他指出，当前的人工智能模型，如GPT-4，仅能通过计算生成连续的文本，而无法像人一样退一步审视整个任务的结构和目的。盖茨认为，仅仅增加训练数据量和算力，虽能带来一定进步，但最终将触及瓶颈。为了实现AI的真正突破，研究人员需要教会模型具备"元认知"能力，使其学会更智慧地分析问题，而非盲目地增加计算强度。
"元认知"研究有望解决大型语言模型在可靠性与准确性方面的挑战，使AI技术达到超越人类的水平，同时确保其输出的稳定性和可控性。这一研究方向被视为克服AI现有局限性的关键。
另一方面，美国最高法院最近对雪佛龙原则的裁决引发了关于其对科技行业，尤其是人工智能监管影响的讨论。法院推翻了要求法庭遵循联邦机构法规解释的先例，转而认为司法部门在澄清法律模糊地带方面更胜任，这可能减少了行政机构的专业优势。对于迅速发展的AI领域而言，这可能意味着更复杂的立法过程，因为国会将被迫在法案中细化更多细节，以预见未来的争议点，而不再依赖于机构的灵活解读。
然而，法院是否能够有效应对AI带来的挑战尚不确定，特别是在其近期裁决中对社交媒体内容审查法规的态度。随着AI的崛起，法院在处理相关法律问题时的立场将受到考验，尤其是在技术和社会环境不断变化的背景下。
此外，设计软件公司Figma最近因其实验性AI功能"Make Design"而陷入争议，该功能生成的设计被指与苹果公司的设计风格极其相似。CEO迪伦·菲尔德解释称，这一功能基于现有的大型语言模型，结合了Figma的设计系统，但并不包含其他应用的具体设计数据。尽管如此，这暴露了生成式AI在某些领域训练数据不足的问题，导致其输出过于模仿某一特定风格，即苹果的设计范式。这一事件突显了AI模型在数据多样性和创新性方面的挑战。
