텍스트만 가지고 학습한 언어모델이 세상을 이해하는것처럼

시각, 청각 등을 학습한 각 모델을 하나로 합쳐놓으면

그게 그냥 AGI 가 되는게 아닐까?

그러니까 더이상 뭔가 알고리즘 혁신이 필요한게 아니고

그냥 최대한 많은 도메인을 하나로 합치면 될 뿐이란거지

OpenAI 가 이미 이러한 멀티모달 인공지능을 만들었고

그 결과 성능이 인간 수준에 가까이 도달했을거 같음