目前存在的llm无法实现通用人工智能 (AGI)。AGI是指具有类人智能的系统，可以在没有特定任务培训的情况下跨域执行任何智力任务。相比之下，llm是高度专业化的工具，依赖于训练数据中的模式来执行特定任务，例如文本生成或编码辅助。
虽然llm擅长于狭窄的领域，但它们缺乏推理、长期记忆和理解抽象概念的能力等属性。他们的输出仅限于基于先验知识的概率预测，并且如果不进行再培训，他们无法独立获得新技能或自我提高。
推进AGI需要在常识推理、因果理解和适应性学习等领域取得突破。虽然llm为人工智能研究提供了宝贵的见解，但它们是垫脚石，而不是AGI的直接途径。目前开发AGI的工作重点是将符号推理，动态学习和多模式功能集成到AI系统中。