Thore Graepel อดีตสมาชิกทีมผู้สร้าง AlphaGo อธิบายความแตกต่างระหว่างระบบ AI ในอดีตและปัจจุบัน โดยระบุว่าโมเดลภาษาขนาดใหญ่ (LLM) ในปัจจุบันทำงานในลักษณะ 'System 1' หรือการคิดแบบรวดเร็วโดยใช้การจับคู่รูปแบบ (Pattern Completion) เพื่อเดาคำถัดไป ซึ่งขาดกระบวนการไตร่ตรองเชิงลึก ต่างจาก AlphaGo ที่ใช้สถาปัตยกรรมแบบ System 2 ซึ่งมีกลไกการค้นหา (Search machinery) ที่ช่วยให้ AI สามารถประเมินผลลัพธ์ที่จะเกิดขึ้นในอนาคตก่อนการตัดสินใจ
Graepel เสนอว่าเพื่อให้ AI มีความน่าเชื่อถือในงานที่มีความเสี่ยงสูง เช่น การแพทย์และวิศวกรรม ระบบจำเป็นต้องมี 'Epistemic State' หรือสถานะความรู้ที่ชัดเจนและตรวจสอบได้ เพื่อแยกแยะสิ่งที่ระบบรู้และสิ่งที่ระบบตั้งสมมติฐานออกจากกัน แทนที่จะเป็นข้อมูลที่ผสมปนเปกันอยู่ในน้ำหนักของนิวรัลเน็ตเวิร์กเพียงอย่างเดียว การปรับปรุงนี้จะช่วยให้ AI สามารถให้เหตุผลและตัดสินใจได้อย่างสร้างสรรค์เหมือนกับที่ AlphaGo เคยทำได้ในการแข่งขันหมากล้อม
