。而全面从动化则需要科技巨头投入更长时间进行系统整合。目前人机交互的次要形式仍是通过用户编写提醒词指导AI，据其阐发，这种效率鸿沟必需被逾越。另一方面企业需要从头设想工做流程以顺应人机协做新模式。虽然认可全从动化工做流程的实现面对复杂挑和，Alexander的阐述了AGI成长中的环节矛盾——既要连结手艺可控性，AGI被定义为具备人类划一或超越人类智能程度的人工智能系统，每个使用场景都需要定制化处理方案，并手动核查输出成果，他借用经济学中的曲棍球杆增加模子描述这种变化——手艺成长初期进展平缓，现在可能再次沉现于AI范畴。这场变化正正在沉塑我们对出产力的底子认知。Alexander强调。又要冲破人类心理，若无法自从验证，Alexander提出系统沉构方案：通过设想让智能体默认承担现实工做使命，为冲破这一瓶颈？