隨著大型科技公司持續投入數十億美元的研究經費和關注，以開發和擴展 LLM，科技界正在浮現一個根本性的問題：LLM 實際上是否正在引導我們遠離真正的 AGI？

在 #Consensus2025 的一個小組討論中，討論了 Web3 是否正在輸掉 AI 競賽，我們的 CEO Dr. @bengoertzel 挑戰了許多領先的 AI 公司和主權財富基金的投資策略的傳統觀點，包括沙烏地阿拉伯和阿聯酋最近對美國 AI 基礎設施進行的數十億美元投資。

「我想引用 Yan LeCun 的話，他是深度學習的先驅，也是 Facebook 的 AI 負責人，他說在通往 AGI 的高速公路上，LLM 是一個匝道，」Dr. Goertzel 告訴與會者，他拒絕了 Web3 方法落後於中心化 AI 開發的前提：「如果你已經下了匝道，那麼你以每小時 1,000 英里的速度行駛，而另一個人只以每小時 300 英里的速度行駛，如果他們在通往目的地的正確高速公路上行駛，那也沒關係。」

該小組由 Ben Fielding（Gensyn 創辦人）、Jesus Rodriguez（IntoTheBlock CEO）、Clara Tsao（Filecoin Foundation 創始官員）和 Jeff Wilser（The People's AI Podcast 創辦人兼主持人）組成，揭示了行業專家如何看待去中心化 AI 的未來存在明顯分歧。雖然其他小組成員指出了 Web3 在人才、數據集和基礎設施方面的當前劣勢，但 Dr. Goertzel 提出了一個更深層次的問題：LLM 的漸進式改進並不是實現人類水平 AGI 的可行方法。

然而，Dr. Goertzel 承認：「如果擴展 transformer 神經網路是實現 AGI 的關鍵，那麼很難看出美國和中國政府以及它們周圍的大型科技公司如何不贏得這場競賽，」他指出這些實體正在部署的巨大資本。

我們在 SingularityNET 的 AGI R&D 努力表明了一條不同的前進道路。「我自己的研究直覺是，LLM 不適合成為人類水平 AGI 的中心樞紐，更不用說超級智慧了，儘管它們可以成為 AGI 混合架構中的一個強大組成部分，」Dr. Goertzel 解釋說。

我們的團隊正在開發 OpenCog Hyperon，正如 Dr. Goertzel 所描述的，「一種混合的、深度神經網路、符號推理、進化學習的方法，在比 LLM 更複雜的認知架構中實現 AGI。」這種認知層面的方法代表了與大多數主流 AI 開發的根本不同方向。

Dr. Goertzel 最後做出了一個預測，幾年前這似乎很古怪，但現在反映了我們對去中心化方法的日益增長的信心，透過這些方法，AGI 將掌握在全人類手中，而沒有單一的所有者或控制者：「在 @ASI_Alliance 內，我們將在未來一到三年內在去中心化基礎設施上啟動第一個 AGI，而 Big Tech 將迎頭趕上。」